5 प्रॉम्प्ट

खिलाड़ियों के शॉट पर दांव के प्रॉम्प्ट: वे 5 जो हम AI से पूछते हैं

कॉपी-पेस्ट के लिए पाँच प्रॉम्प्ट: प्रति 90 मिनट शॉट, भूमिका और अनुमानित मिनट, फ़ाउल, लाइन बनाम अनुमान और चेकलिस्ट। हर एक क्या लौटाता है और उसे कैसे जाँचें।

AI से खिलाड़ी के प्रॉप्स परखने के लिए आपको पाँच प्रॉम्प्ट चाहिए: प्रति 90 मिनट शॉट और टारगेट पर शॉट, भूमिका और अनुमानित मिनट, किए और झेले गए फ़ाउल, लाइन बनाम अनुमान और आख़िर में एक चेकलिस्ट। जब तक आप औसत नहीं देंगे, AI के पास मौजूदा औसत नहीं होते: स्रोत माँगिए और जाँचिए।

ब्राज़ीली फ़ुटबॉल मैच में दो फ़ुटबॉलर किनारे की ओर से गेंद की तरफ़ दौड़ते हुए, एक Palmeiras का और एक Flamengo का, पीछे दर्शकों की भीड़
हर शॉट ऐसे ही किसी मुक़ाबले से निकलता है: इसीलिए खिलाड़ी की भूमिका और उसे मिलने वाली जगह मायने रखती है — फ़ोटो: Artigas Pessio · CC BY-SA 4.0 · Wikimedia Commons
  • हर प्रॉम्प्ट सिर्फ़ एक सवाल पूछता है: शॉट, मिनट, फ़ाउल, लाइन और चेकलिस्ट।
  • आपके दिए औसत के बिना AI मौजूदा सीज़न को नहीं जानती और उन्हें गढ़ सकती है।
  • प्रॉम्प्ट खिलाड़ी के प्रॉप्स का आपका विश्लेषण क्रम में रखता है, दांव नहीं चुनता और किसी नतीजे की गारंटी नहीं देता।

इस लेख को सेव कर लीजिए: अगली बार जब भी किसी खिलाड़ी के शॉट या फ़ाउल की लाइन देखें, यहाँ लौटिए, ज़रूरी प्रॉम्प्ट कॉपी कीजिए और वहीं से आगे बढ़िए जहाँ छोड़ा था।

आपकी प्रगति इसी ब्राउज़र में सेव रहती है।

खिलाड़ियों के शॉट पर दांव के लिए कौन से प्रॉम्प्ट काम आते हैं?

खिलाड़ी के प्रॉप्स वे दांव हैं जो टीम पर नहीं, एक खिलाड़ी के प्रदर्शन पर लगते हैं।

शॉट, टारगेट पर शॉट, किए गए फ़ाउल, झेले गए फ़ाउल और असिस्ट।

अगर आप AI से कहें “इस खिलाड़ी के शॉट का विश्लेषण करो”, तो जवाब धुंधला आता है और उसमें गढ़ी हुई संख्याएँ होती हैं।

इसीलिए यह लेख विश्लेषण को पाँच प्रॉम्प्ट में बाँटता है।

हर एक सिर्फ़ एक सवाल पूछता है।

जवाब आप जोड़ते हैं और अपने निष्कर्ष ख़ुद निकालते हैं।

सारे प्रॉम्प्ट के पैरामीटर [ब्रैकेट] में हैं।

चिपकाने से पहले हर एक को अपने डेटा से बदलिए।

अगर कोई ब्रैकेट बिना भरे छूट जाए, तो AI जो सूझे उससे जगह भर देती है।

सुनहरा नियम: AI के पास किसी खिलाड़ी के मौजूदा औसत नहीं होते, जब तक आप उसे न दें।

हर प्रॉम्प्ट में हम स्रोत माँगते हैं और कहते हैं कि जाँच न सके तो “मुझे नहीं पता” लिखे।

फिर भी दांव लगाने से पहले हर संख्या ख़ुद जाँचिए।

अगर आप इस तरह के दांव से अभी वाक़िफ़ नहीं हैं, तो प्रॉप्स क्या हैं की गाइड से शुरू कीजिए।

