Témák listája

A jelenlegi kutatási irodalom a labdarúgás-analitika területén elsősorban a játék támadó oldalára összpontosított, míg a védekező fázis alulkutatott maradt. Ennek következtében léteznek fejlett mutatók a támadó akciók értékelésére, azonban a játékosok védekező mozgásai nem értékelhetők pontosan. Ez a szempont különösen hangsúlyozható a labda nélküli játékosmozgások esetében, amelyek célja a potenciális futások vagy passzopciók megakadályozása, mivel ezek a cselekvések gyakran figyelmen kívül maradnak. A javasolt téma elsődleges célja ezért egy olyan mutató kidolgozása, amely képes mérni a játékosok védekező teljesítményét, miközben figyelembe veszi mind a labdával, mind a labda nélkül végrehajtott viselkedéseket. A javasolt munka célja egy Generatív Ellenséges Hálózat (GAN) modell kifejlesztése, amely képes szintetikus adatkészletek generálására mérkőzéshelyzetekhez. A modell lehetővé teszi a csapatok számára, hogy különböző taktikai forgatókönyveket szimuláljanak a kívánt stratégiájuk alapján. Ez a projekt segíti az edzőket különböző stratégiák tesztelésében. A GAN-okból származó szintetikus adatkészleteket megerősítéses tanuló (RL) ágensek alkalmazásához fogják felhasználni. Az újonnan kidolgozott és a rendelkezésre álló mutatók megbízhatóságát RL segítségével tesztelik. A kutatási javaslat végső célja a kidolgozott védekező mutatók, az elemzésből származó felismerések, a rendelkezésre álló támadó mutatók és a jelenlegi irodalomból származó taktikák, a GAN-ok és az RL ereje, valamint a különböző gépi tanulási és mélytanulási technikák integrálása egy intelligens eszköz létrehozása érdekében a csapatok és edzők számára.