FutbolVision
Predice el resultado de partidos de fútbol con un modelo de machine learning.
Mi rol
IA/ML y arquitectura.
Equipo
- Felipe Doval · IA/ML + arquitectura
- Nicolás Fuksman · UX/UI
- Pedro Henríquez · Frontend
Stack
- Next.js
- FastAPI
- XGBoost
- Sportmonks API
- Python
El problema
Predecir cómo termina un partido con lo que se sabe antes de que empiece: los antecedentes entre los dos equipos, la forma de cada uno, las lesiones y el contexto de la liga.
La solución
Un XGBoost Regressor de ~60 features, alimentado por la API de Sportmonks (plan Growth), que devuelve el marcador estimado y la probabilidad de cada resultado. Cada predicción se abre y muestra los parámetros que la sostienen.
Decisiones y features
XGBoost Regressor con ~60 features sobre datos de Sportmonks.
Cada predicción se abre y muestra por qué: H2H, forma, lesiones, contexto y xG.
Las predicciones se guardan y se siguen, en vivo o pre-match.
Plan de marketing completo: análisis de audiencia, competitivo y Cinco Fuerzas de Porter.
Capturas
Aprendizajes
- Elegir bien las features importa tanto como el modelo: un XGBoost solo es tan bueno como lo que se le da de comer.
- Separar frontend (Next.js) y servicio de ML (FastAPI) mantiene el modelo independiente de la UI.