अगर आपका मन गोल पर है, तो गोलस्कोरर पर दांव के प्रॉम्प्ट वाला लेख है।

और अगर आपको कार्ड वाले फ़ाउल चाहिए, तो येलो कार्ड पर दांव के प्रॉम्प्ट देखिए।

यूरोपीय मैच में Tottenham Hotspur का एक मिडफ़ील्डर गेंद लेकर बढ़ता हुआ, जबकि Rangers का एक विरोधी उसे क़रीब से मार्क करता हुआ
जिस खिलाड़ी को क़रीब से मार्क किया जाए, उसके पास शॉट मारने की कम जगह होती है: संदर्भ भी औसत जितना ही मायने रखता है — फ़ोटो: Jim Easton · CC0 · Wikimedia Commons

चिपकाने से पहले: AI के बेहतर जवाब के लिए तीन नियम

  1. डेटा ख़ुद दीजिए: अपनी आँकड़ों वाली साइट से खिलाड़ी के शॉट, मिनट और मैच कॉपी कीजिए।
  2. लाइन और ऑड्स चिपकाइए: आप उन्हें अपने बुकमेकर पर देखते हैं, AI नहीं देखती।
  3. प्रतियोगिता बताइए: लीग, कप और राष्ट्रीय टीम के डेटा आपस में नहीं मिलाए जाते।

प्रॉम्प्ट 1: प्रति 90 मिनट शॉट और टारगेट पर शॉट

यह शुरुआती प्रॉम्प्ट है।

यह खिलाड़ी के कुल आँकड़ों को तुलना लायक औसत में बदलता है।

असल बात यह है कि भाग मैचों की संख्या से नहीं, खेले गए मिनटों से दिया जाए।

प्रॉम्प्ट
इस सीज़न [प्रतियोगिता] में [खिलाड़ी] के शॉट का विश्लेषण कीजिए।
मैं जो डेटा दे रहा हूँ वही इस्तेमाल कीजिए: [शॉट, टारगेट पर शॉट, खेले गए मिनट और मैच चिपकाइए]।
प्रति 90 मिनट शॉट और प्रति 90 मिनट टारगेट पर शॉट स्टेप-बाय-स्टेप निकालिए।
अगर डेटा हो, तो घरेलू और बाहरी मैच अलग-अलग दिखाइए।
मैचों की संख्या और स्रोत बताइए।
अगर कुछ जाँच न सकें, तो “मुझे नहीं पता” लिखिए।

यह क्या लौटाता है

प्रति 90 मिनट के दो औसत: शॉट और टारगेट पर शॉट।

हिसाब सामने दिखता हुआ।

यही बाक़ी चारों प्रॉम्प्ट की बुनियाद है।

इसे कैसे जाँचें

भाग का हिसाब कैलकुलेटर पर दोबारा कीजिए: शॉट को मिनट से भाग दीजिए, फिर 90 से गुणा कीजिए।

जाँचिए कि मिनट खेले गए मैचों से मेल खाते हैं।

अगर AI ने ऐसा डेटा इस्तेमाल किया जो आपने दिया ही नहीं, तो वह जवाब छोड़ दीजिए।

डेटा (उदाहरण)हिसाबनतीजा
540 मिनट में 12 शॉट12 ÷ 540 × 90प्रति 90 मिनट 2.0 शॉट
540 मिनट में 4 टारगेट पर शॉट4 ÷ 540 × 90प्रति 90 मिनट 0.67 टारगेट पर
810 मिनट में 18 किए गए फ़ाउल18 ÷ 810 × 90प्रति 90 मिनट 2.0 फ़ाउल

तालिका की संख्याएँ हिसाब दिखाने के लिए एक उदाहरण हैं।

ये गढ़े हुए आँकड़े हैं, किसी असली खिलाड़ी के नहीं।

छह से नौ मैचों का नमूना छोटा है: वह सिर्फ़ शोर हो सकता है।

प्रॉम्प्ट 2: भूमिका, पोज़िशन और अनुमानित मिनट

औसत बताता है कि कितना किया, भूमिका बताती है कि क्यों।

एक सेंटर-फ़ॉरवर्ड और एक फ़ुल-बैक का औसत एक-सा हो तब भी वे एक जैसे शॉट नहीं मारते।

