引導式測驗 · 中等 等級

人工智慧在球員球探和招募測驗的應用

探索體育分析如何結合追蹤、球員相似性和高級指標,同時保持招募決策的責任。

問題 1 的 8

該指南引用了哪種早期體育招募方法作為數據驅動的球探的先驅?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 該指南引用了哪種早期體育招募方法作為數據驅動的球探的先驅?
    • 奧克蘭運動家隊在棒球比賽中的“點球成金”統計方法
    • Wave Function Collapse level generation
    • Ship weather routing
    • WordPiece subword tokenization
  2. 電腦視覺允許球探如何處理廣播比賽錄影?
    • 自動重寫評論
    • 將影片轉換為有關玩家運動的結構化位置數據
    • 生成虛假精彩片段
    • 更換裁判
  3. 為什麼俱樂部使用「球員相似度」或最近鄰演算法?
    • 選擇球隊球衣顏色
    • 安排比賽
    • 尋找與昂貴目標風格相似的價格合理的球員
    • 設定門票價格
  4. 哪個指標是足球領域高階人工智慧/分析指標的範例?
    • 球場內球迷人數
    • 比賽時長
    • 球的顏色
    • 預期進球(xG)
  5. 人工智慧偵察引發的主要道德問題是什麼?
    • 包括青少年在內的年輕運動員的概況和隱私
    • 球員跑得太快
    • 體育場太大
    • 進球數過多
  6. 除了數據統計之外,哪些數據已成為 NBA 球員評估的核心?
    • 人群噪音水平
    • 玩家追蹤數據捕捉運動和定位
    • 半場收視率
    • 優惠銷售
  7. Which two Statcast measurements does the guide cite as examples used in baseball evaluation?
    • Mel-spectrogram loss and waveform likelihood
    • AIS position and sea state
    • Exit velocity and spin rate
    • Pixel labels and image embeddings
  8. What does SkillCorner say its computer-vision tracking data can represent from broadcast footage?
    • Only the final score and goal scorers
    • Every player's private medical history
    • Only the referee's location
    • Positions and movement of all 22 players and the ball