O mundo tecnológico e o mundo esportivo estão cada vez mais próximos, e no basquetebol não poderia ser diferente. Os dados disponibilizados vão desde a pontuação individual de cada jogador até o quão livre, em pés, se encontrava o arremessador no momento do chute. Porém, esse nível de granularidade estatística é recente, e não se sabe ao certo qual a melhor forma de utilizar esses dados a fim de otimizar a performance do seu time. Com isso, propomos no trabalho um algoritmo de detecção de objetos utilizando a arquitetura de rede YOLOv5 para fazer o reconhecimento dos jogadores e da bola presentes em quadra, além de uma projeção do jogo em miniatura baseado em dados posicionais disponibilizados pela NBA dentre as temporadas de 2013 a 2017. Tais algoritmos foram desenvolvidos no intuito de criar uma base de apoio para a estafe das equipes, onde os resultados serviriam como o primeiro passo na análise do ocorrido dentro de jogo de forma a aumentar a eficiência analítica e a assertividade no momento de estudo do jogo.