Карнеги-Меллон совершает революцию в спортивной аналитике:новаторские идеи на основе данных для конкурентного преимущества
Эндрю Корселли
(Изображение:StockSnap через Pixabay)Сегодняшние спортивные аналитики имеют доступ к большему количеству — и более качественных — данных, чем когда-либо прежде. Эксперты Университета Карнеги-Меллон превращают эти данные в ценные сведения, используя статистику и науку о данных, чтобы помочь профессиональным командам получить конкурентное преимущество.
«Каждую десятую долю секунды чипы данных нового поколения НФЛ предоставляют информацию о том, где находится каждый игрок на поле — о направлении и скорости их движения», — говорит Рон Юрко, доцент кафедры статистики и обработки данных Университета Кью-Мексико и директор Центра спортивной аналитики Карнеги-Меллона.
Отслеживание игроков на поле выходит за рамки НФЛ.
Рон Юрко (Изображение:CMU)«У MLB есть информация обо всех изменениях в Высшей лиге бейсбола», — сказал Юрко, который также является академическим партнером НФЛ. «В бейсболе и баскетболе есть так называемые «данные о позе скелета», где мы каждую долю секунды знаем, где находится локоть, плечо, коленная чашечка и в трехмерном пространстве».
Конечно, каждый хочет ответить на вопрос — от владельцев команд, менеджеров и тренеров до аналитиков, игроков, делающих ставки, и болельщиков — что делать со всеми этими данными. Читайте эксклюзивные Технические обзоры интервью, отредактированное для большей длины и ясности, с Юрко, который точно знает, что делать с данными.
Технические обзоры :Какие технологии вы используете для сбора этих данных? А не могли бы вы объяснить простыми словами, как все это работает?
Юрко :Мы не собираем данные лично в Карнеги-Меллоне; эти данные взяты из НФЛ.
В НФЛ есть чипы на подплечниках каждого игрока на поле. Они определяют свое положение на поле каждую десятую долю секунды; как быстро они движутся; направление, в котором они движутся и меняются; как они ускоряются по ходу пьесы. Затем, как исследователи, мы получим доступ к этим данным — будь то благодаря сотрудничеству с НФЛ или публикации данных, которые они предоставляют — и будем над ними работать. Какие новые идеи мы можем извлечь из этого? А наши студенты будут работать над этими проектами, они примут участие в ежегодном соревновании НФЛ Big Data Bowl, и тогда это приведет к появлению новых возможностей трудоустройства.
А на уровне колледжей происходит то, что у них нет чипов в подплечниках, как у игроков колледжа, но у вас есть потрясающее количество видео. И используя технологию компьютерного зрения AI, мы можем преобразовать это видео в очень похожий тип данных, которые поступают от чипов в НФЛ. Команды НФЛ сейчас работают с одними и теми же обширными данными отслеживания по всему студенческому футболу; они используют это, чтобы выяснить, кого им следует выбрать.
Технические обзоры :Можете ли вы рассказать о некоторых чипах, которые они используют?
Юрко :В НФЛ это RFID-чипы — инфракрасные сигналы, которые улавливаются на стадионах НФЛ. Именно системы локального позиционирования действительно предоставляют чрезвычайно богатые данные, которыми располагает НФЛ. Кроме того, теперь НФЛ присоединилась к таким компаниям, как Высшая лига бейсбола и НБА, где у них есть полноценные системы камер по всему стадиону. И в прошлом году НФЛ использовала эту систему камер, я думаю, это «Ястребиный глаз», чтобы определить, где находится мяч, чтобы отметить первый даун — пересекает ли мяч первую нижнюю линию — вместо того, чтобы иметь дело со старомодными цепями. Теперь это можно автоматизировать, потому что они могут подобрать футбольный мяч.
Благодаря той же технологии НФЛ теперь имеет доступ к тому, где буквально находятся руки, локти и колени спортсменов — полное скелетное представление футболистов на поле за доли секунды. Эта технология сейчас существует и используется в НФЛ. Его уже несколько лет используют команды Высшей бейсбольной лиги и команды НБА, но сейчас мы наблюдаем его и в других видах спорта.
Технические обзоры :В какой лиге, по вашему мнению, самые передовые технологии?
Юрко :Я бы сказал, на данный момент, Высшей бейсбольной лиги. Вероятно, это самый продвинутый вариант с точки зрения использования технологий и статистики. «Moneyball» – известная история начала 2000-х годов об использовании данных командой "Окленд Эйс".
Итак, команды Высшей бейсбольной лиги определенно были первыми, кто начал думать о том, как мы интегрируем технологии и используем статистическое моделирование и машинное обучение, чтобы понять, как оценивать игроков. Это видно не только по командам, но и по самим игрокам.
Игроки будут посещать эти лаборатории по подаче — они используют высокоскоростные камеры, чтобы понять, что происходит, когда они меняют хват бейсбольного мяча; как это меняет силы, траекторию полета и движение; проектирование новых площадок. И они буквально сами используют все эти технологии и данные, чтобы стать лучшими игроками. Итак, бейсбол опережает другие виды спорта.
В НФЛ, когда в 2017 году началось отслеживание данных с чипов, это привело к некоторой гонке вооружений, когда теперь команды НФЛ начали нанимать специалистов по обработке данных, инженеров по машинному обучению, чтобы действительно понять, как вы работаете со всей этой информацией.
