تحليل بيانات كرة قدم

منصة ذكاء اصطناعي متقدمة مخصصة لتحليل بيانات سوق انتقالات كرة القدم، تهدف إلى مساعدة الأندية والكشافة في تقييم اللاعبين وتحديد رواتبهم بناءً على الأداء الإحصائي. يعتمد المشروع على تقنيات تعلم الآلة (Machine Learning) والمنطق الضبابي (Fuzzy Logic) لتقديم رؤى دقيقة وموضوعية حول القيمة السوقية للاعبين. الميزات الرئيسية والمهارات التقنية:تحليل البيانات الاستكشافي (EDA): إجراء فحص شامل لبيانات أكثر من 69,000 سجل للاعبي الدوري الإنجليزي، بما في ذلك الأهداف، التمريرات الحاسمة، دقائق اللعب، ومؤشرات كفاءة اللاعبين. لوحة تحكم تفاعلية (Streamlit Dashboard): بناء واجهة مستخدم احترافية باستخدام Streamlit توفر خرائط حرارية (Heatmaps)، وتوزيعات بيانية (Distributions)، ومقارنات بين الأندية واللاعبين. محرك التنبؤ بالقيمة السوقية: استخدام خوارزمية Random Forest Regressor للتنبؤ بالقيمة المالية للاعب بناءً على عمره، مساهماته الهجومية، وتأثيره في الملعب. خوارزميات التجميع (Clustering Analysis):Hierarchical Clustering: لتصنيف اللاعبين إلى مجموعات بناءً على السمات البدنية والفنية. K-Medoids: استخدام طريقة PAM لتقسيم اللاعبين وتحديد اللاعبين "المثاليين" (Medoids) في كل فئة. نظام التوصية بالرواتب (Fuzzy Logic System): تطوير نظام منطق ضبابي (Fuzzy Logic) يقترح نسبة الراتب العادلة للاعب بناءً على "المساهمة الهجومية" ونوع "فئة اللاعب" (نجم، لاعب احتياطي، أو متوسط). أدوات تحليل متقدمة: دمج مكتبات مثل Plotly وSeaborn لتقديم تصورات بيانية ديناميكية ومعقدة تساعد في اتخاذ القرار الرياضي. الأدوات والمكتبات المستخدمة:اللغة: Pythonتحليل البيانات: Pandas, NumPyالتعلم الآلي: Scikit-learn (Random Forest, Agglomerative Clustering)تصور البيانات: Plotly, Seaborn, Matplotlib المنطق الضبابي: بناء دوال عضوية (Membership Functions) مخصصة (Triangle & Trapezoid) واجهة المستخدم: Streamlit الهدف من المشروع:

تحويل البيانات الخام لكرة القدم إلى قرارات استراتيجية، وتقليل المخاطر المالية في صفقات الانتقالات عبر