作者:
Joe0001 (...)
2017-06-08 10:36:20強者我朋友，
以前念書的時候我們玩聯盟舉辦的夢幻總教練，
常常一起研究怎麼拼湊出最佳球隊，
後來工作以後還是壓抑不了內心的棒球魂!!
自己設計了一套數據分析系統，
記錄完後可以跑出各項的統計分析報表。
聽他說季初有跟統一全教練團(含春天哥)做簡報，
按照這個報導的內容看來
後來大概也是GG了吧
不知道有沒有人知道現在台灣各球團有誰在用這種系統的嗎?
=============
電視上不是每天都在說大數據分析
怎麼沒人想到用在棒球這一塊啊.......
作者:
ihfreud (旅行,是後天的混血)
2017-06-08 10:37:00喵喵不是都上雲端了嗎？
作者:
pttpepe (Ptt屁屁)
2017-06-08 10:37:00有 也不會告知
作者:
hsr7016 (~天ç†å–µ~)
2017-06-08 10:38:00人家統一都在雲端了還在報表
作者:
cd12631 (<(◥█◤△◥█◤)>)
2017-06-08 10:38:00棒球是應用這塊最多的好嗎
作者:
cd12631 (<(◥█◤△◥█◤)>)
2017-06-08 10:39:00只有統一獅教練整天直覺神明託夢
作者: recruit 2017-06-08 10:39:00
隊數太少了.. 先發就那幾個 我看以後也是沒什麼機會
作者:
ts1993 (komi1111)
2017-06-08 10:43:00怎麼沒有 其他隊應該都有 統一不好說
作者:
peterw (死神從地獄歸來)
2017-06-08 10:46:00統一:想要我的報表嗎？我把它們統統放在雲端了
作者:
Isveia (non-exist)
2017-06-08 10:48:00你覺得會拿空資料夾裝模作樣的教練團會想要這種東西嗎？
作者:
puput (哈亞多)
2017-06-08 10:54:00雲端不就yahoo運動跟CPBL TV 我也知道
陣容最佳化大概只能在夢裡或電動裡實現吧總教練都得顧慮複雜的群體互動關係~哪有那麼簡單
作者:
st900278 (喵咪喵喵叫)
2017-06-08 11:06:00說不定人家拿OOTP來分析數據啊(誤
即使有數據分析的資料，台灣教練懂得運用的知識水準也要到啊！
作者:
dvd88dvd (桃猿最強 攻下總冠軍)
2017-06-08 11:10:00以軟硬體輔助球隊運作這部分老實說國內真的還是米糕領先各隊，喵喵應該是落後最多，以前學弟接觸球團經驗告訴我的
作者:
t613235 (QQ)
2017-06-08 11:20:00如果真的 可以試試看去其他球團試看看
作者:
sesd (囧)
2017-06-08 11:27:00喵喵已經上雲端了
作者: Joe0001 (...) 2017-06-08 11:32:00
原來是上雲端了喔..這麼厲害。統一果然是大球團..(真假?)
作者:
bxxl (bool)
2017-06-08 11:34:00就現成的資料早就有對應的分析了吧
中職開放所有紀錄資料庫，保證馬上上太空太多人願意用數據去做資料探勘啊，機器學習啊
作者:
itrs821 (酗咖啡)
2017-06-08 11:39:00早就應該數據分析了,但是這些教練會不會看不懂?
