Este repositório contém um pipeline completo para treinamento, inferência e avaliação de modelos de linguagem (LLMs) adaptados ao domínio futebolístico. O projeto utiliza dados reais extraídos da API do Sofascore, organizados para tarefas supervisionadas de classificação e question answering (QA) no estilo Alpaca.

├── get_players.ipynb      # Extrai estatísticas individuais de jogadores
├── get_teams.ipynb        # Extrai estatísticas agregadas por time
├── get_tables.ipynb       # Extrai e converte tabelas de classificação por campeonato
├── train_model.ipynb      # Realiza o fine-tuning supervisionado com Unsloth (LoRA 4-bit)
├── evaluate_model.ipynb   # Avalia os modelos (fine-tuned, base e GPT-4o) com métricas automáticas
├── /dados_rag_new         # Pasta com os arquivos CSV gerados (Google Drive ou local)
└── README.md              # Este arquivo

• Extrai estatísticas individuais por jogador em partidas encerradas.
• Filtra jogadores com base em posição e estatísticas mínimas.
• Gera um dataset para classificação de desempenho: bom, mediano ou ruim.
• Salva os dados como CSVs para cada campeonato e um consolidado para fine-tuning.

• Coleta estatísticas de time por evento (posse, finalizações, precisão de passes etc.).
• Classifica o desempenho de cada time por critérios heurísticos (xG, posse, chutes).
• Gera dataset supervisionado para classificação do time por partida.

• Acessa diretamente endpoints da Sofascore para obter as classificações por temporada.
• Gera exemplos de QA baseados em tabelas:
  • Cell selection, Superlative, Aggregation, Difference, Average, Thresholds.
• Salva exemplos balanceados para uso no fine-tuning multitarefa.

• Usa o framework Unsloth com LLaMA 3.1 8B quantizado (4bit).
• Aplica LoRA para ajuste eficiente com baixo uso de memória.
• Treina com SFTTrainer por 60 steps (ajustável).
• Salva e publica os adaptadores LoRA no Hugging Face Hub.

• Compara 3 modelos: Fine-Tuned, Base (LLaMA 3.1) e GPT-4o.
• Métricas usadas:
  • BLEU, ROUGE, BERTScore, METEOR, GPT-4 Score
• Gera gráfico comparativo de desempenho entre os modelos.
• Exibe outputs lado a lado para análise qualitativa.

• Python 3.10+
• GPU com suporte a CUDA (mínimo: 12 GB VRAM para fine-tuning)
• Pacotes principais:
  • unsloth, transformers, peft, trl, datasets, huggingface_hub
  • sacrebleu, rouge-score, bert-score, nltk, playwright, cloudscraper

Os datasets gerados estão estruturados em CSVs:

• processed_player_data_multi_championship.csv
• team_performance_<campeonato>.csv
• hierarchical_qa_dataset_balanced_all_seasons.csv
• player_performance_analysis_dataset.csv

Você pode adaptar o script para salvar os dados localmente ou em um diretório montado do Google Drive.

O modelo fine-tuned é publicado em:

👉 guilhermemoraisr/llama3-1-8B-4bit-lora-football-low-steps

• Unsloth: LLaMA Fine-Tuning Framework
• Sofascore Public API
• Alpaca Format - Stanford CRFM
• BERTScore
• GPT-4o API - OpenAI