Sarasa Cabezuelo, AntonioRoldán Serrano, Daniel2026-08-232026-08-232026https://hdl.handle.net/20.500.14352/139177Tanto el código fuente desarrollado para este Trabajo de Fin de Grado como las instrucciones de ejecución, se encuentran de forma pública en GitHub y pueden ser consultados en el siguiente enlace: https://github.com/danirold/TFG_ING_ INFORMATICA_CONVO_MUNDIAL_2026Este Trabajo de Fin de Grado presenta el desarrollo de una herramienta predictiva orientada al análisis técnico del fútbol profesional, dividida en dos fases. La primera fase, de carácter investigador, se centra en el entrenamiento y evaluación de cuatro modelos de aprendizaje automático (Random Forest, XGBoost, Regresión Logística y Support Vector Machines). El propósito es predecir la con vocatoria de la Selección Española de Fútbol para la Copa Mundial de la FIFA 2026 utilizando datos estadísticos de la temporada actual y el historial reciente de convocatorias. Al contrastar estas predicciones con la lista oficial, el estudio per mite determinar qué algoritmo logra capturar con mayor precisión el criterio del seleccionador nacional, Luis de la Fuente. En segundo lugar, se ha desarrollado una aplicación web. Esta plataforma ofrece una doble funcionalidad: permite a los usuarios llevar a cabo predicciones de forma automática de la convocatoria de la Selección Española (utilizando alguno de los modelos entrenados en la fase anterior), además de otorgarle la capacidad de modificar el dataset y aplicar filtros personalizados. De este modo, la aplicación recalcula las probabilidades en tiempo real, ofreciendo nuevas convocatorias adaptadas a escenarios hipotéticos planteados por el usuario. La herramienta incluye además gestión de usuarios, un módulo de transparencia para consultar la ficha técnica del modelo y la exportación de resultados en formato PDFThis Final Degree Project presents the development of a predictive tool oriented towards the technical analysis of professional football, divided into two phases. The first phase, of an investigative nature, focuses on the training and evaluation of four machine learning models (Random Forest, XGBoost, Logistic Regression and Support Vector Machines). The purpose is to predict the call-up of the Spanish National Football Team for the 2026 FIFA World Cup using statistical data from the current season and the history of recent call-ups. By contrasting these predictions with the official list, the study allows for determining which algorithm manages to capture with greater precision the criteria of the national coach, Luis de la Fuente. Secondly, a web application has been developed. This platform offers a dual functionality: it allows users to carry out automated predictions of the Spanish National Team call-up (using some of the models trained in the previous phase), in addition to granting them the ability to modify the dataset and apply personalized filters. In this way, the application recalculates the probabilities in real time, offering new call-ups adapted to hypothetical scenarios posed by the user. The tool also includes user management, a transparency module to consult the technical file of the model and the export of results in PDF format.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/bachelor thesishttps://github.com/danirold/TFG_ING_ INFORMATICA_CONVO_MUNDIAL_2026open access004(043.3)FútbolSelección española de fútbolCopa mundial de la FIFA 2026Inteligencia artificialAprendizaje automáticoAprendizaje supervisadoAnálisis EstadísticoModelos predictivosAplicación webFastAPIFootballSpanish national football team2026 FIFA World CupArtificial intelligenceMachine learningSupervised learningStatistical analysisPredictive modelsWeb applicationInformática (Informática)33 Ciencias Tecnológicas