ПОИСК по САЙТУ

Студенты создают модели для проекций и оптимизируют составы для ежедневных фантазийных видов спорта.

  1. Студенты создают модели для проекций и оптимизируют составы для ежедневных фантазийных видов спорта.
  2. Какова цель вашего проекта?
  3. Как работает модель, которую вы создали для ежедневных спортивных состязаний фэнтези?
  4. Опишите работу, которую вы сделали над проектом:
  5. Что было самым сложным?
  6. Что вам больше всего понравилось в вашем проекте?
  7. Что вы узнали из этого проекта?
  8. Какое будущее вы видите для своего проекта?
  9. Встретиться с командой

Студенты создают модели для проекций и оптимизируют составы для ежедневных фантазийных видов спорта.

Первая лига фэнтези-спорта была создана 38 лет назад и быстро росла оттуда. Сегодня, по данным Торговой ассоциации Fantasy Sports, индустрия фэнтези-спорта составляет 7,22 млрд долларов. Около 11 лет назад появились первые сайты, специализирующиеся на ежедневных фантазийных видах спорта. Сейчас они стоят около 1 миллиарда долларов.

Есть несколько различий между фантазийным спортом и его подмножеством, известным как ежедневные фантазийные виды спорта. Фэнтези-спорт - это то, где лига игроков, обычно группа друзей и / или коллег, выбирает игроков, чтобы собрать команду фэнтези. Эта версия основана на весь сезон спорта и очки выигрываются по окончании сезона. Ежедневно в фэнтези-спорт играют онлайн с тысячами других игроков. Вместо ожидания целого спортивного сезона результаты публикуются каждый день. Ежедневные фантазийные виды спорта также отличаются тем, что в них больше внимания уделяется денежному призу, связанному с победой. Этот приз может достигать одного миллиона долларов за конкурс.

Используя проектный инкубатор 42, группа студентов создает сервис подписки на веб-сайт, который они назвали Project Alea. Название изменится на что-то более конкретное в ближайшем будущем. Alea был выбран, потому что это латынь для азартной игры. Джарвис Недерлоф, менеджер проекта, имеет опыт работы в спорте и финансах. Он был вдохновлен, чтобы объединить свои две страсти в отслеживаемые данные. С Эриком Ринтала и Сэмом Колле в команде они могут делать прогнозы игроков, используя машинное обучение и нейронную сеть. Сначала применяя свою модель к хоккею, они теперь используют ее, чтобы делать прогнозы в бейсболе. В ближайшем будущем команда надеется расширить свои услуги до нескольких видов спорта, включая киберспортивную сцену.

Какова цель вашего проекта?

Джарвис: Цель проекта сосредоточена на ежедневных фантазийных видах спорта. За последние несколько лет ежедневный фэнтези-спорт сильно вырос. Мы создаем инструмент, который использует современные технологии нейронных сетей и комплексных решателей, и наша цель состоит из двух частей. Наша главная задача - устранить любые ошибки, связанные с выбором игроков с помощью нашей системы проекций. Затем мы объединяем наши прогнозы с нашим настраиваемым оптимизатором, который генерирует наилучшие возможные конфигурации для пользователя.

Как работает модель, которую вы создали для ежедневных спортивных состязаний фэнтези?

Джарвис: У нас есть несколько разных поставщиков услуг передачи данных, из которых мы получаем данные. У нас есть все эти данные, которые мы собираем, и мы организовываем их таким образом, чтобы мы могли сделать прогноз для каждого игрока, который будет играть в тот день. Сейчас мы просто занимаемся бейсболом, но у нас есть предыдущая модель для хоккея.

Мы используем нейронную сеть, чтобы делать наши прогнозы, потому что это очень сложно и трудно предсказать, как игрок будет делать. Нейронная сеть отлично подходит для поиска важных статистических данных. Для кого-то так просто выбрать своего любимого игрока или кого-то, кого они видят в новостях. Цель наших прогнозов - устранить предвзятость пользователей и дать им более точный выбор.

Вторая часть заключается в том, что мы берем все имеющиеся у нас прогнозы и проводим их через оптимизатор для построения наших составов. Идея с оптимизатором состоит в том, чтобы генерировать до 150 наборов с возрастающей дисперсией. Конечная цель состоит в том, чтобы предоставить пользователям лучший опыт участия в соревнованиях, где они уйдут с большей долей приза. Оптимизатор работает, распределяя игроков по составам на основе множества различных ограничений. Основными ограничениями являются ограничение зарплаты и позиционные ограничения. Затем мы добавляем несколько наших собственных ограничений, чтобы сделать модель лучше. Объединяя все эти ограничения, мы помогаем пользователям создавать лучшие составы. Мы также решаем проблему объединения игроков, чтобы максимизировать очки.

Сэм: Мы будем добавлять других. Киберспорт - это то, что мы заинтересованы в добавлении. Концепция одинакова, потому что киберспорт и физкультура находятся в конкурентной среде. Но киберспорт содержит другой набор навыков, потому что он основан на людях, играющих в видеоигры друг против друга, и на реальных результатах игры.

Джарвис: Esports сильно растет, и это будет продолжением того, что мы делаем.