यह प्रॉम्प्ट उसी की वजह और अनुमानित मिनट खोजता है।

प्रॉम्प्ट
[टीम] के [खिलाड़ी] के लिए, [तारीख़] को [प्रतियोगिता] के मैच में, उसकी भूमिका बताइए।
बताइए कि वह आम तौर पर किस पोज़िशन पर खेलता है, फ़्री किक या पेनल्टी मारता है या नहीं, और अक्सर पूरे 90 मिनट खेलता है या पहले बाहर आ जाता है।
जोड़िए कि उस मैच के लिए चोट या सस्पेंशन की कोई पुष्ट शंका है या नहीं।
बताइए कि कितने मिनट खेलने की उम्मीद है, जानकारी के स्रोत और तारीख़ के साथ।
अगर जाँच न सकें, तो “मुझे नहीं पता” लिखिए।

यह क्या लौटाता है

खिलाड़ी का एक प्रोफ़ाइल: पोज़िशन, सेट-पीस और संभावित मिनट।

इससे दिखता है कि प्रॉम्प्ट 1 का औसत इस मैच में मायने रखता है या नहीं।

यह भी चेताता है कि चोट की कोई शंका सब कुछ बदल सकती है।

इसे कैसे जाँचें

क्लब या लीग के समाचार स्रोत पर संभावित लाइन-अप खोजिए।

लाइन-अप आम तौर पर मैच के क़रीब आकर पुष्ट होती है।

चोट और अनुपस्थिति जाँचने के प्रॉम्प्ट वाला लेख भी देखिए।

एक झूठे शॉर्टकट से सावधान: अगर खिलाड़ी खेलता ही नहीं, तो ऊँचा औसत किसी काम का नहीं।

अगर लाइन-अप पुष्ट होने से पहले लाइन आ जाए, तो इंतज़ार कीजिए।

जो खिलाड़ी मैदान पर नहीं उतरता, उसका दांव अक्सर रद्द हो जाता है या हार जाता है: अपने बुकमेकर के नियम पढ़िए।

प्रॉम्प्ट 3: किए गए और झेले गए फ़ाउल

फ़ाउल दो बातों पर निर्भर करते हैं: खिलाड़ी पर और इस पर कि उसका सामना किससे है।

आक्रामक डिफ़ेंडर और फ़ाउल करवाने वाले अटैकर की भिड़ंत फ़ाउल बढ़ा देती है।

यह प्रॉम्प्ट दोनों सिरों को नापता है।

प्रॉम्प्ट
इस सीज़न [प्रतियोगिता] में [खिलाड़ी] के फ़ाउल का विश्लेषण कीजिए।
मैं जो डेटा दे रहा हूँ वही इस्तेमाल कीजिए: [किए गए फ़ाउल, झेले गए फ़ाउल, मिनट और मैच चिपकाइए]।
प्रति 90 मिनट किए गए और झेले गए फ़ाउल निकालिए।
बताइए कि [तारीख़] के मैच में उसका सामना किससे है और विरोधी का कौन-सा डेटा मुझे देखना चाहिए: वह कितने फ़ाउल करता है और कितने झेलता है।
जो डेटा मैंने नहीं दिया, उसे मत मानिए।
अगर कुछ जाँच न सकें, तो “मुझे नहीं पता” लिखिए।

यह क्या लौटाता है

प्रति 90 मिनट किए गए और झेले गए फ़ाउल।

साथ में विरोधी के उन डेटा की सूची जो आपके पास नहीं हैं।

यह भविष्यवाणी नहीं देता: यह सोचने का क्रम देता है।

इसे कैसे जाँचें

हिसाब अपने डेटा से दोबारा कीजिए।

जाँचिए कि फ़ाउल खिलाड़ी के हैं, टीम के नहीं।

रेफ़री के असर के लिए रेफ़री और कार्ड वाला लेख पढ़िए: मैच कौन करवा रहा है, उसके साथ बदलने वाला हिस्सा वहीं है।

