Modelagem e predição de resultados de futebol antes e durante as partidas usando aprendizagem de máquina.

No futebol, a predicao de resultados e historicamente uma tarefa desafiadora devido a na tureza estocastica do esporte e a complexidade dos inumeros fatores que influenciam o de senrolar de uma partida. Na ultima decada, com a evolucao nas tecnicas de aquisicao, ar mazenamento e processamento de grandes volumes de dados, surgiram diversas fontes de dados online (textuais, tabulares, etc.) com informacoes a respeito de partidas disputadas (escalacoes, placares, estatisticas, etc.), alem de dados referentes as cotacoes dos mercados de aposta para as partidas. Nesse cenario, tecnicas de aprendizagem de maquina podem ser uma alternativa viavel para a descoberta de padroes nos dados historicos e consequente mente para a predicao de resultados. Este trabalho explora diferentes abordagens e tecnicas de aprendizagem, que vao desde classificadores simples a redes neurais complexas, para realizacao de predicoes de resultados tanto antes do inicio das partidas, como tambem du rante (em tempo real). Para a predicao pre-jogo, este trabalho ataca um alvo de predicao ainda pouco explorado pela literatura: "ambas as equipes vao marcar gols?". Esse tipo de predicao, alem de ter sido pouco explorada pela literatura, tem despertando um interesse crescente nos ultimos anos, devido ao crescimento do mercado de apostas esportivas. Para a predicao durante a partida, este trabalho visa estimar o resultado final da disputa, atualizando a predicao minuto-a-minuto. Um conjunto de experimentos foi realizado para avaliar o desempenho dos diferentes modelos em termos de acuracia e lucratividade no mercado de apostas. Os resultados obtidos sao importantes em varios aspectos, que vao desde a avaliacao dos fatores que influenciam o resultado de uma partida ate a analise da eficiencia de tecnicas de aprendizagem de maquina no mercado de apostas esportivas.