lolPrediction

Projet de fin d'étude de Licence Prediction League of legends Table des matières

Cahier des charges : Projet de L3 de fin d'étude - Prédictions de parties de League of Legends

Objectifs

Créer un site web utilisant Symfony et React permettant aux joueurs de simuler une prédiction d'une partie de League of Legends en utilisant un modèle de machine learning (PyTorch).

Fonctionnalités

1. Prédiction de l'équipe gagnante : Les utilisateurs pourront entrer les paramètres d'une partie et le site leur renverra l'équipe la plus probable de gagner.
2. Recommandation de champions : Les utilisateurs pourront entrer la liste des champions de leur partie et le site leur recommandera un champion à choisir pour augmenter leurs chances de gagner.
3. Récupération automatique des données de la partie : Les utilisateurs pourront entrer leur nom d'utilisateur et le site récupérera automatiquement les données de leur partie.
4. Prédiction en temps réel : Les utilisateurs pourront recevoir des prédictions en temps réel sur l'équipe qui pourrait gagner pendant qu'ils jouent une partie.

Étapes de réalisation

1. Développement du site web & Préparation des données

• Utiliser Symfony pour le back-end et React pour le front-end

  Mise en place du site web

• Créer une interface utilisateur intuitive et facile à utiliser

• Collecter les données de parties de League of Legends en utilisant l'API de Riot Games

• Nettoyer et organiser les données pour les rendre utilisables par le modèle de machine learning

2. Création et entraînement du modèle de machine learning & Intégration au Site Web

• Utiliser PyTorch pour créer et entraîner un modèle de machine learning
• Tester et ajuster le modèle pour obtenir une précision satisfaisante
• Intégrer le modèle entraîné au site web en utilisant une API ou une autre méthode appropriée
• Afficher correctement les prédictions du modèle sur le site web

3. Améliorations et fonctionnalités supplémentaires

• Ajouter des fonctionnalités supplémentaires, comme la recommandation de champions et la récupération automatique des données de la partie
• Implémenter la prédiction en temps réel pour les parties en cours

4. Tests et déploiement

• Tester l'ensemble du site web et des fonctionnalités
• Corriger les bugs et optimiser le site pour offrir une expérience utilisateur agréable
• Déployer le site web sur un serveur adapté

5. Documentation et soutenance

• Rédiger une documentation détaillée sur le projet
• Préparer la présentation et la défense du projet devant un jury

Bibliographie

Sites web

1. Riot Games API. Riot Games Developer Portal. https://developer.riotgames.com/
2. PyTorch. An open source machine learning framework. https://pytorch.org/
3. Drafting.gg. Exemple de draft lol en web (1). https://drafting.gg/draft
4. Draftlol Exemple de draft lol en web (2). https://draftlol.dawe.gg/