लाल पूरी बाँह की जर्सी में Liverpool का एक खिलाड़ी मैदान पर खड़ा खेल देखता हुआ, अगले हिस्से में सफ़ेद जर्सी वाला एक विरोधी
खिलाड़ी कहाँ खड़ा होता है, यह देखने से पता चलता है कि उसकी भूमिका शॉट मारने की है, पास देने की या मार्क करने की — फ़ोटो: Timmy96 · CC0 · Wikimedia Commons

प्रॉम्प्ट 4: लाइन बनाम आपका अनुमान

यह प्रॉम्प्ट मिलाता है कि बाज़ार क्या दे रहा है और आपका डेटा क्या कहता है।

इसके लिए लाइन, ऑड्स और अनुमानित मिनट आपको देने होते हैं।

यह दांव नहीं खोजता: यह आपके अनुमान और लाइन के बीच की दूरी खोजता है।

प्रॉम्प्ट
[खिलाड़ी] के [मार्केट: शॉट, टारगेट पर शॉट या फ़ाउल] की लाइन [लाइन] है, जिसमें “ओवर” के ऑड्स [ओवर ऑड्स] और “अंडर” के ऑड्स [अंडर ऑड्स] हैं।
प्रति 90 मिनट का यह औसत इस्तेमाल कीजिए: [प्रॉम्प्ट 1 या 3 का औसत चिपकाइए] और ये अनुमानित मिनट: [मिनट]।
अनुमान निकालिए: प्रति 90 मिनट औसत × अनुमानित मिनट ÷ 90, स्टेप-बाय-स्टेप।
हर ऑड्स की इम्प्लाइड प्रायिकता निकालिए।
चिह्नित कीजिए कि आपके जवाब का कौन-सा हिस्सा हिसाब है और कौन-सा राय।

यह क्या लौटाता है

अनुमानित मिनटों के लिए शॉट या फ़ाउल का एक अनुमान।

साथ में हर ऑड्स की इम्प्लाइड प्रायिकता।

इससे दिखता है कि आपकी राय और बाज़ार की राय में दूरी है या नहीं।

इसे कैसे जाँचें

हिसाब ऑड्स कन्वर्टर और अपेक्षित मूल्य कैलकुलेटर से दोबारा कीजिए।

अगर आपके और AI के हिसाब में फ़र्क़ आए, तो आपका हिसाब ही मान्य है।

अगर आपका अनुमान लाइन के पास है, तो कोई साफ़ अंतर नहीं है।

स्थिति (उदाहरण)अनुमानओवर के ऑड्सइम्प्लाइड प्रायिकतापढ़ने का तरीक़ा
प्रति 90 मिनट 2.0, 75 मिनट खेलता है1.67 शॉट1.8055.6%लाइन 1.5: कोई साफ़ अंतर नहीं
प्रति 90 मिनट 2.0, 90 मिनट खेलता है2.0 शॉट1.8055.6%लाइन 1.5: अनुमान ऊपर
प्रति 90 मिनट 2.0, 45 मिनट खेलता है1.0 शॉट2.0050.0%लाइन 1.5: अनुमान नीचे

तालिका गढ़े हुए डेटा वाला एक उदाहरण है।

75 मिनट का अनुमान 2.0 × 75 ÷ 90 से आता है, जो 1.67 होता है।

इम्प्लाइड प्रायिकता एक को ऑड्स से भाग देने पर आती है: 1 ÷ 1.80 से 55.6% मिलता है।

औसत अनुमान प्रायिकता नहीं होता।

यह जान लेना कि 1.67 शॉट की उम्मीद है, यह नहीं बताता कि खिलाड़ी कितनी बार 1.5 से ऊपर गया।

उसके लिए देखना पड़ता है कि असली मैचों में कितनी बार वह उससे ऊपर गया।

और अगर प्रॉप असिस्ट का हो

वही प्रॉम्प्ट इस्तेमाल होता है, बस डेटा अलग: प्रति 90 मिनट की-पास और असिस्ट।

असिस्ट इस पर निर्भर करता है कि कोई साथी अच्छे से गोल कर पाए।

यह शॉट से कहीं ज़्यादा उतार-चढ़ाव वाला डेटा है, इसलिए ज़रूरी नमूना बड़ा होना चाहिए।

