Machine learning
NFL Big Data Bowl
Red neuronal que predice la trayectoria de los jugadores de la NFL a partir de los datos de tracking, para la competición Big Data Bowl 2026 de Kaggle.
El reto
La NFL registra la posición de cada jugador, frame a frame, en miles de jugadas. La competición pide predecir dónde estará cada jugador en los frames siguientes: física, táctica y ruido, todo a la vez.
El modelo
A partir de posición, velocidad, aceleración, orientación y dirección se entrena una red neuronal en Keras durante 50 épocas, reduciendo el learning rate cuando el error se estanca. La salida son las coordenadas futuras del jugador.
Resultados
Error medio de 0.73 yardas por trayectoria. El 79,6 % de las jugadas quedan por debajo de 1 yarda de error y el 96,7 % por debajo de 2. Como es natural, el error crece con el horizonte: de 0.15 yardas en el primer frame a 1.76 en el frame 18.
Galería
Stack
Python · Keras / TensorFlow · pandas · NumPy · matplotlib · Kaggle