Реклама 18+
Реклама 18+
Рейтинг на сайте 4547  Место 11375
Трибуна Пользователь
Комментарии160
Статусы0

Кирилл Серых

Дата регистрации 3 июня 2014
Аккаунт лидер
Настоящее имя Кирилл Серых
Пол мужчина
Возраст 27
Местоположение  Германия
Любит
Основатель блогов
Читает блоги

Записи в блогах

|Автор Кирилл Серых

Заметки города Б / Ловите 10 лучших спортивных книг 2020-го. Составил наш блогер, который работает в немецком футболе

Краткий обзор 10 лучших книг про футбол, которые прочитал в этом году.

Лидс, Марсело Бьелса, Юрген Клопп, премьер-лига Англия, Санкт-Паули, Питер Крауч
Рейтинг +74
|Автор Кирилл Серых

Заметки города Б / Мы выиграли хакатон с идеей xS – как xG, но для вратарей! Теперь я буду работать с клубами Бундеслиги

История о том, как можно попасть работать в футбол во время пандемии.

Боруссия Менхенгладбах, Бавария, Немецкий футбольный союз, Айнтрахт Франкфурт, бундеслига Германия
Рейтинг +190
|Автор Кирилл Серых

Заметки города Б / Немцы строят футбольный Гарвард и меняют мышление тренеров (например, с помощью авиатренажеров): готовятся к Евро-24

Германия снова меняет свой футбол - создает новую академию и по-новому готовит тренеров.

Мануэль Баум, Хоффенхайм, Вердер, Флориан Кофельдт, Сборная Германии по футболу, бундеслига Германия, Айнтрахт Франкфурт, Юлиан Нагельсманн, Оливер Бирхофф, Нико Ковач
Рейтинг +128

Комментарии

| К записи в блоге Digital Scouting
0

Понял, спасибо. Судя по всему, если Вы используете данные от разных провайдеров, то берёте сагрегированные данные по матчам и строите свою модель лишь по ним? И повторюсь, контекст происходившего каждой из игр хотя бы из ивент-данных никак не учитываете? Удивляет наличие спортса - если это не опечатка и не какой-то иной провайдер, то у любого из перечисленного Вами провайдеров даже агрегированные данные более разнообразные, чем у этого сайта. Как-то учитываете разные определения разных событий у разных провайдеров? Если что - я не докапываюсь, а пытаюсь понять и узнать, чем располагает ЦСКА и как это делаете Вы.

| К записи в блоге Digital Scouting
+3

Берите Python: numpy, pandas, scikit-learn, scipy (если вдруг найдете много трекинга, то может быть и tensorflow для нейросетей понадобится) + визуализация на matplotlib, seaborn, plotly. Неплохие дэшборды строятся в dash.
Футбольные библиотеки в Python - socceraction и kloppy, там и бесплатные данные есть для анализа. Последние 2,5 года работаю во всем этом для футбольных данных, и в 99 процентах задач Python’a хватало. Остальной 1 процент - визуализации из d3 в JS.
Кто-то больше любит R, но это на любителя.

| К записи в блоге Digital Scouting
+1

Тимофей, спасибо за статью!
Скажите, а вы как-то используете этот рейтинг в своей работе или же это больше проект по фану и чисто для себя? Если это как-либо используется в работе, то даже сходу по методологии очень много вопросов: почему среднее арифметическое, почему нет нормализации по всем данным, как выбраны метрики - смотрели ли банально на корреляцию между ними, учитываете ли хоть как-то контекст игры (хотя если данные взяты с fbref, то это немного сложнее сделать)?
Если фан - то вопросов нет :)

Друзья

Подписчики

Реклама 18+
Реклама 18+
Реклама 18+
Реклама 18+