Михаил Медведев, обучающийся на кафедре системного программирования Южно-Уральского госуниверситета (ЮУрГУ), создал первую в России модель искусственного интеллекта, предназначенную для анализа уровня профессионализма хоккеистов. Как сообщили URA.RU в пресс-службе вуза, в своей работе Михаил использовал статистические данные не только из Континентальной хоккейной лиги, но и других российских (ВХЛ, МХЛ) и международных лиг (НХЛ, АХЛ). «При оценке эффективности хоккеиста берутся в расчет десятки показателей: игровое время на льду, точность и количество передач, частота и реализация бросков, силовые приемы, удаления, выигранные единоборства и другие. Михаил использовал статистику за три сезона, разделил игроков на три категории: защитники, крайние нападающие и центральные нападающие», — сообщили URA.RU в пресс-службе ЮУрГУ. По словам студента, в результате было создано шесть различных моделей для машинного обучения: по две модели для каждой роли игрока, что позволяет комплексно оценить уровень мастерства. Для анализа данных использовались такие инструменты, как библиотеки Pandas и Scikit-learn. Игрокам присваивался один из четырех уровней: A (доминирующий), B (высококлассный), C (средний), D (низкий). Данные были собраны по каждой позиции, перемешаны и разделены на тренировочные, тестовые и валидационные наборы перед началом обучения моделей. Медведеву в его работе активно помогали сотрудники хоккейного клуба «Спартак» из Москвы, где он работает аналитиком уже несколько сезонов. Руководство клуба высоко оценило его способности и предложило ему должность. «Система для оценки эффективности хоккеистов позволит объективно оценивать игроков. С помощью искусственного интеллекта можно будет подбирать в команду спортсменов с нужными качествами, сильными сторонами. Система также показывает, как сильно хоккеист влияет на игру команды — много ли он отдает передач, часто и точно ли бросает и так далее», — приводит слова Медведева пресс-служба клуба.  На данный момент разработчик планирует дальнейшее совершенствование программного продукта, добавление новых параметров для более точного анализа. Одно из будущих направлений — возможность оценки потенциала игрока помимо его текущего уровня.