Zlecenie: Oprogramowanie do przewidywania zdarzeń w meczach piłkarskich (ML)

• liczba goli (np. Over/Under 2.5),


• BTTS (obie drużyny strzelą),


• liczba rzutów rożnych,


• liczba kartek,


• inne typowe zdarzenia bukmacherskie.

System będzie zasilany historycznymi danymi meczowymi i powinien generować prawdopodobieństwa wybranych zdarzeń, które będą wykorzystywane w aplikacji webowej lub API.

• przygotowanie i przetworzenie danych (ETL, czyszczenie, feature engineering),


• opracowanie i trenowanie modeli ML (klasyfikacja i regresja),


• ocena skuteczności modeli (np. accuracy, F1-score, MAE),


• przygotowanie skryptów predykcyjnych (Python),


• opcjonalnie: integracja modelu z API lub front-endem (np. REST/Flask/FastAPI),


• dokumentacja kodu i procesu.

• bardzo dobra znajomość Python,


• doświadczenie w machine learning / data science (scikit-learn, XGBoost, LightGBM, itp.),


• umiejętność pracy z danymi sportowymi / czasowymi,


• znajomość narzędzi do analizy danych: pandas, NumPy, matplotlib, seaborn,


• praktyka w obróbce danych i tworzeniu zbiorów treningowych,


• mile widziane doświadczenie z modelami predykcji wyników sportowych lub kursów bukmacherskich.

• znajomość ELO ratingów, SPI, lub innych metod oceny siły drużyn,


• podejście praktyczne – zależy nam na modelu, który realnie działa i daje wartość typerom.

Dane do treningu: Posiadamy zestawy danych z wynikami meczów, statystykami, ligami, rynkami bukmacherskimi itp. Możemy też wspólnie ustalić źródła danych i formaty wejściowe.

• link do profilu (GitHub, portfolio, itp.),


• krótkie info o doświadczeniu z ML,


• informację o dostępności i oczekiwaniach finansowych,


• mile widziany przykład podobnego projektu (jeśli masz).