مهارت واقعی مسابقه بوندسلیگا: کمی کردن کیفیت بازیکنان فوتبال با استفاده از یادگیری ماشین در AWS

تمبر زمان: 2 مارس 2022، 10:24 صبح
گره منبع: 1195672

در فوتبال، مانند بسیاری از ورزش ها، بحث در مورد بازیکنان فردی همیشه بخشی از سرگرمی بوده است. "بهترین گلزن کیست؟" یا "پادشاه مدافعان کیست؟" سوالاتی هستند که همیشه مورد بحث طرفداران قرار می گیرند و رسانه های اجتماعی این بحث را تقویت می کنند. فقط در نظر بگیرید که ارلینگ هالند، رابرت لواندوفسکی و توماس مولر به تنهایی 50 میلیون دنبال کننده در اینستاگرام دارند. بسیاری از هواداران از آمار باورنکردنی بازیکنانی مانند لواندوفسکی و هالند آگاه هستند، اما داستان هایی از این دست فقط نوک کوه یخ است.

در نظر بگیرید که تقریباً 600 بازیکن در بوندسلیگا قرارداد دارند و هر تیم قهرمانان خاص خود را دارد - بازیکنانی که برای ارائه یک مهارت خاص در یک مسابقه معرفی می شوند. به عنوان مثال به مایکل گرگوریچ از اف سی آگسبورگ نگاه کنید. تا لحظه نگارش این خبر (بازی بیست و یکم)، او در فصل 21/21 پنج گل به ثمر رسانده است، چیزی که باعث شود کسی در گفتگو درباره گلزنان بزرگ از او یاد کند. اما بیایید دقیق‌تر نگاه کنیم: اگر مقادیر گل مورد انتظار (xGoals) همه موقعیت‌های گلزنی که گرگوریچ در این فصل داشت را جمع آوری کنید، رقمی که به دست می‌آورید 22 است. این به این معنی است که او در ضربات خود به دروازه بیش از 1.7 درصد عمل کرد و 194 گل بیشتر از حد انتظار به ثمر رساند. در مقایسه، لواندوفسکی تنها با 3.2 گل (+1.6 درصد) بیش از حد عمل کرد. چه شاهکاری! واضح است که گرگوریچ مهارت خاصی را برای آگسبورگ به ارمغان می آورد.

بنابراین چگونه می‌توانیم تمام داستان‌های پنهان در مورد بازیکنان بوندسلیگا، مهارت‌ها و تأثیر آنها بر نتایج بازی‌ها را روشن کنیم؟ وارد Fact بازی جدید بوندسلیگا شوید که توسط AWS به نام Skill طراحی شده است. مهارت از طریق تجزیه و تحلیل عمیق توسط DFL و AWS برای شناسایی بازیکنان دارای مهارت در چهار دسته خاص توسعه یافته است: آغازگر، تمام کننده، برنده توپ و دونده سرعت. این پست به بررسی این چهار مهارت می پردازد و نحوه پیاده سازی آنها در زیرساخت AWS را مورد بحث قرار می دهد.

نکته جالب دیگر این است که تا کنون، حقایق مسابقات بوندسلیگا مستقل از یکدیگر توسعه یافته اند. Skill اولین واقعیت مسابقه بوندسلیگا است که خروجی چندین واقعیت مسابقه بوندسلیگا را در زمان واقعی با استفاده از معماری پخش جریانی ساخته شده با هم ترکیب می کند. آمازون پخش جریانی کافکا را مدیریت کرد (آمازون MSK).

آغازگر

آغازگر بازیکنی است که تعداد زیادی پاس ارزشمند اول و دوم را انجام می دهد. برای شناسایی و کمی کردن ارزش این کمک‌ها، متریک xAssist جدید را معرفی کردیم. با ردیابی آخرین و دومین پاس آخر قبل از شوت به سمت دروازه، و اختصاص مقدار xGoals مربوطه به آن اقدامات محاسبه می شود. یک آغازگر خوب با انجام موفقیت آمیز پاس ها با میزان سختی بالا، در شرایط چالش برانگیز فرصت ایجاد می کند. برای ارزیابی سختی کامل کردن یک پاس داده شده، از موجود خود استفاده می کنیم xPass مدل. در این معیار، ما عمداً سانترها و ضربات آزاد را حذف می‌کنیم تا روی بازیکنانی تمرکز کنیم که با پاس‌های دقیق خود از بازی باز فرصت‌های گلزنی ایجاد می‌کنند.

