Vers la prédiction des compositions d’équipe optimales

When:
30/04/2023 – 01/05/2023 all-day
2023-04-30T02:00:00+02:00
2023-05-01T02:00:00+02:00

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Greyc/Skriners
Durée : 6 mois
Contact : albrecht_zimmermann@gmx.net
Date limite de publication : 2023-04-30

Contexte :
L’utilisation de méthodes informatiques pour analyser les données sportives donne aux praticiens (entraîneurs, agents, athlètes eux-mêmes) des outils puissants pour prendre des décisions plus objectives lorsqu’il s’agit d’une variété de questions qui se posent dans le sport
professionnel.
La société Skriners propose déjà un outil d’aide à la décision pour l’acquisition ou le remplacement de joueurs, basé sur des statistiques sophistiquées dérivées d’enregistrements vidéo de matchs. Skriners est un logiciel SaaS destiné aux professionnels du sport, qui leur permet de comparer, recommander et gérer des joueurs en fonction de critères statistiques.
Grâce à sa base de données complète, Skriners peut également aider à dénicher des talents prometteurs. Le logiciel propose également une fonctionnalité de gestion d’effectifs. Cette aide à la décision se limite pour l’instant aux joueurs individuels, sans tenir compte des coéquipiers ni des informations éventuelles sur les adversaires.
À long terme, l’outil doit être enrichi pour suggérer automatiquement des compositions d’équipe, sur la base des joueurs disponibles, de la stratégie de match envisagée, des informations sur l’équipe adverse, etc. Cela nécessitera de prendre en compte les synergies entre les
joueurs, ainsi que les performances de certains joueurs dans des systèmes défensifs ou offensifs donnés.

Sujet :
Le travail à effectuer dans le cadre de ce stage jettera les bases de cette recherche future, en explorant si et comment les travaux existants sur la chimie des équipes [1], le contexte de la performance des joueurs [2], et l’identification automatique des formations tactiques [3] peuvent être appliqués aux données actuellement disponibles à Skriners. Sur la base de cette évaluation, le stagiaire commencera à implémenter et à appliquer ces techniques aux données afin d’obtenir des statistiques supplémentaires, ou identifiera la manière dont les données et/ou
les méthodes doivent être adaptées.

[1] Bransen, Lotte, and Jan Van Haaren. “Player chemistry: Striving for a perfectly balanced soccer team.” arXiv preprint arXiv:2003.01712 (2020).
[2] Bransen, Lotte, Pieter Robberechts, Jesse Davis, Tom Decroos, Jan Van Haaren, Angel Ric, Sam Robertson, and David Sumpter. “How does context affect player performance in football?.” (2020).
[3] Bialkowski, A., Lucey, P., Carr, P., Yue, Y., Sridharan, S. and Matthews, I., 2014, December. Large-scale analysis of soccer matches using spatiotemporal tracking data. In 2014 IEEE international conference on data mining (pp. 725-730). IEEE.

Objectifs
– Évaluer l’applicabilité des méthodes existantes aux données disponibles à Skriners
– Évaluer les besoins et les sources possibles de données supplémentaires
Activités
– Se familiariser avec les données dont dispose Skriners
– Se familiariser avec les travaux existants dans la littérature
– Identifier s’il existe des données qui seraient nécessaires mais qui sont actuellement manquantes
– Implémenter et appliquer les méthodes existantes aux données, en générant des statistiques supplémentaires
– Identifier des sources de données supplémentaires

Profil du candidat :
Étudiant en INFORMATIQUE ou en STATPS.
Les candidats sont encouragés à postuler dès que possible.

Formation et compétences requises :
Des connaissances en programmation, ainsi qu’en apprentissage automatique/exploitation de données ou en statistiques sont nécessaires.

Adresse d’emploi :
GREYC CNRS UMR 6072
Team CODAG – Contraintes, Ontologies, Data mining, Annotations, Graphes
Université de Caen Normandie
14000 Caen, France

Skriners
38 rue de Metz
92000 Nanterre

Document attaché : 202303291007_sujet de stage Skriners.pdf