Опишите работу, которую вы сделали над проектом:

Сэм: Думаю, я бы сказал, что сделал непрерывную интеграцию. Я затронул каждый аспект проекта в некотором роде. Моим самым большим вкладом было бы создание структуры и сосредоточение внимания на экосистеме и масштабируемости. Прямо сейчас я работаю над сайтом. Я заинтересован в том, чтобы масштабировать этот проект, особенно когда мы хотим увеличить клиентскую базу. Джарвис добавил: «Сэм был более дальновидным, когда дело доходит до технической стороны».

Джарвис: Я был тем, кто начал проект. До того, как мы собрались вместе, я построил такую ​​систему хоккея. Идея состояла в том, чтобы привлечь как можно больше людей, чтобы увеличить масштаб и привлечь больше спорта. У меня есть знание предметной области, спорт - мой опыт и интерес. Из-за этого я могу принимать множество решений, когда дело доходит до получения данных. Я работал с Сэмом, чтобы построить нейронную сеть и заставить оптимизатор работать. Это краеугольные камни того, что мы предлагаем, поэтому я сосредоточился на этих двух элементах проекта.

Эрик: Я был больше сфокусирован на инфраструктуре, поэтому эта технология лежит в основе процесса разработки того, что мы строим. Поэтому я много работал над базой данных и серверами, тестировал и развертывал новые функции.

Что было самым сложным?

Джарвис: Я думаю, что с моей точки зрения руководил командой. Мне пришлось многому научиться, чего я не знал, и что я не ожидал, что мне придется учиться. С технической стороны мы столкнулись с проблемами, но мы можем их решить. Мне пришлось многое узнать об управлении проектами.

Сэм: Самым сложным для меня была не технология, у вас есть неровности, но вы знаете, куда идете. Я работал над командами раньше, но всегда есть новая динамика, которую вы должны выяснить.

Эрик: Тайм-менеджмент. Когда у меня есть финалы (я беру онлайн-классы, чтобы получить степень CS), это действительно сложно. Я должен был закончить свои проекты в школе и убедиться, что я не сдерживаю наш проект.

Что вам больше всего понравилось в вашем проекте?

Джарвис: Это было машинное обучение и нейронная сеть этого более подробно, и мы становимся действительно хорошими в том, что мы делаем. Индустрия и глубокое обучение действительно растут и процветают прямо сейчас, и это интересно, быть частью этого.

Сэм: Я бы сказал, наверное, учиться понемногу всему. Для меня это была определенно разработка данных, управление данными в целом, я мог бы сказать это о любом аспекте этого проекта. Заглядывать в будущее и видеть, что мы можем сделать с этим проектом, - это интересно.

Эрик: Мне понравилось чувство, когда мы сталкивались с препятствием и работали над ним, и чувство успеха, когда ты наконец-то что-то понял.

Что вы узнали из этого проекта?

Джарвис: Управление командой, работа с командой в области технологий, а также новые технологии, такие как управление базами данных и нейронные сети.

Эрик: Это много о командной работе. Я думаю, что у меня есть тенденция думать очень далеко вперед и попадать в крошечные хитросплетения, в то время как Джарвис уравновешивает это с прагматическим подходом и пониманием того, что происходит.

Сэм: Мы должны были создать команду, которая может создавать продукт, и это само по себе является опытом обучения.

Какое будущее вы видите для своего проекта?

Джарвис: Мы близки к тому, чтобы узнать, каким будет будущее, трудно понять, что именно это сейчас. Мы разрабатываем фантастический продукт. Прежде чем мы закончим, многое еще предстоит сделать. Таким образом, задача будет заключаться в том, чтобы мы могли поделиться этим с другими. Сэм добавил: «Мы хотим создать пользовательскую базу».

Встретиться с командой

Встретиться с командой

Название: Джарвис Недерлоф , Менеджер проектов

Родной город: Красный олень, Альберта, Канада

Интересы: я всегда интересовался спортом, 20 лет играл в хоккей на соревнованиях. Помимо спорта мне действительно нравятся данные и манипуляции с данными, сейчас я объединяю эти интересы.

Работа мечты или долгосрочные карьерные цели: я хотел бы создать свою собственную компанию с моим братом и работать с ним, чтобы создать то, чем я могу гордиться и делиться с другими людьми. У моей семьи есть история ведения бизнеса, и я хотел бы на этом основываться.

Название: Эрик Ринтала , Ведущий разработчик

Родной город: Иссакуа, Вашингтон

Интересы: кофе, видеоигры, машинное обучение. Мне нравится понимать основополагающие части технологии, мы работаем с машинным обучением и искусственным интеллектом, и мне трудно прыгнуть без полного понимания. Я фанат технологий и читаю о технологиях.

Работа мечты или долгосрочные карьерные цели: я думаю, что это, вероятно, будет в машинном обучении и искусственном интеллекте.

Название: Сэм Колле , Разработчик программного обеспечения

Родной город: Олбани, Орегон

Интересы: видеоигры привели меня в программирование в старшей школе, поэтому мне интересен дизайн видеоигр и то, как люди подходят к интерактивной среде.

Работа мечты или долгосрочные карьерные цели: Определенно независимая контрактная работа, надеемся, с независимой подрядной компанией.

Project Alea Графический дизайн Мелисса Иган


При использовании материалов ссылка на источник обязательна. Copyright © 2019All Rights Reserved.