امتیاز مهارت با فرمول زیر محاسبه می شود:

بیایید به عنوان مثال به آغازگر رتبه 1 فعلی، توماس مولر نگاه کنیم. او تا لحظه نگارش این مقاله (بازی 9.23) مقدار xAssist 21 را جمع آوری کرده است، به این معنی که پاس های او برای بازیکنان بعدی که به سمت دروازه شوت می کنند، مقدار کل xGoal 9.23 را ایجاد کرده است. نسبت xAssist در هر 90 دقیقه 0.46 است. این را می توان از کل زمان بازی او در فصل جاری محاسبه کرد که قابل توجه است - بیش از 1,804 دقیقه زمان بازی. به عنوان پاس دوم، او در مجموع ارزش 3.80 را ایجاد کرد که به 0.19 ثانیه در هر 90 دقیقه تبدیل می شود. در مجموع 38 پاس از 58 پاس اول او پاس های سخت بود. و به عنوان پاس دوم، 11 پاس از 28 پاس او نیز پاس های سخت بود. با این آمار، توماس مولر خود را به مقام اول در رده بندی آغازگر رسانده است. برای مقایسه، جدول زیر مقادیر سه مورد برتر فعلی را نشان می دهد.

.. xAssist xAssistper90 xSecondAssist xSecondAssistper90 DifficultPassesAssisted DifficultPasses Assisted2 امتیاز نهایی
توماس مولر - رتبه 1 9.23 0.46 3.80 0.18 38 11 0.948
سرژ گنابری – رتبه ۲ 3.94 0.25 2.54 0.16 15 11 0.516
فلوریان ویرتس – رتبه 3 6.41 0.37 2.45 0.14 21 1 0.510

پایان دهنده

تمام کننده بازیکنی است که در گلزنی فوق العاده خوب است. او راندمان شوت بالایی دارد و به نسبت زمان بازی خود گل های زیادی را به ثمر می رساند. این مهارت بر اساس گل های زده شده واقعی و تفاوت آن با اهداف مورد انتظار (xGoals) است. این به ما امکان می دهد ارزیابی کنیم که آیا از شانس ها به خوبی استفاده می شود. بیایید فرض کنیم دو مهاجم تعداد گل های یکسانی داشته باشند. آیا آنها به همان اندازه قوی هستند؟ یا اینکه یکی از آنها از شرایط آسان گل می زند در حالی که دیگری در موقعیت های چالش برانگیز تمام می شود؟ با بهره وری شوت، می توان به این پاسخ داد: اگر گل های زده شده از تعداد xGoals بیشتر شود، بازیکنی بیش از حد عمل می کند و تیراندازی کارآمدتر از میانگین است. از طریق بزرگی این تفاوت، می‌توانیم میزان راندمان تیراندازی را که از میانگین می‌گذرد، کمّی کنیم.

امتیاز مهارت با فرمول زیر محاسبه می شود:

برای تمام کننده، ما بیشتر روی اهداف تمرکز می کنیم. جدول زیر نگاه دقیق تری به سه نفر برتر فعلی ارائه می دهد.

.. اهداف اهداف برای 90 ShotEfficiency امتیاز نهایی
رابرت لواندوفسکی - رتبه 1 24 1.14 1.55 0.813
ارلینگ هالند – رتبه ۲ 16 1.18 5.32 0.811
پاتریک شیک – رتبه 3 18 1.10 4.27 0.802

روبرت لواندوفسکی در این فصل 24 گل به ثمر رسانده است که او را در رتبه اول قرار می دهد. اگرچه هالند راندمان شوت بالاتری دارد، اما هنوز برای هالند رتبه اول کافی نیست، زیرا ما به گل های زده شده وزن بیشتری می دهیم. این نشان می‌دهد که لواندوفسکی هم از کیفیت و هم از کمیت پاس‌های دریافتی سود زیادی می‌برد، حتی اگر گل‌های فوق‌العاده‌ای را به ثمر رساند. پاتریک شیک دو گل بیشتر از هالند به ثمر رسانده است، اما در هر 90 دقیقه گل کمتر و بازده ضربه کمتری دارد.

قهرمان دو سرعت

دونده سرعت توانایی فیزیکی برای رسیدن به حداکثر سرعت را دارد و این کار را بیشتر از دیگران انجام می دهد. برای این منظور، ما میانگین حداکثر سرعت را در تمام بازی‌های فصل جاری یک بازیکن ارزیابی می‌کنیم و تعداد دفعات سرعت در هر 90 دقیقه را در میان معیارهای دیگر لحاظ می‌کنیم. اگر بازیکنی با حداقل سرعت 4.0 متر بر ثانیه برای بیش از دو ثانیه بدود و در این مدت به حداکثر سرعت حداقل 6.3 متر بر ثانیه برسد، یک سرعت شمارش می شود. مدت دوی سرعت با فاصله زمانی بین اولین و آخرین بار رسیدن به آستانه 6.3 متر بر ثانیه مشخص می شود و برای تایید باید حداقل 1 ثانیه طول بکشد. یک سرعت جدید تنها پس از کاهش مجدد سرعت به زیر آستانه 4.0 متر بر ثانیه ممکن است در نظر گرفته شود.

