Система обучалась на массиве открытых данных, где модель училась сопоставлять игровые эпизоды с результатами матчей, игнорируя готовые рейтинги. Такой подход позволяет ИИ самостоятельно определять ценность действий футболиста, исходя из фактического вклада в игру, а не из предвзятых оценок. Инструмент уже прошел этап тестирования и показал высокую точность при формировании списков кандидатов для трансферов.
В разделе Москва
Сбер научил нейросеть оценивать футболистов в контексте игры
Разработчики Сбера представили алгоритм, который анализирует эффективность футболиста через призму его окружения на поле. В отличие от традиционных метрик, модель учитывает индивидуальные показатели игрока в неразрывной связке с действиями партнеров и сопротивлением конкретных соперников, что позволяет точнее прогнозировать потенциал спортсмена и его совместимость с тактической схемой клуба.
Помимо профессионального скаутинга, технология нацелена на детско-юношеский спорт. Тренеры смогут использовать алгоритм для детализированного разбора тренировок и отслеживания прогресса подопечных. Внедрение таких решений сокращает время на ручной анализ видеозаписей и помогает скаутам находить таланты с подходящим профилем компетенций, опираясь на объективные данные о влиянии игрока на ход матча.
Комментарии (0)
Пока нет комментариев. Будьте первым!