Cmo encontrar el mejor jugador para tu Equipo de Ftbol

Link al repo de GitHub: https://github.com/juanisil/TDVIII-proyecto-final

Integrantes

• Toms Glauberman - 21F78 | tglauberman@mail.utdt.edu
• Ignacio Pardo - 21R1160 | ipardo@mail.utdt.edu
• Juan Ignacio Silvestri - 21Q111 | jsilvestri@mail.utdt.edu

Descripcin

Cdigo fuente del proyecto final de la Licenciatura en Tecnologa Digital de la Universidad Torcuato Di Tella.

Estructura

El proyecto est dividido las siguientes carpetas principales:

• src/: Cdigo en produccin del proyecto. Incluye un mdulo de Python con funciones y clases que se utilizan en el anlisis de datos.
• exploratory/: Notebooks de Jupyter y otros archivos de exploracin de datos.
• tests/: Archivos de tests unitarios y de integracin sobre el cdigo en la carpeta src/.
• SampleData/: Datos de OPTA de la English Premier League 2012/2013.
• gui/: Interfaz grfica para la exploracin de la investigacin.

Source Code

• src/event_processing.py: Procesamiento de eventos de partidos de futbol del Excel

• src/excel_xml_util.py: Modulo para trabajar con archivos XML de OPTA en Pandas

• src/futbol_types.py: Definicin de tipos de datos para el anlisis de futbol

• src/match_data_extraction.py: Mdulo para extraer eventos y datos de los partidos

• src/epl_player_data_utils.py: Datos extra de jugadores de la EPL por ID de OPTA.

• src/utils_CTMC.py: Funciones para calcular el modelo de transicin de estados de un equipo en un partido de futbol.

• src/bayesian_PSL.py: Clases para el anlisis bayesiano del PSL.

• src/Player2Vec.py: Player2Vec a partir de Node2Vec sobre Grafo Full de Transicin de Estados de Jugadores

• src/p2v_dist.py: Modelo Predictivo de Distribuciones de Ratios de Transicin

Usage of Player2Vec:

bash python src/Player2Vec.py --model_path "player2vec.model" --output_path "player2vec.model" --dimensions 3 --walk_length 16 --num_walks 200 --p 1 --q 1 --workers 4 --window 12 --min_count 1 --batch_words 4 --epl_data_path "../SampleData/epl.xlsx" --players_path "../SampleData/players.json" --r_storage_path "R_storage.npy"

Algunos Notebooks

• exploratory/emb_viz.ipynb: Visualizacin de embeddings de jugadores con Player2Vec.
• exploratory/dataset_exp.ipynb: Breve exploracin del dataset de OPTA.
• exploratory/p2v_dist_model_oos.ipynb: Modelo Predictivo de Distribuciones de Ratios de Transicin, con Validacin Out-of-Sample. src/p2v_dist.py.
• exploratory/OPTA_XML_Read.ipynb: Lectura de datos de OPTA en formato XML.
• exploratory/player_exp.ipynb: Exploracin de datos de jugadores. Clculo de Opta Points como ejemplo.
• exploratory/player_q_dist.ipynb: Anlisis de la distribucin de los ratios de transicin de jugadores.
• exploratory/psl_grad.ipynb: Test de Sensitividad de la funcin PSL.
• exploratory/PSL_StastsBomb.ipynb: Clculo de PSL con datos de StatsBomb.
• exploratory/PSL_sample_data.ipynb: Clculo de PSL con datos de OPTA.
• exploratory/case_study.ipynb: Caso de estudio de jugadores de la EPL (OPTA).

Usage

El proyecto requiere Python 3.10.14 y las dependencias listadas en requirements.txt. En el archivo Makefile se encuentran los comandos para instalar las dependencias, correr los tests y correr la interfaz grfica de exploracin de la investigacin.

Para instalar las dependencias necesarias, ejecutar el siguiente comando:

bash make install

Alternativamente se puede crear un entorno de Conda con las dependencias necesarias ejecutando el siguiente comando:

bash make create_conda_env

Para correr los tests unitarios y de integracin, ejecutar el siguiente comando:

bash make test

Para correr la interfaz grfica de exploracin de la investigacin, ejecutar el siguiente comando:

bash make viz

Docs

La documentacin se encuentra en la carpeta docs/. Para generar la documentacin, ejecutar el siguiente comando:

bash make build_docs

Y para visualizar la documentacin, ejecutar el siguiente comando:

bash make web_docs

Se puede hallar la documentacin en este link.

Referencias

Bawa, V. S. (1982). Stochastic dominance: A research bibliography. Management Science, 28, 698712. https://doi.org/10.1287/mnsc.28.6.698

Bergstra, J., Komer, B., Eliasmith, C., Yamins, D., & Cox, D. D. (2015). Hyperopt: A python library for model selection and hyperparameter optimization. Computational Science & Discovery, 8, 014008. https://doi.org/10.1088/1749-4699/8/1/014008

Brunetti, D., Ceria, S., Durn, G., Durn, M., Farall, A., Marucho, N., & Mislej, P. (2024). Data science models for football scouting: The racing de santander case study. 33rd European Conference on Operational Research. https://ic.fcen.uba.ar/uploads/files/Euro%202024%20-%20Data%20Science%20models%20for%20Football%20Scouting%20The%20Racing%20de%20Santander%20case%20study%20-%20REVISED.pdf

Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD 16, 785794. https://doi.org/10.1145/2939672.2939785

Green, S. (2012). Assessing the performance of premier league goalscorers. Stats Perform. https://www.statsperform.com/resource/assessing-the-performance-of-premier-league-goalscorers/

Grover, A., & Leskovec, J. (2016). node2vec: Scalable feature learning for networks. arXiv.org. https://arxiv.org/abs/1607.00653

Huang, E., Segarra, S., Gallino, S., & Ribeiro, A. (n.d.). How to find the right player for your soccer team?

Kullback, S., & Leibler, R. A. (1951). On information and sufficiency. The Annals of Mathematical Statistics, 22, 7986. https://doi.org/10.1214/aoms/1177729694

Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv.org. https://arxiv.org/abs/1301.3781

Opta data from stats perform. (n.d.). Stats Perform. https://www.statsperform.com/opta/

PyTorch Forums, A. N. K. -. (2022). Jensen shannon divergence. PyTorch Forums. https://discuss.pytorch.org/t/jensen-shannon-divergence/2626/13

Rahimian, P., Van Haaren, J., & Toka, L. (2023). Towards maximizing expected possession outcome in soccer. International Journal of Sports Science & Coaching, 174795412311544. https://doi.org/10.1177/17479541231154494

Tippett, J. (2019). The expected goals philosophy: A game-changing way of analysing football. Independently Published.

Transfermarkt.com.ar. (2024a). Danny welbeck - evolucin del valor de mercado. Transfermarkt.com.ar. https://www.transfermarkt.com.ar/danny-welbeck/marktwertverlauf/spieler/67063

Transfermarkt.com.ar. (2024b). James milner - stats by club. Transfermarkt.com. https://www.transfermarkt.com/james-milner/leistungsdatenverein/spieler/3333

Vulcano, G. (n.d.). Decision under risk - module IV - NYU stern - master of science in business analytics.