امتیاز مهارت با فرمول زیر محاسبه می شود:

این فرمول به ما امکان می‌دهد راه‌های زیادی را که می‌توانیم به اسپرینت‌ها توسط بازیکنان نگاه کنیم، ارزیابی کنیم و فراتر از نگاه کردن به حداکثر سرعت‌هایی که این بازیکنان تولید می‌کنند، برویم. برای مثال، Jeremiah St. Juste رکورد فصل جاری 36.65 کیلومتر در ساعت را دارد. با این حال، اگر به دفعات سرعت های او نگاه کنیم، متوجه می شویم که او به طور متوسط ​​در هر مسابقه فقط 36.08 بار دوی سرعت می کند! از سوی دیگر، آلفونسو دیویس ممکن است به سرعت سنت جاست نباشد (حداکثر سرعت 31 کیلومتر در ساعت)، اما XNUMX سرعت در هر مسابقه را انجام می دهد! او اغلب با سرعت متوسط ​​بسیار بالاتری می دود و فضایی را برای تیمش در زمین باز می کند.

برنده توپ

بازیکنی با این توانایی چه در مجموع و چه به نسبت زمان بازی خود باعث از دست دادن توپ برای تیم مقابل می شود. او در تعداد زیادی از دوئل‌های زمینی و هوایی برنده می‌شود و اغلب توپ را می‌دزدد یا توپ را قطع می‌کند و خودش کنترل توپ امنی ایجاد می‌کند و امکان ضدحمله را برای تیمش ایجاد می‌کند.

امتیاز مهارت با فرمول زیر محاسبه می شود:

تا لحظه نگارش این مقاله، برنده مقام اول توپ دانیلو سوارس است. او در مجموع 235 دوئل دفاعی دارد. از 235 دوئل دفاعی، او 75 برد را به دست آورده و حریفان را در رویارویی شکست داده است. او در این فصل 51 توپ را در پست دفاعی خود در موقعیت دفاعی مهار کرده است که میزان برد او در حدود 32 درصد است. او به طور متوسط ​​2.4 توپ در 90 دقیقه قطع می کرد.

نمونه مهارت

Skill Bundesliga Match Fact ما را قادر می سازد تا از توانایی ها و نقاط قوت بازیکنان بوندسلیگا پرده برداری کنیم. رتبه بندی مهارت بازیکنان را در کانون توجه قرار می دهد که ممکن است قبلاً در رتبه بندی آمارهای معمولی مانند گل ها مورد توجه قرار نگرفته باشند. به عنوان مثال، بازیکنی مانند مایکل گرگوریچ را در نظر بگیرید. گرگوریچ مهاجم اف سی آگسبورگ است که تا روز بیست و یکم در رده بندی نهایی در رده ششم قرار گرفت. با این حال او تنها در 21 دقیقه بازی موفق به انجام این کار شد! یکی از این گل ها گل تساوی دیرهنگام دقیقه 663 بود که به آگسبورگ کمک کرد تا از باخت خارج از خانه در برلین جلوگیری کند.

از طریق Skill Bundesliga Match Fact نیز می‌توانیم ویژگی‌های مختلف هر بازیکن را تشخیص دهیم. یکی از نمونه های آن ارلینگ هالند ستاره دورتموند است که نشان دوومیدانی و تمام کننده را نیز کسب کرده است و در حال حاضر در بین دوندگان سرعت بوندس لیگا در رده ششم قرار دارد.

همه این معیارها بر اساس داده‌های حرکت بازیکن، داده‌های مربوط به گل، داده‌های مربوط به عملکرد توپ و داده‌های مربوط به پاس است. ما این اطلاعات را در خطوط لوله پردازش می کنیم و آمار مربوطه لازم را برای هر مهارت استخراج می کنیم و به ما امکان می دهد توسعه همه معیارها را در زمان واقعی محاسبه کنیم. بسیاری از آمارهای ذکر شده بر حسب زمان در زمین نرمال می شوند و به بازیکنانی که زمان بازی کمی دارند اما هنگام بازی عملکرد شگفت انگیزی دارند، اجازه می دهد تا در نظر گرفته شوند. ترکیبات و وزن معیارها در یک امتیاز واحد ترکیب می شوند. نتیجه یک رتبه بندی برای همه بازیکنان در چهار مهارت بازیکن است. بازیکنانی که در 10 تیم برتر رتبه بندی می شوند نشان مهارت دریافت می کنند تا به طرفداران کمک کند تا به سرعت ویژگی های استثنایی را که برای تیم خود به ارمغان می آورند شناسایی کنند.

