ML-модель прогнозування тенісних матчів — live-аналіз коефіцієнт

Розробив і навчив модель машинного навчання для прогнозування результатів тенісних матчів на основі історичних даних та live-котирувань букмекерів.

Спочатку був підготовлений структурований датасет: історичні матчі, коефіцієнти до матчу та в лайві, рахунок, турнір, гравці, підсумковий результат. Для побудови моделі використовував AI/AutoML-підхід: тестувалися різні регресійні та нейромережеві моделі, обиралася конфігурація з найкращою якістю прогнозу (ймовірності перемоги, динаміка зміни шансів у ході матчу).

Додатково я розробив окремий live-парсер, який у режимі близькому до реального часу отримував котирування та проміжні результати поточного тенісного матчу, передавав ці дані в модель і отримував оцінку ймовірностей можливих виходів події. Увесь пайплайн працював у хмарному середовищі: завантаження даних, передобробка, інференс моделі та логування результатів.

Я відповідав за повний цикл:
– проєктування структури даних і логіки збору;
– налаштування та навчання ML-моделей (AutoML-підхід, регресія, нейромережі);
– розробку live-парсера для котирувань і результатів;
– інтеграцію всього рішення в хмарі та підготовку прогнозів із достатньо високою точністю для подальшого використання в аналітиці та стратегіях.

Використані технології: ML/AutoML-бібліотеки для побудови регресійних та нейромережевих моделей, хмарне середовище для навчання та інференсу, парсер live-даних (тенісні матчі, котирування, результати), робота зі структурованими датасетами (CSV/табличний формат, БД).