🇬🇧 Southampton FC ищет Data Scientist для футбольной аналитики

Специалист будет работать с тренерами и спортивными директорами Southampton FC, а также помогать другим клубам группы Sport Republic — Goztepe и Valenciennes.

🤔 Среди задач — рекрутинг игроков, анализ команды и соперников, физическое тестирование, профилактика травм и работа с академией. Также предстоит строить дата-пайплайны, метрики и предиктивные модели. Отдельно в вакансии выделены AI-проекты: поиск и оценка новых инструментов и их применение внутри клуба.

Из требований — R или Python, опыт со статистическими и ML-моделями, дата-пайплайнами и Power BI или Tableau. Опыт работы в футбольном клубе желателен, но не обязателен — клуб готов рассматривать кандидатов из других сфер, если они хорошо понимают футбол и тактику.

➡️Подробнее читайте в вакансии

⚽️ Ищем CV-инженера в команду AI4Football

Открыли вакансию в нашей команде.

Предстоит работать с видео футбольных матчей: развивать модели детекции и трекинга игроков и мяча, работать с сегментацией и улучшать точность и скорость существующих решений.

🤩 Ищем специалиста с опытом в computer vision и deep learning. В стеке — PyTorch/TensorFlow, OpenCV, YOLO, Detectron, MMDetection или их аналоги. Важен опыт работы с видеоданными и трекингом объектов.

🎾 Интерес к футболу и спортивной аналитике будет плюсом.

〰️〰️〰️〰️〰️〰️〰️〰️〰️〰️

Все подробности — по ссылке.
Контакт для связи: @lerikler

💡 Сегодня предлагаем подборку работ по футбольной аналитике — как с помощью данных перейти от результата действия к пониманию его причины.

🟩 Как оценить пас, которого не было
Обычные метрики смотрят только на сыгранный пас. Тут модель оценивает все варианты, что были у игрока в момент передачи — с учётом дистанции, угла и давления. Появляются понятные метрики «надёжности» и «креативности».
→ читать статью

🟦 Пасы, которые ломают оборону
Здесь пасы делят не по исходу, а по тому, как они меняют структуру защиты. Из данных ЧМ-2022 без разметки выделились четыре типа: циркуляционные, дестабилизирующие, разрезающие и расширяющие пространство.
→ читать статью

🟩 Насколько эффективно команда владеет мячом
Модель на трансформерах предсказывает следующее событие в матче, а поверх неё — метрика эффективности владения. Считает по ходу атаки, не смотря на удары и голы, однако результат сходится с проверенными метриками.
→ читать статью

🤖 Журналисты USA TODAY попросили Google Gemini предсказать сезон клуба NFL

Модели задали опираться на открытую статистику, но в прогнозе она использовала устаревший состав соперника и историю прошлых встреч, не учитывая смену тренерских штабов.

🎾 Gemini — модель общего назначения, а прогнозирование спортивных результатов —это задача, под которую строят специализированные модели.

В обзоре Bunker, Yeung и Fujii, обобщившем 15 лет исследований по футбольным прогнозам, лучшие модели на базе 216 тысяч матчей по 52 лигам показывали около 55,8% точности при прогнозе трёх исходов. Другие подходы — около 51–52%.

Авторы отмечают, что реалистичный диапазон находится в пределах 50–56%. Результаты выше 90% чаще связаны с ошибками эксперимента, например, попаданием информации о будущих матчах в обучающую выборку.

📌 Оставляем две ссылки рядом: прогноз Gemini как пример использования модели общего назначения и обзор специализированных моделей как исследовательский ориентир.

💡 Где брать данные, если хотите попробовать себя в футбольной аналитике?

DS-лид команды AI4Football Алексей Макарчук собрал подборку открытых датасетов, с которых можно начать работу с футбольными данными.