پیاده سازی و معماری

حقایق مسابقه بوندسلیگا که تا این مرحله ایجاد شده اند، مستقل از یکدیگر هستند و تنها به دریافت داده های موقعیت و رویداد و همچنین محاسبات خود متکی هستند. با این حال، این برای مهارت جدید مسابقه بوندسلیگا تغییر می کند، که رتبه بندی مهارت ها را بر اساس داده های تولید شده توسط حقایق بازی موجود، مانند xGoals یا xPass، محاسبه می کند. نتیجه یک رویداد، احتمالاً یک گل باورنکردنی با شانس کم حضور، می تواند تأثیر قابل توجهی در رتبه بندی مهارت تمام کننده داشته باشد. بنابراین، ما یک معماری ساختیم که همیشه به‌روزترین رتبه‌بندی مهارت‌ها را هر زمان که داده‌های زیربنایی به‌روزرسانی شود، ارائه می‌کند. برای دستیابی به به‌روزرسانی‌های بی‌درنگ مهارت‌ها، ما از Amazon MSK، یک سرویس مدیریت‌شده AWS برای آپاچی کافکا، به‌عنوان یک راه‌حل جریان داده و پیام‌رسانی استفاده می‌کنیم. به این ترتیب، حقایق مختلف مسابقات بوندسلیگا می توانند آخرین رویدادها و به روز رسانی ها را در زمان واقعی با هم ارتباط برقرار کنند.

معماری اساسی برای Skill از چهار بخش اصلی تشکیل شده است:

  • An خوشه بدون سرور Amazon Aurora تمام خروجی های حقایق مطابقت موجود را ذخیره می کند. این شامل، برای مثال، داده‌های مربوط به هر پاس (مانند xPass، بازیکن، گیرنده مورد نظر) یا شوت (xGoal، بازیکن، گل) است که از زمان معرفی حقایق مسابقه بوندسلیگا اتفاق افتاده است.
  • مرکزی AWS لامبدا تابع خروجی های Bundesliga Match Fact را در پایگاه داده Aurora می نویسد و به سایر مؤلفه ها اطلاع می دهد که به روز رسانی شده است.
  • یک تابع لامبدا برای هر مهارت، رتبه بندی مهارت را محاسبه می کند. این توابع زمانی اجرا می شوند که داده های جدیدی برای محاسبه مهارت خاص در دسترس باشد.
  • یک خوشه آمازون MSK Kafka به عنوان یک نقطه مرکزی ارتباط بین همه این مؤلفه ها عمل می کند.

نمودار زیر این گردش کار را نشان می دهد. هر زمان که یک رویداد به‌روزرسانی می‌شود، فوراً یک پیام رویداد برای کافکا ارسال می‌کند (مانند مقدار xGoals به‌روزرسانی‌شده برای یک رویداد شات). تابع توزیع کننده مرکزی Lambda به طور خودکار هر زمان که یک Bundesliga Match Fact چنین پیامی ارسال می کند و این داده ها را در پایگاه داده می نویسد، فعال می شود. سپس پیام دیگری از طریق کافکا حاوی داده‌های جدید به کافکا ارسال می‌کند، که به عنوان محرکی برای عملکردهای محاسبه مهارت فردی عمل می‌کند. این توابع از داده‌های این رویداد ماشه و همچنین خوشه زیرین Aurora برای محاسبه و انتشار جدیدترین رتبه‌بندی مهارت‌ها استفاده می‌کنند. برای نگاهی عمیق تر به استفاده از Amazon MSK در این پروژه، به پست وبلاگ Set Piece Threat مراجعه کنید.

خلاصه

در این پست، ما نشان دادیم که چگونه مهارت جدید مسابقه بوندسلیگا، مقایسه عینی بازیکنان بوندسلیگا در چهار بعد اصلی بازیکنان را ممکن می‌سازد، و بر اساس و ترکیب حقایق بازی مستقل سابق بوندسلیگا در زمان واقعی. این به مفسران و طرفداران به طور یکسان اجازه می‌دهد تا توانایی‌های بازیکنی که قبلاً متوجه آنها نشده بود را کشف کنند و نقش‌هایی را که بازیکنان مختلف بوندسلیگا انجام می‌دهند روشن کنند.

