Předpovídání výkonnosti fotbalových hráčů

Abstract

This thesis focuses on the development of tools to improve the experience of play- ing the online fantasy football game Sorare. In Sorare, players buy collectible cards that represent real footballers and compete against other players, with success depending on the actual performance of the footballers in real matches. Our work aims to address two main problems that players face in the game. First, we attempt to accurately predict a soccer player's score in an upcoming match based on data available before the match. Second, we seek to identify players undervalued by the market, which represent potential investment opportunities. We describe the whole process of machine learning from data acquisition, data processing, designing appropriate algorithms, training models to eva- luation. In both cases, the proposed algorithms have demonstrated usefulness compared to simple average-based predictions. 1

Tato práce se zaměřuje na vývoj nástrojů pro zlepšení zážitku z hraní online fotba- lové fantasy hry Sorare. Ve hře Sorare hráči kupují sběratelské kartičky, které reprezentují skutečné fotbalisty a soutěží s ostatními hráči, přičemž úspěch závisí na skutečných výko- nech fotbalistů v reálných zápasech. Cílem naší práce je řešit dva hlavní problémy, kterým hráči ve hře čelí. Zaprvé se snažíme přesně předpovědět skóre fotbalisty v nadcházejícím zápase na základě údajů dostupných před zápasem. Zadruhé se snažíme identifikovat trhem podhodnocené hráče, což představuje potenciální investiční příležitosti. Popíšeme a implementujeme celý proces strojového učení od získávání dat, jejich zpracování, návrh vhodných algoritmů, trénování modelů až k vyhodnocení. V obou případech se navrhnuté algoritmy ukázaly jako užitečné oproti jednoduchým predikcím založených na průměru. 1