प्रॉम्प्ट 5: खिलाड़ी के प्रॉप्स पर दांव से पहले चेकलिस्ट

यह समापन का प्रॉम्प्ट है।

यह मैच का विश्लेषण नहीं करता: यह आपका विश्लेषण परखता है।

आप उससे कहते हैं कि पैसा लगाने से पहले ख़ामियाँ खोजे।

प्रॉम्प्ट
यह [तारीख़] के मैच में [खिलाड़ी] के [मार्केट] का मेरा विश्लेषण है: [अपना डेटा और निष्कर्ष चिपकाइए]।
कड़े समीक्षक की तरह काम कीजिए।
बताइए: 1) कौन-सा डेटा जाँचा हुआ नहीं है, 2) क्या मैचों का नमूना छोटा है, 3) क्या मैंने लाइन-अप और मिनट पुष्ट किए हैं, 4) कौन-सी जानकारी ग़ायब है (विरोधी, रेफ़री, मौसम) और 5) मुझमें कौन-सा पूर्वाग्रह हो सकता है।
मुझे दांव का फ़ैसला मत सुनाइए।
सिर्फ़ जोखिम चिह्नित कीजिए।

यह क्या लौटाता है

ख़ामियों और जोखिमों की एक सूची।

जल्दबाज़ी वाले दांव को रोकने के लिए यह सबसे काम का प्रॉम्प्ट है।

अगर सूची लंबी हो, तो शायद दांव न लगाना ही सबसे अच्छा हो।

इसे कैसे जाँचें

जिस भी जोखिम को आपने सुलझाया, उस पर टिक लगाइए।

जिन्हें आप नहीं सुलझा सकते, वे इस मैच को छोड़ने की वजह बन जाते हैं।

अच्छा विश्लेषण दांव न लगाने पर भी ख़त्म हो सकता है।

5 प्रॉम्प्ट को क्रम में कैसे इस्तेमाल करें: स्टेप-बाय-स्टेप

इन प्रॉम्प्ट की सीमाएँ

  • AI को ऑड्स और मैच नहीं दिखते, जब तक आप उन्हें न चिपकाएँ।
  • वह किसी और सीज़न, किसी और प्रतियोगिता या मिलते-जुलते नाम वाले किसी और खिलाड़ी का डेटा दे सकती है।
  • कोई खिलाड़ी मैदान पर न उतरे या जल्दी बाहर हो जाए, तो हर अनुमान टूट जाता है।
  • कुछ ही मैचों का औसत कुछ भी भविष्यवाणी नहीं करता।
  • अच्छी तरह लिखा जवाब सच्चा जवाब नहीं होता।

प्रॉम्प्ट क्रम से सोचने में मदद करते हैं।

वे डेटा के स्रोत या नतीजों के रिकॉर्ड की जगह नहीं लेते।

उन्हें नोटबुक की तरह लीजिए, किसी भविष्यवक्ता की तरह नहीं।

अगर आप देखना चाहते हैं कि आपके अनुमान कितनी बार सही बैठे, तो कैसे नापें कि आपकी प्रायिकताएँ सही थीं पढ़िए।

और हर विश्लेषण नोट करने के लिए AI से अपने रिकॉर्ड की जाँच वाला लेख है।

Gambeta क्या करता है, बिना वादों के

Gambeta अपने मॉडल के साथ भविष्यवाणियाँ प्रकाशित करता है।

हर एक मैच से पहले अपने ऑड्स के साथ दर्ज हो जाती है।

आप उसे बाद में सार्वजनिक रिकॉर्ड में देख सकते हैं, चाहे वह जीते या हारे।

अगर आप देखना चाहते हैं कि वह कैसे काम करता है, तो खेल बेटिंग के लिए मुफ़्त AI की गाइड खोलिए, जिसमें रोज़ मुफ़्त भविष्यवाणियाँ मिलती हैं।

