Стремительный рост объёмов спортивных данных, включая журналы событий, потоки трекинговых данных, видеозаписи, сигналы носимых устройств и биомеханические измерения, фундаментально изменил способы изучения, интерпретации и оптимизации спортивной результативности. То, что ранее опиралось преимущественно на ручное наблюдение и традиционные статистические методы, сегодня всё в большей степени поддерживается системами искусственного интеллекта, способными выявлять закономерности в крупных, гетерогенных и высокочастотных массивах данных. Цель данного обзора — систематизировать основные методы машинного и глубокого обучения, применяемые в современной спортивной аналитике, с особым акцентом на трёх ключевых прикладных направлениях: прогнозирование исходов матчей, тактический и пространственно-временной анализ, а также оценка и предотвращение риска травм. В статье обобщается применение широко распространённых подходов — от регрессии, деревьев решений, случайных лесов, машин опорных векторов и градиентного бустинга до искусственных нейронных сетей, сверточных нейронных сетей, рекуррентных архитектур и графовых моделей. Особое внимание уделяется взаимосвязи между типом данных и выбором модели, особенно в исследованиях, использующих трекинговые данные, данные событий, физиологические показатели и биомеханические индикаторы. Помимо обобщения методологических тенденций, обзор рассматривает, каким образом системы на основе искусственного интеллекта способствуют поддержке тренерских решений, оценке игроков, мониторингу нагрузок и тактическому анализу. Представленные данные свидетельствуют о том, что искусственный интеллект и нейронные сети вышли за пределы экспериментального использования и становятся центральной аналитической инфраструктурой современного спорта. Вместе с тем сохраняются существенные ограничения, включая гетерогенность данных, ограниченную интерпретируемость, несогласованность протоколов валидации и трудности переноса результатов из контролируемых условий в реальные соревновательные среды. В целом данный обзор рассматривает спортивную аналитику на основе искусственного интеллекта как быстро развивающуюся область, обладающую высокой практической значимостью и очевидной актуальностью для разработки интеллектуальных систем нового поколения в спорте.

ТУЛЕСОВ С.С.

Магистрант, Astana IT University, г. Астана, Казахстан.

E-mail: 242769@astanait.edu.kz, https://orcid.org/0009-0009-0831-3873

ЕСМАГАМБЕТОВА М.M.

PhD, доцент кафедры «Цифровая инженерия и IT-аналитика», Карагандинский университет Казпотребсоюза, г. Караганда, Казахстан

E-mail: marzhan1983@mail.ru, https://orcid.org/0000-0001-9273-7402

ЖУМАДИЛЛАЕВА А.К.

Кандидат технических наук, ассоциированный профессор, Школа программной инженерии, Astana IT University, г. Астана, Казахстан.

E-mail: Ainur.Zhumadillayeva@astanait.edu.kz, https://orcid.org/0000-0003-1042-0415

