Automatizált sportanalitika és cikkgenerálás

Feladat

A projekt olyan rendszer létrehozását igényelte, amely nagy mennyiségű mérkőzésstatisztikát dolgoz fel, majd előrejelzésekké és jól olvasható tartalommá alakítja azokat. A manuális elemzés és cikkírás nem lett volna skálázható, az üzletág pedig egységes, adatalapú kimenetet igényelt.

A kihívást a külső sportadatforrások integrálása, a prediktív modellek statisztikákra történő alkalmazása, valamint az elemző cikkek emberi beavatkozás nélküli előállítása jelentette, a pontosság és a koherencia megőrzése mellett.

Megoldás

Sportanalitikai platformot építettünk, amely sportadat-API-khoz kapcsolódik a mérkőzésstatisztikák összegyűjtéséhez. Az adatokat PostgreSQL tárolja, feldolgozásuk és tisztításuk pedig pandas segítségével történik.

A scikit-learn segítségével létrehozott gépitanulás-modell elemzi a statisztikákat és előrejelzéseket készít. A modellt korábbi mérkőzések adatai alapján tanítjuk, kimenete pedig valószínűségeken alapuló prognózisokat ad.

A platform LLM API-t használ az elemző cikkek automatikus előállításához. A cikkek beépítik az előrejelzéseket és a statisztikákat, a számszerű adatokat pedig strukturált szöveges tartalommá alakítják. A teljes folyamat manuális beavatkozás nélkül, az adatgyűjtéstől a cikkek közzétételéig működik.

• Sportadat-API-k integrációja a mérkőzésstatisztikák gyűjtéséhez
• Gépitanulás-modell előrejelzések készítéséhez korábbi adatok alapján
• Automatikus cikkgenerálás LLM API használatával
• PostgreSQL-adatbázis a mérkőzésstatisztikák tárolásához és lekérdezéséhez
• Adatfeldolgozási folyamat pandas és scikit-learn használatával

Eredmény

• A platform automatikusan gyűjt mérkőzésstatisztikákat sportadat-API-kból
• Minden mérkőzéshez gépitanulás-alapú előrejelzések készülnek
• Az elemző cikkek manuális írás nélkül készülnek el
• A rendszer végponttól végpontig Python, pandas, scikit-learn, PostgreSQL és LLM API használatával működik