
)SOLR_TLOGA'strings€   ƒCæ‡s¦ß  7handle:"123456789/1340"   #ƒAxŒY!à  J?€  7SolrIndexer.lastIndexed82025-06-19T15:18:58.831Z/search.uniqueid?2-99994d1e-c1d4-415b-9621-fd34106753bf3search.resourcetype!21search.resourceid?99994d1e-c1d4-415b-9621-fd34106753bf&handle.123456789/1340(locationƒ?m8b295f10-2c88-4099-a34e-6f392ef42e5f?m58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f?l5b6bc384-38df-43a5-af47-11d8b9d130cb-location.comm‚?8b295f10-2c88-4099-a34e-6f392ef42e5f?58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f-location.coll?5b6bc384-38df-43a5-af47-11d8b9d130cb(archived$true)withdrawn%false,discoverable$true,lastModified82025-06-19T15:18:58.799Z&author‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio.author_keyword‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio)author_ac‚?$gonzÃ¡lez mÃ¼ller, luis augusto
|||
GonzÃ¡lez MÃ¼ller, Luis Augusto?$pelÃ¡ez sÃ¡nchez, josÃ© ignacio
|||
PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio-author_filter‚?$gonzÃ¡lez mÃ¼ller, luis augusto
|||
GonzÃ¡lez MÃ¼ller, Luis Augusto?$pelÃ¡ez sÃ¡nchez, josÃ© ignacio
|||
PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio8dc.contributor.author_hl‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio9dc.contributor.author_mlt‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio5dc.contributor.author‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio<dc.contributor.author_stored‚?$GonzÃ¡lez MÃ¼ller, Luis Augusto
|||
null
|||
null
|||
null
|||
null?$PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio
|||
null
|||
null
|||
null
|||
null:dc.description.abstract_hl?ØLa incorporaciÃ³n del big data ha revolucionado diversos Ã¡mbitos, incluido el deportivo, al permitir la gestiÃ³n y procesamiento eficiente de un conjunto de datos. En particular, en el contexto de la selecciÃ³n de jugadores para equipos de fÃºtbol, esta tarea desafiante y costosa busca optimizar la inversiÃ³n del club y el desempeÃ±o del jugador en el campo de juego. Actualmente, los ojeadores son responsables de esta labor crucial, considerando aspectos como habilidades tÃ©cnicas, fÃ­sicas, precio y la adaptaciÃ³n del jugador.
En esta investigaciÃ³n se busca mejorar el proceso de selecciÃ³n de equipos de fÃºtbol mediante la implementaciÃ³n de algoritmos genÃ©ticos y el aprovechamiento del big data. Se emplearon mÃ©todos de extracciÃ³n de datos como Scrapy, Beautifulsoup y Selenium utilizando Request, para evaluar su eficiencia. El anÃ¡lisis detallado abarca desde la selecciÃ³n de datos hasta la aplicaciÃ³n de los algoritmos genÃ©ticos, con enfoque en las tÃ©cnicas de procesamiento y los resultados obtenidos.
AdemÃ¡s, se presenta un anÃ¡lisis exhaustivo de los datos obtenidos y el desarrollo del algoritmo genÃ©tico. Se destaca la evoluciÃ³n de los individuos a lo largo de mÃºltiples generaciones, resaltando estrategias clave como â€˜crear_individuosâ€™, â€˜crear_poblacionâ€™, â€˜fitnessâ€™, â€˜seleccionâ€™, â€˜cruceâ€™ y â€˜mutarâ€™. El algoritmo se somete a una evaluaciÃ³n, mostrando su eficacia en la resoluciÃ³n del problema y revelando patrones emergentes en la evoluciÃ³n de poblaciones.
