Il presente lavoro di tesi è stato svolto presso l’azienda Hypertennis. Lo scopo del lavoro era quello di progettare reti neurali per svolgere tre diversi compiti connessi all’analisi automatizzata delle prestazioni nel tennis: tramite ricostruzioni 3D dell’esoscheletro di un giocatore, separare automaticamente i colpi, quindi, classificare il colpo come "dritto", "rovescio" o "servizio; dividere il colpo nelle sue varie fasi, ovvero posizione iniziale", "preparazione", "accelerazione", "impatto", "finale" e "recupero". Tali operazioni costituiscono un tassello fondamentale per l’analisi. Per svolgere questi compiti, sono state utilizzate diverse istanze dell’architettura Spatial-Temporal Graph Convolutional Networks (ST-GCN), un mezzo utile per poter sfruttare l’efficienza delle convoluzioni ed allo stesso tempo modellare le dipendenze temporali presenti all’interno dei flussi video considerati.