ניתוח ספורט אוטומטי ויצירת מאמרים

משימה

הפרויקט דרש מערכת שתעבד כמויות גדולות של נתוני משחקים ותהפוך אותם לתחזיות ולתוכן קריא. ניתוח וכתיבת מאמרים ידניים לא יכלו להתמודד עם היקף כזה, והעסק נזקק לתוצרים עקביים המבוססים על נתונים.

האתגר היה לשלב מקורות חיצוניים של נתוני ספורט, להחיל מודלים לחיזוי על הנתונים ולייצר מאמרים אנליטיים ללא התערבות אנושית, תוך שמירה על דיוק ועל רצף הגיוני.

פתרון

בנינו פלטפורמת ניתוח ספורט שמתחברת לממשקי API של נתוני ספורט כדי לאסוף נתוני משחקים. הנתונים נשמרים ב-PostgreSQL ומעובדים באמצעות pandas לצורך ניקוי והמרה.

מודל למידת מכונה שנבנה באמצעות scikit-learn מנתח את הנתונים ומפיק תחזיות. המודל מאומן על נתונים היסטוריים של משחקים ומפיק תחזיות המבוססות על הסתברויות.

הפלטפורמה משתמשת ב-LLM API כדי לייצר מאמרים אנליטיים באופן אוטומטי. המאמרים משלבים את התחזיות והנתונים, ומתרגמים מידע מספרי לתוכן כתוב ומובנה. כל התהליך מתבצע ללא קלט ידני, מאיסוף הנתונים ועד לפרסום המאמרים.

• שילוב עם ממשקי API של נתוני ספורט לאיסוף נתוני משחקים
• מודל למידת מכונה להפקת תחזיות על סמך נתונים היסטוריים
• יצירת מאמרים אוטומטית באמצעות LLM API
• מסד נתונים PostgreSQL לאחסון נתוני משחקים ולשליפתם
• תהליך עיבוד נתונים באמצעות pandas ו-scikit-learn

תוצאה

• הפלטפורמה אוספת נתוני משחקים באופן אוטומטי מממשקי API של נתוני ספורט
• תחזיות באמצעות למידת מכונה מופקות לכל משחק
• מאמרים אנליטיים נוצרים ללא כתיבה ידנית
• המערכת פועלת מקצה לקצה באמצעות Python, pandas, scikit-learn, PostgreSQL ו-LLM API