🔵 PFF FC — ЧМ-2022
Один из самых полных открытых наборов по чемпионату мира 2022. Здесь есть tracking-данные (координаты игроков и мяча с частотой около 30 кадров/с) и event-данные: передачи, удары, отборы, перехваты.
Можно изучать не только отдельные действия игроков, но и контекст: свободные зоны, прессинг, расположение команд. Подходит для задач тактического анализа, xT/VAEP и графовых моделей.

🔵 StatsBomb Open Data
Один из самых популярных наборов event-данных в индустрии. Включает около 4000 матчей из разных турниров: топ-лиги, еврокубки, чемпионаты мира и Европы.
Хорошая отправная точка для задач скаутинга: можно анализировать действия игроков, сравнивать стили и искать похожих футболистов.

🔵 Transfermarkt
Данные о рынке игроков: трансферы, стоимость, матчи и характеристики футболистов.
Можно попробовать построить модели оценки стоимости игроков и найти случаи, когда рыночная цена не соответствует качеству игрока.

📌 Для удобной работы с первыми двумя датасетами Алексей рекомендует использовать kloppy — фреймворк для загрузки и обработки футбольных данных.

А если вы только начинаете работать с футбольными данными — небольшая задача от Алексея:

Возьмите StatsBomb Open Data и попробуйте обучить модель, которая по параметрам удара предсказывает вероятность гола. Это классическая задача построения xG-модели и хороший первый проект для знакомства с футбольной аналитикой.

Сохраняйте, если хотите попробовать построить свою модель 🔥

🏋️ В России впервые внедрили ИИ-судью для постоянного использования на соревнованиях федерального уровня

На Магнит Чемпионате России по тяжёлой атлетике команда Sber AI совместно с Федерацией тяжёлой атлетики России (ФТАР) внедрила систему поддержки судейства на основе искусственного интеллекта.

🔎 ИИ помогает определять:

— корректность фиксации штанги;
— положение и выпрямление суставов;
— признаки технических нарушений;
— спорные моменты, которые требуют дополнительного разбора.

В спорной ситуации жюри получает не только видеоповтор, но и дополнительные данные от системы.

По своей логике решение похоже на VAR в футболе: ИИ не заменяет судей и не выносит финальный вердикт, а помогает экспертам принять более обоснованное решение на основе данных.

💡 Один из самых показательных моментов чемпионата — попытка на 141 кг, которая могла стать новым рекордом России. В спорной ситуации жюри использовало данные ИИ-системы: технология помогла проанализировать движение спортсмена и предоставить дополнительные материалы для принятия решения. В результате пересмотра попытка была отменена, что повлияло на итоговый результат соревнований.

🤩 Далее команда Sber AI продолжит развивать систему совместно с ФТАР, расширяя возможности ИИ для поддержки судейства.

🤩 AI4Football на ECML PKDD 2026 в Неаполе

CEO AI4Football Константин Митин и DS-лид Алексей Макарчук приняли участие в ECML PKDD 2026 — одной из ведущих европейских конференций по машинному обучению и анализу данных с рейтингом CORE A. Она прошла 7–11 сентября в Италии.

На воркшопе MLSA, посвящённом ИИ в спортивной аналитике, команда представила исследование Beyond Player-as-Token: Rating-Grounded Contextual Embeddings in Football.

🤩 В работе разбираемся, как оценивать футболиста с учётом того, с кем и против кого он играет.

Обычная статистика за сезон многое рассказывает об игроке, но теряет детали отдельных матчей. Мы предложили подход, который формирует числовой «профиль» футболиста с учётом его матчевых показателей, партнёров и соперников. При обучении модель также опирается на оценки WhoScored и SofaScore.

В экспериментах такой подход точнее предсказывал матчевые рейтинги, чем базовая модель на тех же индивидуальных показателях без учёта других игроков.

🤩 Один из наглядных примеров в статье — сравнение Куртуа и Нойера. Ближайшими по полученному профилю к Куртуа оказались другие вратари. А к Нойеру, который активно участвует в игре за пределами ворот, — преимущественно полевые игроки. Это иллюстрация того, как модель находит сходство между футболистами разных амплуа.