Este trabajo ofrece una comprensiÃ³n profunda de cÃ³mo los algoritmos genÃ©ticos abordan el desafÃ­o de la selecciÃ³n de equipos de fÃºtbol y cÃ³mo cada funciÃ³n contribuye al Ã©xito del proceso. La investigaciÃ³n evalÃºa la calidad de las soluciones obtenidas, su adaptabilidad y la influencia de los parÃ¡metros del algoritmo en el rendimiento. Los resultados enriquecen el conocimiento sobre algoritmos genÃ©ticos y su aplicabilidad prÃ¡ctica, con potencial para optimizar la toma de decisiones en problemas numÃ©ricos.7dc.description.abstract?ØLa incorporaciÃ³n del big data ha revolucionado diversos Ã¡mbitos, incluido el deportivo, al permitir la gestiÃ³n y procesamiento eficiente de un conjunto de datos. En particular, en el contexto de la selecciÃ³n de jugadores para equipos de fÃºtbol, esta tarea desafiante y costosa busca optimizar la inversiÃ³n del club y el desempeÃ±o del jugador en el campo de juego. Actualmente, los ojeadores son responsables de esta labor crucial, considerando aspectos como habilidades tÃ©cnicas, fÃ­sicas, precio y la adaptaciÃ³n del jugador.
En esta investigaciÃ³n se busca mejorar el proceso de selecciÃ³n de equipos de fÃºtbol mediante la implementaciÃ³n de algoritmos genÃ©ticos y el aprovechamiento del big data. Se emplearon mÃ©todos de extracciÃ³n de datos como Scrapy, Beautifulsoup y Selenium utilizando Request, para evaluar su eficiencia. El anÃ¡lisis detallado abarca desde la selecciÃ³n de datos hasta la aplicaciÃ³n de los algoritmos genÃ©ticos, con enfoque en las tÃ©cnicas de procesamiento y los resultados obtenidos.
AdemÃ¡s, se presenta un anÃ¡lisis exhaustivo de los datos obtenidos y el desarrollo del algoritmo genÃ©tico. Se destaca la evoluciÃ³n de los individuos a lo largo de mÃºltiples generaciones, resaltando estrategias clave como â€˜crear_individuosâ€™, â€˜crear_poblacionâ€™, â€˜fitnessâ€™, â€˜seleccionâ€™, â€˜cruceâ€™ y â€˜mutarâ€™. El algoritmo se somete a una evaluaciÃ³n, mostrando su eficacia en la resoluciÃ³n del problema y revelando patrones emergentes en la evoluciÃ³n de poblaciones.
Este trabajo ofrece una comprensiÃ³n profunda de cÃ³mo los algoritmos genÃ©ticos abordan el desafÃ­o de la selecciÃ³n de equipos de fÃºtbol y cÃ³mo cada funciÃ³n contribuye al Ã©xito del proceso. La investigaciÃ³n evalÃºa la calidad de las soluciones obtenidas, su adaptabilidad y la influencia de los parÃ¡metros del algoritmo en el rendimiento. Los resultados enriquecen el conocimiento sobre algoritmos genÃ©ticos y su aplicabilidad prÃ¡ctica, con potencial para optimizar la toma de decisiones en problemas numÃ©ricos.=dc.description.abstract.es_ES?ØLa incorporaciÃ³n del big data ha revolucionado diversos Ã¡mbitos, incluido el deportivo, al permitir la gestiÃ³n y procesamiento eficiente de un conjunto de datos. En particular, en el contexto de la selecciÃ³n de jugadores para equipos de fÃºtbol, esta tarea desafiante y costosa busca optimizar la inversiÃ³n del club y el desempeÃ±o del jugador en el campo de juego. Actualmente, los ojeadores son responsables de esta labor crucial, considerando aspectos como habilidades tÃ©cnicas, fÃ­sicas, precio y la adaptaciÃ³n del jugador.
En esta investigaciÃ³n se busca mejorar el proceso de selecciÃ³n de equipos de fÃºtbol mediante la implementaciÃ³n de algoritmos genÃ©ticos y el aprovechamiento del big data. Se emplearon mÃ©todos de extracciÃ³n de datos como Scrapy, Beautifulsoup y Selenium utilizando Request, para evaluar su eficiencia. El anÃ¡lisis detallado abarca desde la selecciÃ³n de datos hasta la aplicaciÃ³n de los algoritmos genÃ©ticos, con enfoque en las tÃ©cnicas de procesamiento y los resultados obtenidos.
AdemÃ¡s, se presenta un anÃ¡lisis exhaustivo de los datos obtenidos y el desarrollo del algoritmo genÃ©tico. Se destaca la evoluciÃ³n de los individuos a lo largo de mÃºltiples generaciones, resaltando estrategias clave como â€˜crear_individuosâ€™, â€˜crear_poblacionâ€™, â€˜fitnessâ€™, â€˜seleccionâ€™, â€˜cruceâ€™ y â€˜mutarâ€™. El algoritmo se somete a una evaluaciÃ³n, mostrando su eficacia en la resoluciÃ³n del problema y revelando patrones emergentes en la evoluciÃ³n de poblaciones.
