Previsão de Resultados com Machine Learning: XGBoost, Calibração e APIs de Odds para Apostadores Quantitativos (Apostas Quantitativas com Python Livro 3)

Seu modelo atinge 65% de acurácia — e ainda assim você perde dinheiro. Esse é o paradoxo que todo desenvolvedor encontra ao entrar de verdade no mundo das apostas esportivas: acurácia não é lucro. O que separa um modelo acadêmico de um sistema que gera valor real é uma camada inteira de engenharia que ninguém ensina no curso de machine learning.

Este é o segundo volume da série Apostas Quantitativas com Python. No Volume 1, você construiu o pipeline básico, aplicou o Critério de Kelly e criou um dashboard no Streamlit. Agora é hora de ir mais fundo — nas técnicas que transformam previsões brutas em decisões calibradas, e decisões calibradas em apostas com valor esperado positivo.

Cada capítulo segue o mesmo padrão: código funcional, raciocínio explícito sobre as escolhas de design e testes que provam que o sistema está se comportando como esperado. Tudo construído com dados reais do futebol brasileiro.