भविष्यवाणी कोई वादा नहीं है।

प्रॉप्स का कोई दांव पक्का नहीं होता।

सिर्फ़ 18 साल से ऊपर के लोगों के लिए।

सिर्फ़ वही पैसा लगाइए जिसे आप गँवा सकें, शुरू करने से पहले एक सीमा तय कीजिए और मज़ा न आए तो रुक जाइए।

ज़्यादा जानकारी ज़िम्मेदारी से दांव लगाना में है।

इसके बाद क्या पढ़ें

मैच का संदर्भ खिलाड़ी के आँकड़े बदल देता है: आराम, सफ़र, रोटेशन।

इसे दांव के लिए संदर्भ के प्रॉम्प्ट वाला लेख दोहराता है।

अगर आपको अपने हिसाब का प्रॉम्प्ट चाहिए, तो उसे प्रॉम्प्ट बिल्डर से बनाइए।

और बाक़ी मार्केट के लिए मार्केट के हिसाब से दांव के प्रॉम्प्ट के इंडेक्स पर लौटिए।

अक्सर पूछे जाने वाले सवाल

किसी खिलाड़ी के शॉट पर दांव के लिए कौन-सा प्रॉम्प्ट इस्तेमाल करूँ?

प्रति 90 मिनट शॉट और टारगेट पर शॉट वाले से शुरू कीजिए।

फिर भूमिका और अनुमानित मिनट वाला जोड़िए, जो अनुमान को काफ़ी बदल देता है।

हमेशा चेकलिस्ट पर ख़त्म कीजिए।

क्या ChatGPT को पता है कि हर खिलाड़ी कितने शॉट मारता है?

सिर्फ़ तब, जब वह इंटरनेट पर खोजे, और तब भी ग़लत हो सकता है।

वेब सर्च के बिना वह अक्सर ऐसे औसत दे देता है जो सुनने में अच्छे लगते हैं पर असल में होते ही नहीं।

उससे स्रोत माँगिए, या अपनी आँकड़ों वाली साइट का डेटा ख़ुद चिपकाइए।

अनुमानित मिनट क्यों मायने रखते हैं?

क्योंकि प्रति मैच का औसत पूरे मैचों और कुछ ही मिनट खेले मैचों को एक साथ मिला देता है।

इसीलिए बेहतर है कि प्रति 90 मिनट शॉट के साथ काम करें और उन्हें अनुमानित मिनटों के हिसाब से घटाएँ-बढ़ाएँ।

अगर खिलाड़ी हाफ़टाइम पर बाहर जा सकता है, तो अनुमान नीचे आता है।

क्या ये प्रॉम्प्ट फ़ाउल और असिस्ट के लिए भी काम करते हैं?

हाँ, एक फ़र्क़ के साथ।

फ़ाउल विरोधी और रेफ़री पर निर्भर करते हैं; असिस्ट इस पर निर्भर करते हैं कि कोई साथी गोल कर पाए।

असिस्ट का डेटा ज़्यादा उतार-चढ़ाव वाला होता है: उसे ज़्यादा सावधानी से इस्तेमाल कीजिए।

कितने मैचों का नमूना चाहिए?

जितने ज़्यादा मैच, उतना बेहतर, और हमेशा पूरे मिनटों के साथ।

चार-पाँच मैचों में औसत सिर्फ़ एक मुक़ाबले से बहुत हिल जाता है।

इसे संदर्भ मानिए, नियम नहीं।

क्या अच्छा प्रॉम्प्ट लाइन को सही पकड़ने की गारंटी देता है?

नहीं।

एक ही डेटा के साथ भी कोई खिलाड़ी लगातार दो मैचों में शून्य शॉट मार सकता है या पाँच।

प्रॉम्प्ट जानकारी को क्रम देता है, पर दांव लगाने में हमेशा पैसे गँवाने का जोखिम रहता है।

–
अगली जनरेशन
नई AI पिक्स
–
आज के पिक्स
0
लाइव
2,019
कुल पिक्स
संबंधित विषय

🧠 आगामी मैचों के लिए AI का विश्लेषण