Este trabajo ofrece una comprensiÃ³n profunda de cÃ³mo los algoritmos genÃ©ticos abordan el desafÃ­o de la selecciÃ³n de equipos de fÃºtbol y cÃ³mo cada funciÃ³n contribuye al Ã©xito del proceso. La investigaciÃ³n evalÃºa la calidad de las soluciones obtenidas, su adaptabilidad y la influencia de los parÃ¡metros del algoritmo en el rendimiento. Los resultados enriquecen el conocimiento sobre algoritmos genÃ©ticos y su aplicabilidad prÃ¡ctica, con potencial para optimizar la toma de decisiones en problemas numÃ©ricos./dc.language.iso"es5dc.language.iso.es_ES"es,dc.publisher?Facultad PolitÃ©cnica, Universidad Nacional del Este2dc.publisher.es_ES?Facultad PolitÃ©cnica, Universidad Nacional del Este'subjectƒ7SelecciÃ³n de jugadores2anÃ¡lisis de datos6algoritmos genÃ©ticos./subject_keyword†7SelecciÃ³n de jugadores7SelecciÃ³n de jugadores2anÃ¡lisis de datos2anÃ¡lisis de datos6algoritmos genÃ©ticos.6algoritmos genÃ©ticos.*subject_acƒ?selecciÃ³n de jugadores
|||
SelecciÃ³n de jugadores?
anÃ¡lisis de datos
|||
anÃ¡lisis de datos?algoritmos genÃ©ticos.
|||
algoritmos genÃ©ticos.4subject_tax_0_filterƒ?selecciÃ³n de jugadores
|||
SelecciÃ³n de jugadores?
anÃ¡lisis de datos
|||
anÃ¡lisis de datos?algoritmos genÃ©ticos.
|||
algoritmos genÃ©ticos..subject_filterƒ?selecciÃ³n de jugadores
|||
SelecciÃ³n de jugadores?
anÃ¡lisis de datos
|||
anÃ¡lisis de datos?algoritmos genÃ©ticos.
|||
algoritmos genÃ©ticos..dc.subject_mltƒ7SelecciÃ³n de jugadores2anÃ¡lisis de datos6algoritmos genÃ©ticos.*dc.subjectƒ7SelecciÃ³n de jugadores2anÃ¡lisis de datos6algoritmos genÃ©ticos.0dc.subject.es_ESƒ7SelecciÃ³n de jugadores2anÃ¡lisis de datos6algoritmos genÃ©ticos.%title?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.-title_keyword?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.(title_ac?”sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.
|||
Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.-dc.title_sort?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.+dc.title_hl?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.,dc.title_mlt?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.(dc.title?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos./dc.title_stored?ÝSistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.
|||
null
|||
null
|||
null
|||
es_ES.dc.title.es_ES?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.'dc.type&Thesis-dc.type.es_ES&Thesis1dc.identifier.uri?http://localhost:8080/xmlui/handle/123456789/13406dc.date.accessioned_dt82025-06-19T15:18:48.000Z3dc.date.accessioned42025-06-19T15:18:48Z1dc.date.available42025-06-19T15:18:48Z*dateIssued*2024-01-012dateIssued_keyword‚*2024-01-01$2024-dateIssued_ac‚92024-01-01
|||
2024-01-01$2024/dateIssued.year$20244dateIssued.year_sort$20241dc.date.issued_dt82024-01-01T00:00:00.000Z.dc.date.issued*2024-01-015dc.date.issued_stored?2024-01-01
|||
null
|||
null
|||
null
|||
null/publication_grp.123456789/1340>has_content_in_original_bundle%false?has_content_in_original_bundle_keyword%false?has_content_in_original_bundle_filter%false/bi_2_dis_filter‚?&gonzaÌlez muÌˆller, luis augusto
|||
GonzÃ¡lez MÃ¼ller, Luis Augusto?'pelaÌez saÌnchez, joseÌ ignacio
|||
PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio0bi_2_dis_partial‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio5bi_2_dis_value_filter‚? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio/bi_4_dis_filterƒ?anaÌlisis de datos
|||
anÃ¡lisis de datos?seleccioÌn de jugadores
|||
SelecciÃ³n de jugadores?algoritmos geneÌticos.
