Struktura pre podataka: Kako matematika i AI zajedno prave robusne sportske modele
Kada verovatnoća postane finansijski proizvod, model postaje instrument upravljanja rizikom
Šta je opasnije: model koji greši stalno – ili model koji greši nepredvidivo?
U svetu sportskog modelovanja, verovatnoća nije samo broj. Ona se prevodi u kvotu. A kvota je proizvod koji mora da bude stabilan, kalibrisan i komercijalno održiv. Mala greška u proceni ne znači samo lošu predikciju – znači realan finansijski rizik.
U ovoj sesiji pokazaću zašto nismo zamenili matematičku strukturu „black-box“ AI modelima. Krećemo od determinističkog modela zasnovanog na Markovljevim lancima koji opisuje osnovnu dinamiku igre. Zatim, kroz analizu podataka, identifikujemo gde taj model sistematski odstupa od realnosti i uvodimo AI kao korektivni sloj – kao način da učimo sopstvene greške, a ne da odbacimo strukturu.
Govorićemo o bias–variance kompromisu, balansu između interpretabilnosti i fleksibilnosti, kao i o tome zašto je hibridni pristup često stabilniji od čistog data-driven modela. Videćeš kako kombinacija strukture i učenja iz podataka omogućava preciznije, robusnije i tržišno otpornije modele.
Jer u našem poslu, model nije samo predikcija.
Model je strategija upravljanja rizikom.
Model je strategija upravljanja rizikom.
O Predavaču
Dr Marina Šulc karijeru započinje kao asistent i doktorand na Fakultetu tehničkih nauka u Novom Sadu, gde je i završila doktorske studije matematike na temu digitalne obrade slike. Nakon akademske karijere prelazi u industriju, najpre na poziciju Data Scientista, a potom kao Quant u kompaniji Entain, gde se bavi naprednim metodama modeliranja sportova, optimizacijom i razvojem matematičkih modela koji se oslanjaju na savremene AI i ML tehnike.
Autorka je i koautorka više naučnih radova iz oblasti primenjene matematike, a rezultate istraživanja izlagala je na brojnim domaćim i međunarodnim naučnim konferencijama.