alan-turing-institute/AIrsenal
Machine learning Fantasy Premier League team
何を解決するか
AIrsenal は機械学習を活用して、ファンタジープレミアリーグ（FPL）のチーム選定と移籍戦略を最適化し、ポイントを最大化するのを支援します。
動作方法
このシステムは、データ収集、予測、最適化を統合するパイプラインとして動作します。
- データ管理: 最近3シーズンの歴史データとFPL APIからのリアルタイムデータを用いて、ローカルのSQLiteデータベースを構築・更新します。
- ポイント予測: チームレベルのモデル（試合スコアラインの予測）とプレイヤーレベルのモデル（ゴール関与の予測）を組み合わせ、歴史的ヒューリスティクスを加えて、プレイヤーの期待ポイントを推定します。
- 最適化: 最適化アルゴリズムが、指定された未来のゲームウィーク数にわたる最適な移籍戦略とチーム編成を計算し、ワイルドカードやフリー・ヒットなどの特別チップの戦略的活用も含みます。
- 実行: ユーザーの資格情報を使用して、推奨される移籍やスタメンをFPL公式サイトに自動的に適用できます。
対象ユーザー
チーム管理にデータ駆動型・自動化アプローチを求めるファンタジープレミアリーグプレイヤーです。
特徴
- エンドツーエンドのパイプライン: データベースのセットアップから移籍の適用までをすべて自動化。
- 予測モデリング: チームとプレイヤーレベルの機械学習モデルを組み合わせてポイント予測を実現。
- 複数週間の最適化: 未来の複数ゲームウィークにわたる移籍とキャプテンシップを計画。
- FPL直接統合: 公式FPLプラットフォームにチーム変更を直接プッシュできる機能。
関連
- プロジェクト
AgileRL/AgileRLAgileRLは、*RLOps*（進化的ハイパーパラメータ最適化、分散トレーニング、クラウドプラットフォームArena）を備えたPython用深層強化学習ライブラリです。PPO、DQN、TD3、MADDPG、バンディット、LLMファインチューニングなど多数のアルゴリズムを内包しており、単一エージェントまたは自動的にハイパーパラメータを進化させる集団エージェントのトレーニングが可能。従来の手法と比べて最大10倍速いHPOを実現します。
- Dispatch
- Dispatch
Prime Agent 自己改善型 RLM ハーネスのリリースPrime Agent は、再帰的言語モデルと継続的状態ハーネスに基づいて構築された、オープンソースの自己改善型コーディング・ハーネスであり、ARC-AGI-3 での SOTA スコアの達成と、ロングコンテキスト・ベンチマークにおける競争力のあるパフォーマンスを実現しています。
- プロジェクト
agentuniverse-ai/agentUniverseagentUniverse は、Apache-2.0 ライセンスの Python フレームワークで、LLM駆動のマルチエージェントアプリケーションの構築とオーケストレーションを可能にします。即時利用可能な協働パターン（PEER、DOE）、数十のLLMプロバイダー対応、ドメイン知識の注入ツール、OpenTelemetryによる監視性、視覚的ワークフローUIを提供します。アントグループの実際の金融製品で使用されており、GitHub/Discordに広範なドキュメント、サンプルアプリ、コミュニティが存在します。
- プロジェクト
plasma-umass/scaleneScaleneは、CPU、GPU (NVIDIA)、メモリの使用量を測定する高速な行レベルのPythonプロファイラです。Pythonとネイティブコードを分離し、統合されたスタックを可視化し、UIから直接LLM（OpenAI、Azure、Bedrock、Ollamaなど）に最適化の提案を求めることができます。