Sumário

• Introdução
• Funcionalidades
• Tecnologias Utilizadas
• Como Usar

Introdução

Esta é uma ferramenta que tem como objetivo analisar jogos de futebol ao vivo e prever a ocorrência do primeiro gol na partida. Para isso, foi coletado dados de jogos diários ao vivo por um período de mais de um ano e treinado modelos de aprendizagem de máquina.

Funcionalidades

1. Coleta de Dados: Web scraping em tempo real do site Opta Player Stats.
2. Avaliação dos dados: Faz o pré-processamento e avalia os atributos dos dados.
3. Modelagem: Utilização modelo AutoML TPOT.
4. Notificação: Envio de notificações via bot do Telegram quando a previsão atinge um score específico.

Tecnologias Utilizadas

• Python 3.1.x
• Keras
• Selenium (para web scraping)
• Automl TPOT

Dataset

Os datasets utilizados para treinar os modelos, o dataset coletado através de web scraping contém mais de 1 milhão de registros, ele se chama "data_live_scores_full" e os outros datasets são as janelas de tempo que foram utilizadas para o treinamento dos modelos. Você pode acessar e baixar o dataset através deste link do Google Drive.

Como Usar

1. Instale as dependências:

   pip install -r requirements.txt

Obs: Se quiser executar a ferramenta com os dados de jogos do dataset que já foi coletado e avaliado, pule para a etapa 4.

2. Para fazer a coleta de dados de jogos atuais, execute o arquivo make-data.py, altere a data da variável date_strings para fazer a coleta dessa data até a data do dia de hoje. Obs: Esta etapa precisa de um container docker, crie um container docker baixando a ferramenta docker desktop.

3. Para treinar os modelos, é preciso avaliar todos os dados novamente, execute sequencialmente os arquivos jupyter after_engineering.ipynb, balanceando e tratando.ipynb , modelo_por_liga.ipynb e model-automl.ipynb.

4. Crie um arquivo .env e adicione as credenciais do telegrama para que a ferramenta envie mensagens para o seu grupo ao encontrar um jogo ao vivo com previsão de um gol. Arquivo .env exemplo:

   CHAT_ID='-100165'`
   TOKEN='6254535706:AAjzVyaJ5f8A_'
   
   

5. Para executar as previsões ao vivo, execute:

   python main.py