Resumo: O esporte de alto desempenho está em busca, cada vez mais, do suporte de tecnologias que visam o auxílio aos atletas e aos profissionais que os acompanham. Atualmente existem diversas tecnologias que são utilizadas no segmento, como análise de deslocamento de jogadores através de GPS (Global Position System), mapeamento através da captura de vídeo, monitoramento de frequên-cia cardíaca, acelerômetro, giroscópio, dentre outros. Entretanto, a comissão técnica possui pouco respaldo tecnológico de ferramentas que consideram as características de movimentação do jogador, as quais poderiam apoiá-las na tomada de decisão em relação ao posicionamento ideal do atleta em campo. Através da coleta de dados de GPS é possível determinar velocidade, distância percorrida, faixas de aceleração, posicionamento, dentre outras informações. Nesse sentido, esse trabalho visa analisar o posicionamento ideal de um jogador de futebol através de algoritmos de aprendizado de máquina, sendo utilizados os modelos de Regressão Logística com Regularização, Redes Neurais e Máquinas de Vetores de Suporte. Os resultados obtidos indicaram que o modelo SVM se sobressaiu aos demais, entretanto são necessários trabalhos futuros para a busca de uma taxa de acerto mais elevada.
Palavras-chave:aprendizado de máquina, análise futebolística, gps, máquinas de vetores de suporte, redes neurais artificiais, regressão logística Abstract: The high sport performance is always searching the best technology to support athletes and all professional that helps him. Today there are many technologies in this area, like GPS (Global Position System) motion analysis, video motion analysis, heart rate monitoring, accelerometer, gyroscope and others. The coach has low support from technologies tools that analisys soccer player's characteristics in a game. This informations could help him to decide the ideal position of the athletics. Getting GPS data is possible to define parameters as speed, running distance, acceleration ranges, field positions and others informations. The objective of this study is to find the ideal position for a soccer player using these three machine learning algoritms: Logistic regression with regularization, artificial neural networks and support vector machines. The results show that support vector machines is better than three, but are need future works to find a higher hit rate.Keywords: artificial neural networks, gps, learning machine, logistic regression, soccer analysis, support vector machines 1 Introdução O posicionamento dos jogadores de futebol é, em suma, definido prioritariamente pelo treinador do time. Essa análise e decisão são baseadas inteiramente na percepção do técnico e, em alguns casos, conforme as características anatômicas e antropométricas do atleta [2]. A antropometria é o ramo das ciências humanas que estuda as medidas do corpo, particularmente o tamanho e a forma [1]. Por se tratar de um esporte coletivo é de suma