Specjalista Machine Learning (projekt: analiza danych piłki nożnej i przewidywanie wyników)

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

Opis projektu: Poszukujmy specjalisty, który stworzy moduł predykcyjny oparty na machine learning, służący do przewidywania zdarzeń w meczach piłkarskich, takich jak:

• liczba goli (home/away),
• 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.

Zakres Prac

• przygotowanie i przetworzenie danych (udostępniamy dane historyczne),
• opracowanie i trenowanie modeli ML,
• ocena skuteczności modeli w przewidywaniu liczby goli,
• przygotowanie skryptów predykcyjnych (Python),
• opcjonalnie: integracja modelu z API lub front-endem (np. REST/Flask/FastAPI),
• dokumentacja kodu i procesu.
  
  

Wymagane Umiejętności

• bardzo dobra znajomość Python,
• doświadczenie w machine learning / data science,
• umiejętność pracy z danymi sportowymi / czasowymi,
• znajomość narzędzi do analizy danych,
• praktyka w obróbce danych i tworzeniu zbiorów treningowych,
• mile widziane doświadczenie z modelami predykcji wyników sportowych lub kursów bukmacherskich.
  
  

Dodatkowe Atuty

• 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.

W aplikacji prosimy podać

• 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).
  
  

Portal Praca.pl to jeden z największych portali pracy w Polsce. Działamy jako agencja zatrudnienia, numer certyfikatu 29884.