在截止日期之后，专业Forum 的评委们在 11 月和 12 月对 2021 年活动的数十个演讲提案进行了审查，该活动将于 3 月24日星期三在网上举行。
评委们根据创新性、相关性和应用性这三大标准对每份匿名提案进行评分。最终，有五个项目被选中进行展示，还有一个项目的提交者在被评为首届 Garry Gelade 博士奖得主后，获得了在数字海报上展示其提案的机会。
Forum 今年已进入第八个年头，仍然是足球分析日历上的一个重要日期，它向全球 80 多个俱乐部和足协的业内专业人士展示了解决与成绩分析和招聘相关的关键问题的创新方法。2021 年，论坛将与法国足球联盟（LFP）合作，后者将提供法甲优步食客的历史跟踪数据，帮助演讲者更深入地了解球队表现。
2021 年Forum的全部阵容如下，排名不分先后：
主要介绍
Debangan Dey、Rahul Ghosal 和 Atanu Mitra - 丰富事件数据：使用位置信息的半监督增强方法
本讲座介绍了一种利用跟踪数据从纯事件匹配数据集中提取更多信息的方法。本项目将使用一个合并数据集，其中既有跟踪数据，也有赛事数据，采用半监督方法创建预测模型，从该数据集中捕捉隐藏模式，目的是为纯赛事数据集中的跟踪数据得出推论。
Debangan 目前在美国巴尔的摩约翰-霍普金斯大学彭博公共卫生学院攻读生物统计学博士学位，Rahul 也是该学院的博士后研究员。 Atanu 是 Transunion 的数据科学家，常驻印度孟买。
Caterina De Bacco - 确定和评估每名球员在压迫阶段对抗对手有控制的集结战术时的效率
红牛国际足球队的亚历山大-施马尔霍费尔（Alexander Schmalhofer）在Forum的两个俱乐部申报类别中选择了这一项目，该项目建议在球队压迫期间创建三个可衡量的关键绩效指标，对单个防守球员进行评分。
考虑到压迫不仅限于翻转球，还与阻止事件发生有关，例如通过智能定位尝试传球，因此三个关键绩效指标包括球回收得分、拦截机会得分和表面覆盖得分，在对手建立进攻的每个阶段都会计算这三个指标的得分。这些输出结果可以帮助球队客观地评估每名球员在协调逼抢过程中的有效性，为今后的逼抢执行提供参考和改进。
Caterina 拥有统计物理学博士学位，现任德国图宾根马克斯-普朗克智能系统研究所网络谷独立研究小组组长。
Aditya Kothari - 基于物理学的防守贡献测量方法
Aditya 的演讲介绍了一种应用跟踪数据量化球员在场上防守表现的模型。Aditya 将以现有的球场控制建模工作为基础，重点关注传球和带球以及射门，目的是确定防守团队和后卫个人在比赛中特定情况下的表现，找出防守系统中的弱点和漏洞，并发现其他异常情况。
Aditya 在印度班加罗尔的 Ather Energy 公司领导数据科学团队。他还在 @thecomeonman 上推送与足球数据科学相关的内容。
Ola Lidmark Eriksson - 球探工作的波动性和风险调整收益计算
在金融领域，夏普比率模型几十年来一直被分析师用来衡量股票的表现及其随时间的波动情况。在职业足球领域，充分了解球员在一段时间内的表现波动情况，对于招聘部门评估球员，特别是与球员年龄有关的情况，具有相当大的价值。
在这个项目中，奥拉将应用Opta 数据，从关键指标中生成球员关键绩效指标，然后使用夏普比率计算每位球员在一段时间内的表现波动性，以确定哪些球员表现出更高的稳定性，哪些球员的表现在不同的比赛中会发生变化。
奥拉是一名数据科学家，常驻瑞典，为瑞典多家俱乐部和媒体提供咨询服务。他还在瑞典电视四台播放的足球分析节目 Fotbollslabbet 中担任分析师。
Vignesh Jayanth - 确定和评估在禁区内踢短传门球成功穿透对手高位逼抢并将球转移到对方半场的策略
在由露西-拉什顿（Lucy Rushton）设定的Forum第二组由俱乐部提交的参赛作品中，Vignesh 的演讲重点是如何确定和评估最佳进攻策略，以便从短传门球中穿透对手的高位逼抢。
通过应用跟踪和事件数据，Vignesh 的项目将通过测量距离球门线一定距离内的球员密度，把球场分成九个区域，从而确定对手的高位逼抢。然后，一个混合推荐系统将结合区域互动和球员位置，对采用类似方法的球队进行推荐，最后，他将在这一阶段了解负荷不足和负荷过重的区域，从而确定进攻策略。
这是维格内什连续第二年被选中在Forum上发表演讲，他曾在 2020 年发表过关于打破低位防守策略的演讲。自去年Forum以来，他除了作为一名数据科学家全职工作外，还代表英格兰和丹麦的俱乐部从事咨询工作。
加里-格莱德博士奖获得者
为了向去年不幸去世的足球行业领先的分析先驱之一加里-盖拉德博士致敬，我们设立了一个新的奖项来纪念他，以表彰优秀的本科生作品。
我们很高兴地宣布，首届 Garry Gelade 博士奖得主是在曼彻斯特大学学习计算机科学的 Laurynas Raudonius。
Laurynas 的项目名为 "利用跟踪数据识别和评估反击机会"， 建议应用时空数据识别球队在赢球后的进攻机会，并利用 Voronoi 单元评估哪些行动会导致反击成功。
作为获奖的一部分，Laurynas 将接受Stats Perform AI 洞察团队的指导，以帮助他完成项目。他的研究成果将在Forum上通过数字海报展示。
Stats Perform 所有提交提案的人员和评审团表示感谢，并向将在 2021 年专业Forum上发表或展示海报的六位人员表示祝贺。