你做機器學習，深度學習，教練跟人根本沒必要看懂因為電腦學習過後，就會自動幫你找出最佳解了當然，先撇開人在場上打擊沒辦法馬上得知電腦的資訊但人跟電腦差別就在，人的分析還是太粗略與直觀舉例：某捕手在連兩顆直球之後很高機率會配曲球上面就是人會做出的觀點但機器學習就跟AlphaGO一樣，你的特徵給夠有用夠好他就可能能夠在同樣情況下，做出不同於人的精確判斷你可能不知道他按照哪些評判得出他的最佳解但只要有足夠量的數據，跟精準的特徵挑選就可以讓機器對於投捕策略的預測越來越精準當然投捕只是舉例，這可以廣泛運用在打擊守備等等
作者:
shifa (西法)
2017-06-08 11:45:00運動牽涉到的因素太多，「只」用數據分析作為決策依據有時候會沒辦法顧慮到「人」的因素，例如在撲克牌裡面塞一隻牙籤才瞇牌(誤)
AlphaGO 對決的也是人，變化性也是千變萬化，人總是以為自己做的變化能夠在總觀的大局上產生影響實際狀況是，如果數據與時間拉得夠深夠長，人的變化一定是可以被分析出來的棒球本身就是失敗的運動，以宏觀的角度看，只要機器學習能在整個賽季帶來提升，無論多寡都是值得期待的
作者:
langrisser (Y.H. Johnny Chen)
2017-06-08 11:53:00人之間的關係有時也很重要 假設神拳在的時候釣蝦不爽所以數據不好，神拳下去休息就爆發 ID分析得出來嗎
作者:
bxxl (bool)
2017-06-08 11:54:00alphago自己可以跟自己下圍棋,判斷勝負,以進行增強式訓練
作者:
langrisser (Y.H. Johnny Chen)
2017-06-08 11:54:00又或者是跟A-lin抱抱後 小鄧鄧打擊突然爆發（誤）
作者:
bxxl (bool)
2017-06-08 11:55:00所以你得到的是一個很會玩棒球模擬遊戲的AI
只是機器學習有Classifying跟Clustering，最佳陣容
作者:
bxxl (bool)
2017-06-08 11:56:00他的實用程度就跟讓電腦模擬打比賽的逼真程度有關
基本上就是Clustering，你不會知道他怎麼判斷出來的劉家豪我以前很喜歡他，但什麼握手之後滿貫就跟展元鐵嘴一樣是沒意義的啊，不然每場都叫郭書瑤來握手XD
作者:
akb0049 (Amber)
2017-06-08 11:58:00明明不懂AlphaGO怎樣運作 別來唬爛
作者: Joe0001 (...) 2017-06-08 11:58:00
不知道AlphaGo能不能算出朱佬助跑打安打的機率有多少(誤)
恰恰上去安撫投手深呼吸 投手穩定無失分 數據看得出來嗎 還是肥恰該退休了
作者:
hotrain13 (最幸é‹çš„人!!)
2017-06-08 12:09:00怎麼不想想是不是說不定是做的太差沒有用啊怎麼不想想是不是做的太差沒有用啊
建議先去了解機器學習是什麼，策略分析不用這些特徵不過說實在，如果聯盟沒有科學化的逐球紀錄，也沒用
作者:
shifa (西法)
2017-06-08 12:14:00機器學習是很好的東西，然而我要說的是棒球也有成功率的因素要考量，再加上每個人也會改變自己的策略(就像忽然放棄兩好球後的攻擊策略一樣)而影響戰局的情況。魔球一書裡面提的運用數據系統可以讓他們在資源有限的運作空間內在「例行賽」取得好的戰績，但到了「季後賽」，就他X的運氣。放長遠如一季來看，的確會趨近計算結果，但是總仔要做的是要左右「這一場」、「這一局」，甚至「這個play」的結果。這就不一定是機器學習能夠百分百做到的事情了。當然我們可以宣稱在「理想狀態」下可以達到多少的命中率，但那時候要面臨的就是「運動是人的競技，還是比誰的AI比較強，人類在場上打球只是負責驗證」這種形而上的問題。
作者:
cd12631 (<(◥█◤△◥█◤)>)
2017-06-08 13:26:00其實就算聯盟不開放資料庫也是可以球隊自己培養紀錄員只是球隊願不願意投資這塊而已不過就算你做機器學習跑出來的東西 我很好奇台灣教練接受度多少? 尤其當你看到黃甘霖成天嘴上掛著託夢神明感覺後
作者: Joe0001 (...) 2017-06-08 13:40:00
強者我朋友的系統是連資料收集的部分也自己設計，他自己跑上來貼了一些系統的圖表，大家可以去鞭他了！