Дипломная работа студента Пражского университета экономики — прогноз исходов раундов в Counter-Strike 2

Коротко: студент VŠE Prague построил ML-модели, предсказывающие исход раунда CS2 с точностью 77,85%.

Ондржей Чех, студент бакалавриата Пражского университета экономики и бизнеса (VŠE Prague), защитил 15 июня 2026 года работу Predicting Round Outcomes in Counter-Strike 2 Using Machine Learning — две модели машинного обучения для прогнозирования исходов раундов.

Для обучения использовались 226 466 снимков игрового состояния, извлечённых из 764 демозаписей девяти профессиональных турниров 2025–2026 годов на восьми картах. Модель XGBoost прогнозировала исход раунда в 77,85% случаев, нейросеть — в 77,76%.

💻 Как это устроено

Модели учитывают 43 признака: живучесть игроков, экономику команды, вооружение, расположение на карте и динамику раунда (momentum). Неопределённость снижается по ходу игры: log loss падает примерно с 0,53 в начале раунда до менее 0,15 в последние 20 секунд после установки бомбы.

📌 Что важно

SHAP-анализ показал: обе модели в первую очередь опираются на количество выживших игроков, суммарное здоровье команды и стоимость экипировки — восемь из десяти ключевых признаков совпадают у обеих архитектур, несмотря на разную природу моделей. Это говорит скорее о предсказуемости самих игровых данных, чем о превосходстве одной архитектуры над другой.

Почему это интересно

Киберспорт всё чаще становится площадкой для исследований ИИ: профессиональные матчи дают большой объём стандартизированных, измеримых игровых ситуаций — удобную среду для обучения и сравнения моделей. Подходы, отработанные на играх, затем переносятся в робототехнику, автономный транспорт, логистику и финансы — везде, где алгоритм должен непрерывно оценивать ситуацию и выбирать действие.

Частые вопросы

С какой точностью модель предсказывает исход раунда CS2?

Модель XGBoost — в 77,85% случаев, нейросеть — в 77,76%.

На каких данных обучалась модель?

На 226 466 снимках игрового состояния из 764 демозаписей девяти профессиональных турниров 2025–2026 годов на восьми картах.

Какие признаки важнее всего для прогноза?

По данным SHAP-анализа — количество выживших игроков, суммарное здоровье команды и стоимость экипировки.

Первоисточник: vskp.vse.cz

Подготовлено RD media