Есть данные:
минимум 10 000 футбольных матчей в JSON.
Статистика по таймам (весь матч, 1-й тайм, 2-й тайм): удары, владение, xG, пасы, угловые, фолы и т.д. — около 20+ показателей.
Доматчевые коэффициенты букмекеров на исходы (П1, Х, П2) и тоталы.
Задача:
Обучить модель прогнозировать:
Исход матча (победа хозяев / ничья / победа гостей).
Тотал голов (больше/меньше).
Модель должна использовать оба типа данных (коэффициенты и лайв-статистику), находить скрытые закономерности и выдавать прогнозы, учитывающие динамику матча.
Формат ответа API (что получает пользователь):
Главный вердикт — краткий вывод и рекомендация.
Вероятность исходов (П1, Х, П2) в процентах.
Вероятность тотала (больше/меньше) в процентах.
Рекомендуемые коэффициенты для каждого исхода и тотала.
Детальные факторы — 10–12 ключевых паттернов с объяснением (факт → интерпретация → статистический паттерн → вывод).
Пример того, что получает пользователь на выходе, согласуем в переписке.
Результат:
Обученная модель.
Работающий API для прогнозов.
Точность модели — 60–70% (чем выше, тем лучше).
Срок: чем быстрее, тем лучше (согласуем в переписке).
Опубликован 16.07.2026 в 11:35