Следующий исследовательский шаг — проверить, насколько такие профили помогают в конкретных задачах скаутинга: поиске замены игроку и оценке того, как новичок впишется в команду.

Поздравляем коллег с выступлением и спасибо всем соавторам исследования! 👏

🤩 Читать статью

💡 Запускаем рубрику «Фича недели». Раз в неделю будем рассказывать об одной функции продуктов AI4F: как она работает и какие задачи помогает решать.

Начинаем с TacticDesk — сервиса для создания тактических досок и планирования тренировок.

При подготовке тактических схем и тренировочных материалов тренеру или аналитику нужно указывать игроков, их номера и позиции.

🤔 В TacticDesk для этого есть раздел «Состав» — единое место для хранения информации о команде и её использования в других разделах сервиса.

🔎 Как это работает:

💙 Игроков добавляют в состав вручную и при необходимости указывают их позиции.

💙 Данные игроков можно редактировать или удалять.

💙 Для каждого игрока доступен статус: «Активный», «Восстановление», «Отсутствует» или «Травмирован».

💙 В составе можно быстро найти нужного игрока через поиск.

После заполнения состава игроки доступны при создании тактической доски отдельным списком — с именами и номерами.

AI4F TacticDesk позволяет хранить данные команды в одном месте и использовать их при подготовке новых материалов без повторного ввода информации.

〰️〰️〰️〰️〰️〰️〰️〰️〰️〰️〰️
Если вы хотите получить демо наших продуктов — пишите на почту sales@ai4sport.ru или в Телеграм

🤩 Насколько подробно можно разбирать один стандарт? Посмотрим на примере Midtjylland.

В клубе работа со стандартными положениями выделена в отдельное направление.

Аналитик по стандартам изучает эпизоды своей команды и соперников, собирает базу примеров и готовит материалы для тренерского штаба. Наблюдения используют до матча, в перерыве и по ходу игры.

🤩 Один из примеров для разбора — длинные ауты, которые уже стали тактическим трендом как в топ-5 лигах, так и за их пределами.

В Midtjylland смотрят не только на итог эпизода, но и на детали самого розыгрыша — анализируют направление броска, первый и второй контакт с мячом и дальнейшее развитие атаки.

Такой кейс показывает оптику аналитика и подход к работе с данными, при котором из видео стараются извлечь максимум дополнительной информации и практической пользы.

🤩 Подробнее

FC Midtjylland подробно рассказывает, как внутри клуба устроена работа со стандартными положениями.

🤩 Как оценить передачу: насколько она надёжна и что даёт атаке?

Этот вопрос команда AI4Football обсуждала на встрече с топ-клубом из Бразилии. В качестве одного из подходов разбирали связку xP, xT и их производной метрики xPT.

🤩 xP (Expected Pass) показывает вероятность успешного выполнения передачи.

🤩 xT (Expected Threat) оценивает потенциальную угрозу из конкретной зоны поля — например, вероятность того, что команда забьёт в течение следующих нескольких действий.

🤩 В xPT эти два показателя объединяются: можно менять их веса и таким образом задавать баланс между вероятностью успешного паса и его потенциальной ценностью для атаки.

При этом одна и та же зона может иметь разную ценность в зависимости от игровой ситуации: при контратаке и позиционном нападении меняются пространство вокруг мяча и варианты развития атаки.

🤩 По ходу обсуждения с бразильскими партнерами мы пришли к тому, что при работе с xT важно учитывать контекст xP, так как ценность зоны сама по себе не всегда отражает реальную угрозу конкретного игрового эпизода.

Международный спортивный форум «Россия — спортивная держава»

21–23 октября в Красноярске проходит Международный спортивный форум «Россия — спортивная держава». CEO AI4Football Константин Митин примет участие в двух сессиях деловой программы, посвящённых развитию спортивного судейства и цифровой трансформации спортивной индустрии.

