9 repos open source para substituir análise de NBA¶
O tweet do usuário zostaff apresenta uma coleção de nove repositórios abertos que, quando utilizados juntos, são capazes de substituir um departamento de análise de NBA com custo anual de aproximadamente US$150 mil. Cada projeto foca em uma etapa específica do pipeline – captura de vídeo, deteção de jogadores e bola, construção de mapas táticos, geração de previsões de apostas e obtenção de dados oficiais – usando apenas recursos gratuitos e de código aberto.
Visão geral dos repositórios¶
- basket – substitui Second Spectrum e SportVU usando YOLO para rastrear cada jogador e a bola em qualquer transmissão, atribui times pela cor da camisa, detecta pontos-chave da quadra e gera um mapa tático top-down com métricas de velocidade, distância e passes.
- NBA-M – alternativa a serviços pagos de previsão ($100/mês) combinando XGBoost e rede neural, aplicando o critério de Kelly para dimensionamento de apostas e alcançando 69 % de precisão ao extrair odds automaticamente de FanDuel e DraftKings.
- NB – replica uma mesa de quant sports inteira com um ensemble de cinco modelos (XGBoost, PyTorch MLP, Ridge, Lasso e baseline), hiperparâmetros otimizados pelo Optuna e um banco de dados SQLite contendo box scores, play‑by‑play, linhas de apostas e relatórios de lesões.
- nba-pr – automatiza fluxos de previsão diária com XGBoost/LightGBM via GitHub Actions: raspa novos dados, treina os modelos e produz probabilidades de vitória diárias sem intervenção manual.
- NBA-Game – substitui serviços de assinatura ELO usando um ensemble customizado (ELO, Ridge, XGBoost, redes neurais), pipeline completo de raspagem de dados e visualizações no estilo FiveThirtyEight.
- NBA- – substitui dashboards de Four Factors pagos, integrando sistema ELO, análise de Four Factors, redução de dimensionalidade por PCA e comparação de mais de dez modelos, com acurácia honesta de 65,3 %.
- bask – substitui plataformas de visão computacional ($500/mês) usando YOLO para rastreamento de jogadores e bola, deteção de pontos-chave da quadra, identificação de passes e interceptações, além de métricas de velocidade e distância, tudo em arquitetura modular.
- AI-Ba – substitui hardware de rastreamento de arremessos: YOLOv8 detecta bola e cesto em tempo real, regressão linear prevê trajetória e o sistema registra automaticamente acertos e erros em qualquer feed de vídeo.
- nba_api – alternativa a assinaturas de dados esportivos ($300/mês); cliente Python oficial que fornece box scores, play‑by‑play, shot charts, dados de rastreamento de jogadores e mais de 40 anos de histórico, totalmente gratuito.
Observação
Todos os repositórios mencionados são de acesso público no GitHub e não exigem licença paga para uso.
Dica
Para começar um projeto de análise de NBA, recomenda‑se iniciar pelo nba_api para obter os dados brutos e, em seguida, experimentar o basket ou AI-Ba para rastreamento via vídeo.
Atenção
A acurácia relatada (por exemplo, 69 % ou 65,3 %) varia conforme o conjunto de dados e o período avaliado; esses números devem ser vistos como referenciais, não como garantias de desempenho em produção.
Pontos-chave¶
- Nove repositórios abertos cobrem rastreamento de vídeo, previsão de jogos, automação de fluxos e obtenção de dados oficiais da NBA.
- Técnicas empregadas incluem YOLO/Yolov8, XGBoost, redes neurais (PyTorch), regressão linear e métodos estatísticos como ELO e PCA.
- Soluções gratuitas substituem produtos comerciais caros (Second Spectrum, SportVU, serviços de assinatura de apostas e plataformas de visão computacional).
- Automatização com GitHub Actions permite pipelines de dados e re‑treino de modelos sem intervenção manual.
- O conjunto oferece uma base acessível para pesquisadores, desenvolvedores e entusiastas que desejam construir sistemas de análise ou apostas esportivas baseados em IA.
Ferramentas e Tecnologias¶
- [[YOLO]]
- [[XGBoost]]
- [[PyTorch]]
- [[Ridge]]
- [[Lasso]]
- [[Optuna]]
- [[SQLite]]
- [[GitHub Actions]]
- [[ELO]]
- [[PCA]]
Nota pessoal
https://x.com/i/status/2052455943082791230