Un système d'analyse tactique de niveau industriel basé sur l'IA pour évaluer la performance des joueurs de football via le framework VAEP (Valuing Actions by Estimating Probabilities).
- Architecture POO : Structure modulaire et orientée objet pour une maintenance facilitée.
- IA Performante : Calcul du score VAEP basé sur l'impact réel des actions (optimisé pour les séquences de 2 à 5 passes).
- Interface Web : Tableau de bord interactif avec Streamlit pour l'analyse visuelle et le scouting.
- Traitement par lots (Batch) : Possibilité d'analyser des saisons entières via script CLI.
app.py: Interface web interactive (Streamlit).main.py: Script de traitement par lots (Batch Processing) pour les analyses saisonnières.converter.py: Moteur de conversion de données brutes vers objets métier (SPADL).vaep_engine.py: Cœur de l'IA et calcul du score VAEP.math_engine.py: Calculs mathématiques des métriques (DXT, DXG).models.py: Définition des objets métier (Joueurs, Matchs, Événements).visualize.py: Moteur de rendu graphique pour les cartes de progression.requirements.txt: Dépendances du projet..gitignore: Configuration Git pour garder le projet propre.
- Clonez le dépôt :
git clone https://github.com/ilyassbaa/soccer-analytics.git
- Installez les dépendances :
pip install -r requirements.txt
Lancez l'interface interactive pour visualiser les données et explorer les joueurs :
python -m streamlit run app.py
Utilisez le script main.py pour générer un rapport global sur tous les fichiers présents dans le dossier data/ :
python main.py