📌 22 октября, 09:45–11:00 (МСК)
«Спортивное судейство: призвание или профессия?»
Дискуссия посвящена профессионализации спортивного судейства: формированию системы подготовки и аттестации арбитров, обеспечению их независимости и повышению объективности судейских решений.

🤩 Смотреть трансляцию

📌 23 октября, 06:00–07:15 (МСК)
«Искусственный интеллект и цифровые решения для спорта»
Участники рассмотрят ключевые направления цифровой трансформации спортивной отрасли, включая внедрение типовых региональных решений, развитие информационно-аналитических систем и формирование регистров здоровья спортсменов.

🤩 Смотреть трансляцию

🤩 Приглашаем присоединиться к дискуссиям о развитии технологий в российском спорте.

😀 Футбол + ИИ: ищем Business Development Manager и Product Owner в AI4Football

Помочь скауту найти нужные эпизоды с игроком, аналитику — быстрее разобрать матч, тренеру — подготовить тренировку.

Именно для таких задач мы создаём AI4Football — футбольную AI-экосистему.

Объединяем видеоаналитику, компьютерное зрение, данные и футбольную экспертизу. Сейчас усиливаем команду двумя людьми, которые помогут превратить технологии в востребованные продукты и растущий бизнес.

〰️〰️〰️〰️〰️〰️〰️〰️
BDM — менеджер по развитию бизнеса

Нужен человек, который умеет найти перспективный рынок и пройти путь от первого разговора до оплаченного решения.

Что предстоит:
🔵 Открывать новые направления и партнёрства с клубами, академиями, лигами и федерациями в России и за рубежом.
🔵 Вместе с продуктовой командой собирать коммерческие предложения, проверять спрос и считать экономику.
🔵 Доводить новые возможности до платных пилотов, контрактов и повторных продаж.

🤩 Ждём опыт в B2B business development, технологических продажах или партнёрствах. Важны личные кейсы с коммерческим результатом и английский для переговоров. Плюсом будут опыт в SportsTech и AI/CV, профессиональные контакты в футбольной индустрии и интерес к футболу.

〰️〰️〰️〰️〰️〰️〰️〰️
Product Owner — владелец всей продуктовой экосистемы

В зоне ответственности — все продукты AI4Football в тесной связке с бизнес-командой: MatchCode, Tracking, Scouting, TacticDesk и Health.

Что предстоит:
🔵Формировать единую продуктовую стратегию и дорожную карту, выбирать приоритеты вместе с бизнесом и CTO.
🔵Соединять продукты в понятные сценарии: например, видео матча → действия игрока → скаутский отчёт.
🔵Работать с разработкой, CV/DS и футбольными экспертами; доводить решения до внедрения и регулярного использования клиентами.

🤩 Ждём опыт управления несколькими B2B-продуктами или платформой, понимание экономики и специфики AI. Особенно интересны кейсы, где вы можете показать, какую задачу пользователя решили и что изменилось после запуска. Плюсом будут опыт работы с AI/CV-продуктами и спортивными данными, а также интерес к футболу.

〰️〰️〰️〰️〰️〰️〰️〰️
❓Почему к нам
Можно влиять на развитие всей экосистемы, работать напрямую с CEO и футбольными специалистами. Продукты находятся на разных стадиях, поэтому нужны люди, готовые лично исследовать, проверять и запускать.

Вознаграждение и формат работы обсуждаем индивидуально.

🤩 Хочешь стать частью AI4Football?
Отправляй резюме TG: @NSM_MAX или на почту: maxim_anisimov@bk.ru, klmitin@sberbank.ru, и расскажи о 2–3 успешных B2B-кейсах, которые тебе удалось довести до коммерческого результата.

🤩 Знаете подходящего человека — перешлите ему этот пост.