Ir al contenido principal

Introducción a AI a través del deporte

Desde 2023, Stats Perform se ha asociado con Student Freedom Initiative y Morehouse College para impartir un curso de Introducción a AI a través del deporte, diseñado para compartir conocimientos sobre la aplicación de herramientas y técnicas de inteligencia artificial para analizar y predecir el rendimiento en varios deportes.

El curso utiliza el deporte como vehículo para aprender cómo pueden utilizarse los datos y la AI para "medir lo inconmensurable", a través de nuevos conocimientos y tecnologías que antes no podían medirse.

Además, los estudiantes también aprenden a visualizar datos granulares, así como a crear animaciones interactivas y cuadros de mando para resaltar diversos comportamientos en el deporte. No es necesario tener conocimientos previos de AI y aprendizaje automático para matricularse.

Los distintos profesores del curso, entre los que se encuentran Patrick Lucey, científico jefe Stats Perform, y otros miembros del equipo de AI de Stats PerformPerform, utilizan ejemplos de nuestros conjuntos de datos de baloncesto y fútbol (soccer) y tutoriales interactivos con código de trabajo, y los estudiantes también se benefician del acceso a estos recursos si quieren ensuciarse las manos.

El objetivo del curso es dar a los estudiantes una comprensión básica sobre el valor de los datos y cómo AI maximiza el uso de los datos, y cómo impulsa todo en el ecosistema de datos utilizando el aprendizaje automático (ML), la vision por ordenador (CV) y el modelado de grandes lenguajes (LLM) - utilizando el deporte en el vehículo para aprender.

Al finalizar este curso, los estudiantes deben comprender los conceptos básicos de AI y lo que puede y no puede hacer, es decir, el "por qué". Un objetivo adicional de este curso es que los alumnos adquieran conocimientos sobre datos e AI , al tiempo que se hace hincapié en la necesidad de conocer las habilidades básicas para utilizar hojas de cálculo (Excel), así como Python.

El curso, que se extiende desde agosto hasta mediados de diciembre, se divide en cuatro partes en las que los alumnos deben entregar deberes y un proyecto final, que contribuyen a la nota final del curso. Los estudiantes también se presentan a un examen final antes de Navidad, que supondrá el 20% de su nota final.

MÁS INFORMACIÓN SOBRE CURSOS ANTERIORES

Resumen del curso

Parte 1 Por qué son necesarios el análisis y la visualización de datos en la era de AI

En la primera parte, ofrecemos una visión general de AI en el deporte: la historia de la analítica deportiva y la razón por la que es necesaria la AI con datos deportivos.

  • Conectamos la analítica deportiva con lo que ocurre en la analítica empresarial, además de ofrecer una visión general de los tipos de datos deportivos disponibles y de cómo se recopilan.
  • Proporcionamos un marco de los tipos de aplicaciones que impulsan los datos deportivos y damos una visión general de lo que es AI, la Vision por ordenador (CV) y el aprendizaje automático (ML) y cómo interactúan.
  • Destacamos el rendimiento actual de los Asistentes de AI AI ficial, y cómo es necesario tener las habilidades básicas de exploración y visualización de datos debido a las alucinaciones que se producen por parte de los Asistentes de AI Artificial.
  • Utilizando los datos del box score de baloncesto, haremos un descubrimiento inicial de datos y crearemos las métricas base que se utilizan en todo el baloncesto (4 Factores y Métricas de Eficiencia) para enseñar los fundamentos de Excel. 
  • Como conclusión de la primera parte, demostraremos cómo podemos crear métricas de jugadores, así como visualizar datos de tiros en baloncesto, ambos utilizando Python, y las diversas herramientas y métodos para ofrecer con éxito visualizaciones significativas.

Parte 2: Introducción al aprendizaje automático

Utilizando datos de baloncesto y fútbol, exploraremos cómo crear métricas predictivas, así como métricas descriptivas. En concreto, en esta parte del curso, vamos a cubrir:

  • Utilizando la probabilidad de victoria como ejemplo, demuestre por qué se necesitan modelos de aprendizaje automático (mediante técnicas de aprendizaje supervisado) para responder a preguntas importantes en el deporte, como "quién va a ganar" en un partido. 
  • También introduciremos el concepto de "análisis contrafáctico" o preguntas "qué pasaría si", que pueden medir el impacto de las decisiones durante un partido, como cuándo pedir un tiempo muerto. 
  • Además, cubriremos la simulación "Monte-Carlo", que puede permitir pronosticar dónde acabarán los equipos al final de la temporada utilizando clasificaciones de poder de equipo en las que utilizamos la métrica ELO. 
  • Por último, también le mostraremos cómo crear su propio modelo de valor esperado de los goles en el fútbol y cómo evaluarlo. 

Parte 3: Introducción a la Vision por ordenador y a los datos de seguimiento de los jugadores

Vision por ordenador y los datos de seguimiento han sido un elemento básico del análisis deportivo durante la última década.

Aunque se trata de un tema avanzado, nos limitaremos a dar una visión general de alto nivel de cómo funciona, cómo se utiliza y el futuro de esta tecnología en el deporte.


Parte 4: ChatGPT y LLMs

En esta parte del curso, destacaremos los recientes avances en AI, concretamente en torno a ChatGPT y los Grandes Modelos de Lenguaje. Los alumnos deberán tener una intuición sobre qué son y cómo funcionan.

Además, destacaremos cómo pueden utilizarse en el deporte y mostraremos a los alumnos cómo construir el suyo propio.

Un estadio de baloncesto abarrotado

¿Estás preparado para crear magia con nosotros?

Póngase en contacto con nosotros hoy mismo para descubrir cómo podemos trabajar juntos para hacer crecer las audiencias, hablar más con ellas, aumentar y abrir fuentes de ingresos y lograr el éxito en el campo.

empiece hoy mismo