@MASTERSTHESIS{ 2025:1341936640,
 	title = {Abordagem baseada em gradient boosting para previsão de resultados em corridas de galgos},
 	year = {2025},
 	url = "http://sistemas2.uespi.br/handle/tede/2207",
 	abstract = "Corridas de galgos, um esporte tradicional no Reino Unido, atraem tanto entusiastas quanto apostadores que visam lucrar nesse ramo e em 2020 esse mercado movimentou mais de 230 milhões de libras esterlinas em apostas presenciais e fora dos locais de corrida. Enquanto muitos baseiam suas decisões apenas na intuição, apostadores mais experientes utilizam técnicas de análise do histórico dos galgos para tentar prever o vencedor, o que pode ser difícil para um iniciante devido à complexidade dos dados a serem analisados. Este trabalho investigou a aplicação de técnicas de aprendizado de máquina na previsão de resultados em corridas de galgos, desenvolvendo um modelo preditivo capaz de estimar o tempo de corrida dos galgos utilizando o algoritmo de regressão da biblioteca CatBoost, que permitiu projetar uma classificação e identificar estratégias de aposta nesse mercado. A análise envolveu a estruturação de uma pipeline de preparação de dados baseada em trabalhos relevantes na literatura atual e a utilização de técnicas de otimização de hiperparâmetros no treinamento do modelo. Para assegurar a capacidade de generalização para novos dados, foi realizada uma avaliação da precisão na previsão do tempo de corrida por meio de validação cruzada k-fold. O trabalho contribuiu para o progresso do conhecimento na criação de modelos preditivos em aprendizado de máquina aplicados a bases de dados heterogêneas e para a identificação de estratégias de apostas esportivas em corridas de galgos.",
 	publisher = {Universidade Estadual do Piauí},
 	scholl = {Bacharelado em Ciências da Computação},
 	note = {Centro de Tecnologia e Urbanismo}
}