OPTIMIZACIÓN DEL RENDIMIENTO EN CICLISMO PROFESIONAL: UNA INTEGRACIÓN DE ANÁLISIS DE DATOS Y TECNOLOGÍAS AVANZADAS

dc.contributor.authorLópez Ludeña, Santiago
dc.date.accessioned2024-06-21T10:00:27Z
dc.date.available2024-06-21T10:00:27Z
dc.date.issued2024-06-20
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Juan David Granada Mejía
dc.description.abstractEl presente trabajo explorará la sinergia entre las tecnologías y el análisis de datos en el contexto del ciclismo profesional, con el objetivo de desentrañar cómo estas herramientas no sólo mejoran el rendimiento de los ciclistas, sino que también redefinen las estrategias de entrenamiento y competición. Mediante un enfoque multidisciplinario se analiza la evolución de las prácticas de análisis de datos, las tecnologías emergentes aplicadas al deporte y su impacto tangible en el rendimiento deportivo. A través de la revisión de estudios de caso, modelado predictivo y análisis estadístico se identifican variables clave y se proponen estrategias innovadoras para la mejora continua del rendimiento ciclista. Además, se examinan las implicaciones éticas y de privacidad relacionadas con la gestión de datos en el deporte, ofreciendo una visión holística sobre los beneficios, desafíos y el futuro del análisis de datos, siempre dentro del ciclismo profesional. Por último, como parte práctica se propone la implementación de un cuadro de mando en el ámbito ciclista que ayude a los equipos a desarrollar estrategias y conocer las características de los corredores.
dc.identifier.urihttps://hdl.handle.net/10115/34528
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rights
dc.rights.accessRightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.uri
dc.subjectCiclismo
dc.subjectDatos
dc.subjectInteligencia Artificial
dc.subjectCuadro de Mando
dc.subjectPower BI
dc.titleOPTIMIZACIÓN DEL RENDIMIENTO EN CICLISMO PROFESIONAL: UNA INTEGRACIÓN DE ANÁLISIS DE DATOS Y TECNOLOGÍAS AVANZADAS
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
2023-24-FCEE-J-2267-2267062-s.lopezlu.2019-MEMORIA.pdf
Tamaño:
1.17 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG
No hay miniatura disponible
Nombre:
2023-24-FCEE-J-2267-2267062-s.lopezlu.2019-ANEXO.zip
Tamaño:
940.31 KB
Formato:
Unknown data format
Descripción:
Anexo.zip