1. Beal R., Norman T. J., Ramchurn S. D. Artificial intelligence for team sports: A survey. The Knowledge Engineering Review, 2019. 34, e28. https://eprints.soton.ac.uk/436900/1/Artificial_Intelligence_for_Team_Sports_A_Survey.pdf
2. Bunker R., Susnjak T. The application of machine learning techniques for predicting match results in team sport: A review. Artificial Intelligence Review, 2022. 55(8), 5995–6040. https://www.jair.org/index.php/jair/article/view/13509/26786
3. Plakias S., Kokkotis C., Giakas G., Tsaopoulos D., Moustakidis S. Can artificial intelligence revolutionize soccer tactical analysis? Trends in Sport Sciences, 2024. 31(3), 151-160. https://tss.awf.poznan.pl/pdf-190308-114984?filename=Can-artificial-intelligen.pdf
4. Xenopoulos P., Doraiswamy H., Silva C. Valuing player actions in counter-strike: Global offensive. In 2020 IEEE international conference on big data (big data). 2020. pp. 1283-1292. IEEE. https://arxiv.org/pdf/2011.01324
5. Purucker M. C. Neural network quarterbacking. Ieee Potentials, 1996. 15(3), 9-15. https://ieeexplore.ieee.org/abstract/document/535226
6. Pietraszewski P., Terbalyan A., Roczniok R., Maszczyk A., Ornowski K., Manilewska D., ... Gołaś, A. The role of artificial intelligence in sports analytics: A systematic review and meta-analysis of performance trends. Applied Sciences, 2025. 15(13), 7254. https://www.mdpi.com/2076-3417/15/13/7254
7. Kumar G. S., Kumar M. D., Reddy S. V. R., Kumari B. S., Reddy C. R. Injury prediction in sports using artificial intelligence applications: A brief review. Journal of Robotics and Control (JRC), 2024. 5(1), 16-26. https://journal.umy.ac.id/index.php/jrc/article/view/20814
8. Zhang Q., Zhang X., Hu H., Li C., Lin Y., Ma, R. Sports match prediction model for training and exercise using attention-based LSTM network. Digital Communications and Networks, 2022. 8(4), 508-515. https://www.sciencedirect.com/science/article/pii/S2352864821000602
9. Zhou S., Zhu, M. Enhancing Athlete Performance Using Deep Learning Techniques in Sports Analytics. IEEE Access, 2025. 13, 210758-210771. https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=11242129
10. Wang Z., Veličković P., Hennes D., Tomašev N., Prince L., Kaisers M., ... Tuyls, K. TacticAI: an AI assistant for football tactics. Nature communications, 2024. 15(1), 1906. https://www.nature.com/articles/s41467-024-45965-x.pdf
11. Roumani Y. F. Sports analytics in the NFL: classifying the winner of the superbowl. Annals of operations research, 2023. 325(1), 715-730. https://pmc.ncbi.nlm.nih.gov/articles/PMC9684891/pdf/10479_2022_Article_5063.pdf
12. Markopoulou C. Sport Analytics Algorithms for Football Performance Prediction. 2024. https://www.ihu.edu.gr/tjortjis/MARKOPOULOU_CHRISTINA_DISS_1.pdf
13. Hu W. The Application of Artificial Intelligence and Big Data Technology in Basketball Sports Training. EAI Endorsed Transactions on Scalable Information Systems, 2023. 10(4). https://pdfs.semanticscholar.org/150a/49a70285b1498ab13f7154749b07c7fc5571.pdf
14. Munoz-Macho A. A., Domínguez-Morales M. J., Sevillano-Ramos, J. L. Performance and healthcare analysis in elite sports teams using artificial intelligence: a scoping review. Frontiers in Sports and Active Living, 2024. 6, 1383723. https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2024.1383723/full
15. Dong J. S., Jiang K., Liu Z., Dong C., Hou Z., Hundal R. S., Guo J., Lin Y. Sports analytics using probabilistic model checking and deep learning. In Proceedings of the 27th International Conference on Engineering of Complex Computer Systems (ICECCS). 2023. pp. 7–11. https://www.researchgate.net/profile/Zhe-Hou-5/publication/375844836_Sports_Analytics_Using_Probabilistic_Model_Checking_and_Deep_Learning/links/65cab6701e1ec12eff8a6c1d/Sports-Analytics-Using-Probabilistic-Model-Checking-and-Deep-Learning.pdf
16. Halder R. K., Uddin M. N., Uddin M. A., Aryal S., Khraisat, A. Enhancing K-nearest neighbor algorithm: a comprehensive review and performance analysis of modifications. Journal of Big Data, 2024. 11(1), 113. https://link.springer.com/content/pdf/10.1186/s40537-024-00973-y.pdf
17. Apostolou K., Tjortjis, C. Sports Analytics algorithms for performance prediction. 2019 10th International Conference on Information, Intelligence, Systems and Applications (IISA). 2019. pp. 1–4. IEEE. https://www.ihu.edu.gr/tjortjis/k.apostolou_ds_28-3-2019.pdf
18. Chatterjee R., Roy S., Islam S. H., Samanta D. An AI approach to pose-based sports activity classification. In Proceedings of the 8th International Conference on Signal Processing and Integrated Networks (SPIN). 2021. pp. 156–161. https://www.researchgate.net/profile/Rajdeep-Chatterjee-2/publication/355437139_AN_AI_APPROACH_TO_POSE-BASED_SPORTS_ACTIVITY_CLASSIFICATION/links/61702de6766c4a211cfe6dcf/An-AI-Approach-to-Pose-based-Sports-Activity-Classification.pdf
19. Shen H. Prediction simulation of sports injury based on embedded system and neural network. 2021. https://www.sciencedirect.com/science/article/pii/S014193312100079X
20. Van Eetvelde H., Mendonça L. D., Ley C., Seil R., Tischer, T. Machine learning methods in sport injury prediction and prevention: a systematic review. Journal of experimental orthopaedics, 2021. 8(1), 27. https://link.springer.com/content/pdf/10.1186/s40634-021-00346-x.pdf

спортивная аналитика, искусственный интеллект, трекинговые данные, данные событий, прогнозирование исходов матчей, тактический анализ, предотвращение травм