Uso de redes neuronales para el estudio de las distintas fases del NLHE

dc.contributor.advisorNúñez Covarrubias, Alberto
dc.contributor.authorGago Rivas, Marcos
dc.date.accessioned2025-10-09T11:08:25Z
dc.date.available2025-10-09T11:08:25Z
dc.date.issued2025
dc.degree.titleGrado en Ingeniería del Software
dc.descriptionTrabajo de Fin de Grado en Ingeniería del Software, Facultad de Informática UCM, Departamento de Sistemas Informáticos y Computación, Curso 2024/2025.
dc.description.abstractEste Trabajo de Fin de Grado se centra en la aplicación de técnicas de Big Data y aprendizaje automático al análisis de manos de póker en la modalidad Texas Hold’em No-Limit. El trabajo aborda todas las fases de un proyecto de ciencia de datos, comenzando por la búsqueda, recopilación y unificación de fuentes de información en un dataset homogéneo a partir de historiales de juego de distintas plataformas. Posteriormente, se lleva a cabo un proceso exhaustivo de limpieza, transformación y modelado de datos, en el que se define la acción individual como unidad mínima de análisis. La segunda parte del trabajo se centra en el desarrollo de una red neuronal cuyo objetivo principal es predecir la acción realizada por el jugador en cada situación de la partida. Esta fase incluye tanto el diseño como la implementación del modelo. Finalmente, se lleva a cabo un análisis detallado de los resultados obtenidos, lo que permite evaluar el desempeño del modelo y extraer conclusiones sobre su capacidad para reproducir la toma de decisiones en el póker.
dc.description.abstractThis Final Degree Project focuses on the application of Big Data and machine learning techniques to the analysis of poker hands in the Texas Hold’em No-Limit modality. The work covers all the phases of a data science project, starting with the search, collection, and unification of information sources into a homogeneous dataset built from game histories across different platforms. Subsequently, an exhaustive process of data cleaning, transformation, and modeling is carried out, in which the individual action is defined as the minimum unit of analysis. The second part of the work focuses on the development of a neural network, whose main objective is to predict the action taken by the player in each game situation. This phase includes both the design and implementation of the model. Finally, a detailed analysis of the results obtained is performed, which makes it possible to evaluate the model’s performance and draw conclusions about its ability to reproduce decision-making in poker.
dc.description.departmentSección Deptal. de Sistemas Informáticos y Computación
dc.description.facultyFac. de Informática
dc.description.refereedTRUE
dc.description.statusunpub
dc.identifier.urihttps://hdl.handle.net/20.500.14352/124719
dc.language.isospa
dc.page.total81
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.accessRightsopen access
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.cdu004(043.3)
dc.subject.keywordPóker
dc.subject.keywordTexas Hold’em
dc.subject.keywordBig Data
dc.subject.keywordRedes neuronales
dc.subject.keywordAprendizaje automático
dc.subject.keywordPredicción
dc.subject.keywordAnálisis de datos
dc.subject.keywordAcciones
dc.subject.keywordManos
dc.subject.keywordNeural networks
dc.subject.keywordMachine learning
dc.subject.keywordPrediction
dc.subject.keywordData analysis
dc.subject.keywordActions
dc.subject.keywordHands
dc.subject.ucmInformática (Informática)
dc.subject.unesco33 Ciencias Tecnológicas
dc.titleUso de redes neuronales para el estudio de las distintas fases del NLHE
dc.titleUse of neural networks for the study of the different phases of NLHE
dc.typebachelor thesis
dc.type.hasVersionAM
dspace.entity.typePublication
relation.isAdvisorOfPublication739c7331-24ad-41a6-8f5b-873485fa4501
relation.isAdvisorOfPublication.latestForDiscovery739c7331-24ad-41a6-8f5b-873485fa4501

Download

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
uso_de_redes_neuronales.pdf
Size:
2.65 MB
Format:
Adobe Portable Document Format