|||
algoritmos genÃ©ticos.0bi_4_dis_partialƒ7SelecciÃ³n de jugadores6algoritmos genÃ©ticos.2anÃ¡lisis de datos5bi_4_dis_value_filterƒ7SelecciÃ³n de jugadores6algoritmos genÃ©ticos.2anÃ¡lisis de datos.bi_sort_1_sort?½sistema de informacioÌn para la toma de decisiones basado en indicadores de desempenÌƒo de jugadores, orientado a la optimizacioÌn de procesos de contratacioÌn de jugadores empleando algoritmos geneÌticos-evolutivos..bi_sort_2_sort$2024.bi_sort_3_sort42025-06-19T15:18:48Z$read?g8f18a99c-4fd6-4787-bf2c-39ee4473d82a'a_spellŽ? GonzÃ¡lez MÃ¼ller, Luis Augusto? PelÃ¡ez SÃ¡nchez, JosÃ© Ignacio?ØLa incorporaciÃ³n del big data ha revolucionado diversos Ã¡mbitos, incluido el deportivo, al permitir la gestiÃ³n y procesamiento eficiente de un conjunto de datos. En particular, en el contexto de la selecciÃ³n de jugadores para equipos de fÃºtbol, esta tarea desafiante y costosa busca optimizar la inversiÃ³n del club y el desempeÃ±o del jugador en el campo de juego. Actualmente, los ojeadores son responsables de esta labor crucial, considerando aspectos como habilidades tÃ©cnicas, fÃ­sicas, precio y la adaptaciÃ³n del jugador.
En esta investigaciÃ³n se busca mejorar el proceso de selecciÃ³n de equipos de fÃºtbol mediante la implementaciÃ³n de algoritmos genÃ©ticos y el aprovechamiento del big data. Se emplearon mÃ©todos de extracciÃ³n de datos como Scrapy, Beautifulsoup y Selenium utilizando Request, para evaluar su eficiencia. El anÃ¡lisis detallado abarca desde la selecciÃ³n de datos hasta la aplicaciÃ³n de los algoritmos genÃ©ticos, con enfoque en las tÃ©cnicas de procesamiento y los resultados obtenidos.
AdemÃ¡s, se presenta un anÃ¡lisis exhaustivo de los datos obtenidos y el desarrollo del algoritmo genÃ©tico. Se destaca la evoluciÃ³n de los individuos a lo largo de mÃºltiples generaciones, resaltando estrategias clave como â€˜crear_individuosâ€™, â€˜crear_poblacionâ€™, â€˜fitnessâ€™, â€˜seleccionâ€™, â€˜cruceâ€™ y â€˜mutarâ€™. El algoritmo se somete a una evaluaciÃ³n, mostrando su eficacia en la resoluciÃ³n del problema y revelando patrones emergentes en la evoluciÃ³n de poblaciones.
Este trabajo ofrece una comprensiÃ³n profunda de cÃ³mo los algoritmos genÃ©ticos abordan el desafÃ­o de la selecciÃ³n de equipos de fÃºtbol y cÃ³mo cada funciÃ³n contribuye al Ã©xito del proceso. La investigaciÃ³n evalÃºa la calidad de las soluciones obtenidas, su adaptabilidad y la influencia de los parÃ¡metros del algoritmo en el rendimiento. Los resultados enriquecen el conocimiento sobre algoritmos genÃ©ticos y su aplicabilidad prÃ¡ctica, con potencial para optimizar la toma de decisiones en problemas numÃ©ricos."es?Facultad PolitÃ©cnica, Universidad Nacional del Este7SelecciÃ³n de jugadores2anÃ¡lisis de datos6algoritmos genÃ©ticos.?¸Sistema de informaciÃ³n para la toma de decisiones basado en indicadores de desempeÃ±o de jugadores, orientado a la optimizaciÃ³n de procesos de contrataciÃ³n de jugadores empleando algoritmos genÃ©ticos-evolutivos.&Thesis?http://localhost:8080/xmlui/handle/123456789/134042025-06-19T15:18:48Z42025-06-19T15:18:48Z$2024)_version_xŒY!à    <GƒD`-SOLR_TLOG_END   