Los denominados eSports han visto incrementada su popularidad en los últimos años debido al creciente interés tanto del público que asiste a sus numerosos eventos como inversores que ven en el juego una oportunidad única. Este trabajo trata de analizar y clasificar los resultados de los partidos del juego Counter Strike: Global Offensive (CS:GO) mediante el uso de técnicas de aprendizaje computacional (machine learning, por sus siglas en inglés). El objetivo consistirá en analizar las grabaciones de los partidos citados, que se encuentran almacenadas en numerosas páginas web, correspondientes a una de las ligas profesionales de este videojuego, denominada ESL PRO LEAGUE. Se analizarán entorno a 400 partidas de los jugadores de más alto nivel usando librerías de código abierto con el objetivo de extraer información, y así posteriormente, hacer uso de diferentes programas empleados en el ámbito de la minería de datos para realizar una limpieza de datos, crear modelos y extraer conclusiones. Los resultados muestran diversas reglas extraídas que pueden servir de ayuda a los equipos para modificar su estilo de juego con el objetivo de alzarse con la victoria, además, de diferentes estadísticas que muestran claramente un desbalanceo que debería ser solventado por los creadores del juego.
Buscar en Dimension