4. Qué no vamos a hacer y por qué

Deep learning: necesita GPU, mucho tiempo y más datos de los que hay; además complica reproducir el archivo idéntico. Queda como fase opcional sólo si el análisis de errores muestra que lo que falla son los fotogramas sin balón.

Visión por computador sobre el vídeo: detectar el balón o sincronizar el vídeo de retransmisión es un proyecto aparte, caro, y falla justo donde el balón también se pierde, en las aglomeraciones.

Montecarlo (filtros de partículas, muestreo): un filtro discreto sobre quién posee el balón es matemáticamente un HMM, y Viterbi lo resuelve exacto, sin azar. Con muestreo habría que fijar semillas y aun así complicaría la reproducibilidad.

Ajustar umbrales mirando los 5 minutos públicos: no es una técnica, pero es la tentación principal. Se decide en el banco externo; el público sólo comprueba que el pipeline es correcto.

Corregir la salida a mano: el reto exige que las etiquetas las produzca un algoritmo.