Когда данные не лгут

Суд — это лаборатория

Я не анализирую баскетбол — я расшифровываю его. Каждое утро, перед кофе, я проверяю Fitbit на аномалии движения, сопоставляя шаблонные карты НБА 2008–2023. Мои стены покрыты графиками энтропии — не для красоты, а потому что данные не лгут.

Алгоритм, который услышал тишину

В 2019 году я создал алгоритм «Champion Entropy»: не чтобы предсказать победителей, а чтобы найти тех, кто действительно двигался. Традиционные модели полагались на интуицию тренеров; моя — на байесовскую вероятность и биомеханику.

Почему числа не лгут (но тренеры лгут)

Тренеры говорят: «он знает». Но правда ли? Моя система показала: когда угол локтя меняется на ±3° в концовке игры, эффективность броска растёт при P<0.01 — там, где интуиция терпит фиас.

Моя левая рука носит Fitbit; правая пишет код. Они не враги — они диалекты истины.

Тихая революция

Это не про аналитику — это про антипаттерны. Когда вы убираете шум и видите реальное движение — вам не нужны лишние статистики. Вам нужно меньше эго. Суд безразличен к вашему шуму или эффектности. Ему важно только: имеют ли ваши данные энтропию — и имеет ли ваша модель память.