Vývoj aplikace pro automatizovanou analýzu draftu šampionů v League of Legends turnajích
Autor(ka) práce:
Štricz, Patrik
Typ práce:
Diplomová práce
Vedoucí práce:
Palovská, Helena
Oponenti práce:
Karkošková, Soňa
Jazyk práce:
Česky
Abstrakt:
Tato diplomová práce se zabývá návrhem a implementací expertního systému pro automatizovanou analýzu fáze draftu v profesionálním prostředí hry League of Legends. Cílem práce je vytvořit nástroj, který na základě historických dat a aktuálních trendů (metagame) dokáže predikovat volby šampionů a poskytovat strategická doporučení. Systém zohledňuje klíčové aspekty profesionální scény, jako jsou individuální preference hráčů, synergie týmových kompozic, counter-picky a specifika regionálních lig. Významným přínosem práce je implementace podpory pro formát „fearless draft“, který zásadně mění dynamiku výběru šampionů v herních sériích. Výsledná aplikace, vyvinutá v jazyce Python, byla validována na reálných datech ze sezóny 2026, přičemž dosáhla vysoké míry relevance doporučení v kontextu elitních světových turnajů.
Klíčová slova:
League of Legends; esport; expertní systém; analýza dat; predikce
Název práce:
Automated Champion Draft Analysis Tool for League of Legends Tournaments
Autor(ka) práce:
Štricz, Patrik
Typ práce:
Diploma thesis
Vedoucí práce:
Palovská, Helena
Oponenti práce:
Karkošková, Soňa
Jazyk práce:
Česky
Abstrakt:
This master's thesis focuses on the design and implementation of an expert system for the automated analysis of the draft phase in professional League of Legends. The primary objective is to develop a tool capable of predicting champion picks and providing strategic recommendations based on historical data and current metagame trends. The system incorporates key aspects of the professional scene, including individual player preferences, team composition synergies, counter-picks, and regional league specificities. A significant contribution of this work is the implementation of support for the "fearless draft" format, which fundamentally alters champion selection dynamics in match series. The resulting application, developed in Python, was validated using real-world data from the 2026 season, achieving high recommendation relevance within the context of elite global tournaments.
Klíčová slova:
League of Legends; esports; expert system; data analysis; prediction