واقعیت بازی جدید بوندسلیگا نتیجه تجزیه و تحلیل عمیق کارشناسان فوتبال بوندسلیگا و دانشمندان داده AWS برای تقطیر و طبقه بندی کیفیت بازیکنان فوتبال بر اساس داده های عملکرد عینی است. نشان‌های مهارت بازیکن در ترکیب و در صفحات جزئیات بازیکن در برنامه بوندسلیگا نشان داده می‌شوند. در پخش، مهارت های بازیکن از طریق به مفسران ارائه می شود یاب داستان داده و در هنگام تعویض بازیکن و زمانی که بازیکنی به رده بندی 10 برتر مربوطه صعود می کند، به صورت بصری به هواداران نشان داده می شود.

ما امیدواریم که از این واقعیت بازی کاملاً جدید بوندسلیگا لذت ببرید و بینش جدیدی از بازی در اختیار شما قرار دهد. برای کسب اطلاعات بیشتر در مورد همکاری بین AWS و بوندسلیگا، به این سایت مراجعه کنید بوندسلیگا در AWS!

درباره نویسنده

سیمون رولفس 288 بازی بوندسلیگا به عنوان هافبک میانی انجام داد، 41 گل به ثمر رساند و 26 بازی ملی برای آلمان انجام داد. در حال حاضر رولفس به عنوان مدیر ورزشی در بایر 04 لورکوزن خدمت می کند، جایی که او فهرست بازیکنان حرفه ای، بخش پیشاهنگی و توسعه جوانان باشگاه را نظارت و توسعه می دهد. سیمون همچنین ستون‌های هفتگی در Bundesliga.com درباره آخرین حقایق بازی بوندسلیگا که توسط AWS ارائه شده است می‌نویسد.

لوک فیگدور یک متخصص ارشد فناوری ورزشی در تیم خدمات حرفه ای AWS است. او با بازیکنان، باشگاه‌ها، لیگ‌ها و شرکت‌های رسانه‌ای مانند بوندسلیگا و فرمول 1 کار می‌کند تا به آنها کمک کند تا با استفاده از یادگیری ماشین داستان‌هایی را با داده‌ها تعریف کنند. در اوقات فراغت خود، او دوست دارد همه چیز را در مورد ذهن و تلاقی بین روانشناسی، اقتصاد و هوش مصنوعی یاد بگیرد.

پاسکال کوهنر یک توسعه دهنده برنامه Cloud در تیم خدمات حرفه ای AWS است. او با مشتریان در سراسر صنایع همکاری می کند تا به آنها کمک کند تا از طریق توسعه برنامه، DevOps و زیرساخت به نتایج تجاری خود دست یابند. او علاقه زیادی به ورزش دارد و در اوقات فراغت خود از بازی بسکتبال و فوتبال لذت می برد.

طارق هاشمی یک مشاور در خدمات حرفه ای AWS است. مهارت ها و زمینه های تخصصی او شامل توسعه اپلیکیشن، علم داده، یادگیری ماشین و کلان داده است. او مستقر در هامبورگ، از مشتریان در توسعه برنامه‌های مبتنی بر داده در فضای ابری پشتیبانی می‌کند. او قبل از پیوستن به AWS نیز مشاور در صنایع مختلف مانند هوانوردی و مخابرات بود. او مشتاق است که مشتریان را در سفر داده/هوش مصنوعی به فضای ابری قادر سازد.

یاکوب میکالچیک دانشمند داده در Sportec Solutions AG است. چندین سال پیش، او مطالعات ریاضی را به بازی فوتبال انتخاب کرد، زیرا به این نتیجه رسید که در دومی به اندازه کافی خوب نیست. اکنون او هر دو این علایق را در حرفه حرفه ای خود با استفاده از روش های یادگیری ماشینی ترکیب می کند تا بینش بهتری نسبت به این بازی زیبا به دست آورد. او در اوقات فراغت خود همچنان از بازی فوتبال هفت نفره، تماشای فیلم های جنایی و گوش دادن به موسیقی فیلم لذت می برد.

خاویر پوودا-پانتر یک دانشمند داده برای مشتریان ورزشی EMEA در تیم خدمات حرفه ای AWS است. او مشتریان را در حوزه ورزش تماشاگران قادر می‌سازد تا نوآوری کنند و از داده‌های خود بهره‌مند شوند و از طریق یادگیری ماشینی و علم داده، تجربیات باکیفیت کاربران و طرفداران را ارائه دهند. او در اوقات فراغت خود اشتیاق خود را برای طیف وسیعی از ورزش، موسیقی و هوش مصنوعی دنبال می کند.

تمبر زمان:

بیشتر از آموزش ماشین AWS