Технические обзоры :В той статье, которую я прочитал, вы цитируете слова:"Буквально каждую десятую долю секунды чипы данных нового поколения НФЛ предоставляют информацию о положении, скорости и направлении каждого игрока. Теперь вопрос в том, что делать со всеми этими данными". Итак, мой вопрос:каков ответ? Что вы делаете со всеми этими данными? Каковы ваши дальнейшие шаги? Куда вы пойдете дальше?
Юрко :Это хороший вопрос. Над чем мы работаем как исследователи и что, как мы знаем, используется командами НФЛ, это то, как мы можем охарактеризовать движение, которое мы наблюдаем, и понять, что такое ценный тип движения, ценное позиционирование - например, какие защитники лучше всего прикрывают принимающих, когда они бегут по маршруту. Это был тот тип статистики, к которому у нас раньше не было доступа при традиционном подсчете очков. Если бы у вас был защитник, прикрывающий принимающего, и если бы он был таким замечательным защитником, которого квотербек никогда не пытался бросить в его сторону, он никогда не получил бы перехвата, никогда не получил бы подката, у него никогда не было бы никакой статистики.
Расшифровка
00:00:02 Если считать футбол чем-то вроде ужина, разведки, тренировки, то это стейк. Спортивная аналитика для меня – это картофельное пюре. Это подливка. Это то, что может сделать хорошую еду отличной едой. Они занимаются разведкой на комбинате последние 40 лет. Как далеко вы можете прыгнуть? Какой у тебя рост? Что нового мы можем выяснить? Когда мы ожидаем, что этого человека призовут в армию? Аналитика лежит практически в каждом аспекте игры. CMSAC — Центр спортивной аналитики Карнеги-Меллона,
00:00:28 — это наш центр исследований, образования и различных мероприятий, которые мы проводим в Университете Карнеги-Меллон. Наши студенты стали эталоном тех людей, которых ищут профессиональные спортивные команды и лиги. Теперь у нас есть доступ к долям секунды, в которых находится каждый игрок на футбольном поле благодаря чипам, которые находятся в его подплечниках. Таким образом, мы буквально каждую десятую долю секунды знаем, как быстро они движутся, в каком направлении они движутся, какова ориентация их плеч. Итак, то, на чем мы как группа сосредоточились, - это создание статистической методологии,
00:01:02 методы машинного обучения и инструменты искусственного интеллекта, которые могут привести к практическим выводам. Учитывая этот набор данных, можем ли мы подойти к анализу достаточно творчески, чтобы выявить полезную информацию и создать конкурентные преимущества для команды? В ходе игры мы можем буквально предсказать, где они окажутся на поле, сколько ярдов они наберут. Какова вероятность того, что они совершят тачдаун. Верно. Все это требует довольно сложной методологии. Спорт очень много значит для многих людей. Данные дают еще один способ приобщиться к спорту.
00:01:35 Возможность взять неструктурированные данные, погрузиться в них и рассказать историю — это очень полезно. Удивительно видеть, как студенты CMU превращают свои увлечения в карьеру, которая, как вы знаете, помогает формировать будущее профессионального футбола. Если вы считаете футбол чем-то вроде ужина, скаутинга, тренировки, то это стейк. Спортивная аналитика для меня – это картофельное пюре. Это подливка. Это то, что может сделать хорошую еду отличной едой. Они занимаются разведкой на комбинате последние 40 лет. Как далеко вы можете прыгнуть?
01:00:19 Какой у тебя рост? Что нового мы можем выяснить? Когда мы ожидаем, что этого человека призовут в армию? Аналитика лежит практически в каждом аспекте игры. CMSAC — это Центр спортивной аналитики Карнеги-Меллона, который является нашим центром исследований, образования и различных мероприятий, которые мы проводим в Университете Карнеги-Меллона. Наши студенты стали эталоном тех людей, которых ищут профессиональные спортивные команды и лиги. Теперь нам доступны доли секунды, где находится каждый игрок
01:00:51 на футбольном поле из-за сколов, которые находятся в подплечниках. Таким образом, мы буквально каждую десятую долю секунды знаем, как быстро они движутся, в каком направлении они движутся, какова ориентация их плеч. Итак, на чем мы как группа сосредоточились, так это на создании статистической методологии, методов машинного обучения и инструментов искусственного интеллекта, которые могут привести к практическим выводам. Учитывая этот набор данных, можем ли мы подойти к анализу достаточно творчески, чтобы выявить полезную информацию и создать конкурентные преимущества для команды? В ходе игры мы можем буквально предсказать, где они окажутся на поле, сколько ярдов они наберут и наберут.
01:01:25 Какова вероятность того, что они получат тачдаун. Верно. Все это требует довольно сложной методологии. Спорт очень много значит для многих людей. Данные дают еще один способ приобщиться к спорту. Возможность взять неструктурированные данные, погрузиться в них и рассказать историю — это очень полезно. Удивительно видеть, как студенты CMU превращают свои увлечения в карьеру, которая, как вы знаете, помогает формировать будущее профессионального футбола.
Датчик
- Крошечные детекторы света регистрируют входящий угол света
- Как роботы меняют пищевую промышленность
- Материал, похожий на безе, снижает шум самолета
- Ультратонкий терагерцовый источник прокладывает путь к следующему поколению коммуникационных технологий
- Переход от реактивного к превентивному управлению температурным режимом
- Алгоритм объединения датчиков использует необработанные данные для автомобильных моделей
- CARL-Bot учится ездить на подводных вихревых кольцах для эффективного движения
- Твердотельный датчик углекислого газа
- 5 Вт крылатого летающего микрочипа
- Технология автономных датчиков для обратной связи в режиме реального времени об охлаждении и обогреве