Uso de aprendizaje automático/inteligencia artificial para selecciones de equipos de partidos de prueba de Cricket

El críquet es un deporte que da alegría. El cricket es seguido por millones de personas en todo el mundo, especialmente en países donde se juega en masa. A la gente le apasionan sus equipos y los jugadores tienen muchos seguidores en todo el mundo.

Dado que más que solo momentos deportivos, un juego de cricket ampliamente seguido tiene mucho más en juego que solo los pocos días o las pocas horas durante los cuales se juega.

Podemos encontrar que los fanáticos discuten con frecuencia los partidos de cricket y los posibles equipos antes de cada partido, ya sea un partido de prueba, un internacional de un día o un T20.

La IPL ha abierto las puertas y ha presentado muchos buenos jugadores a través de sus buenas actuaciones. Estos jugadores no están probados a nivel internacional o nacional, pero pueden valer en el escenario internacional. La IPL también ha introducido muchos buenos problemas de selección, es decir, muchos más jugadores para elegir.

Cuando se anuncia un equipo nacional, solo involucra a jugadores que han demostrado su valía a nivel internacional y no involucra a jugadores que están en el centro de atención a través de la franquicia de cricket.

Además, cuando la gerencia del equipo anuncia el equipo para un partido antes de que comience el partido, a veces las selecciones sorprenden a todos los fanáticos de todo el mundo. Los fanáticos, incluso si no son jugadores, entienden por qué un jugador específico debería haber sido incluido o excluido del equipo.

Aquí es donde debemos apoyarnos en el método científico para que nos proporcione el resultado que tanto necesitamos, una política de selección sin errores humanos, sesgos o negligencias.

Mientras que un capitán puede ser capaz de juzgar a un jugador utilizando unos pocos criterios de selección que tiene en mente, no hay forma de que el capitán de un equipo o la dirección del equipo conozcan los muchos factores que pueden influir en el resultado de un partido. -à-vis el conjunto de jugadores que pueden formar parte de la plantilla definitiva.

Aquí, un buen algoritmo de aprendizaje automático o un algoritmo/modelo de IA puede usar toneladas de datos (Big data) y puede construirse usando muchos criterios de selección medidos o parcialmente medidos. Estos pueden ser el rendimiento específico de un jugador contra un jugador de la oposición utilizando datos históricos, el rendimiento medido cuantitativamente de un jugador en un lugar o los parámetros de peso/estado físico de un jugador, el patrón dietético seguido por un jugador, el rendimiento durante la segunda entrada, la primera entrada. , rendimiento durante un momento del día, muchos más parámetros técnicos relacionados con el bateo y los bolos y parámetros de rendimiento del partido, como cuántas veces ha ganado un jugador un partido para su equipo, etc. Todos estos parámetros se pueden cuantificar y obtener un resultado final. se puede llegar a la puntuación.

Este enfoque de tarjeta de puntuación equilibrada, cuando se equilibra con el objetivo de maximizar la oportunidad del equipo contra un oponente en un lugar, eliminará los caprichos y las políticas de selección inconsistentes que a veces observan los fanáticos. Esto contribuirá en gran medida a mejorar la credibilidad de International Cricket, que desafortunadamente puede verse empañada por la toma de decisiones partidistas o incompetentes por parte de la gerencia.

«En Dios confiamos. Todos los demás deben traer datos».

Deja un comentario