Фудбал је вероватно најпопуларнији спорт на свету. Према ФИФА.цом, укупно 3,2 милијарде људи се прилагодило гледању Светског првенства у фудбалу 2014. године. Али, да ли сте знали да технологија игра пресудну улогу у стварању фудбала онаквим какав је данас? У ствари, савремени фудбал се може сматрати самосталним ИТ сектором због велике примене нових и застарелих технологија у спорту.
Технологије које се користе у светском купу укључују наслеђе попут препознавања слика и анализе образаца и новије доба попут вештачке интелигенције и рачунарства у облаку. Заправо, за свакога ко има потребне вештине и заљубљује се у игру, технички посао на пољу фудбала могао би бити остварење снова.
На овом блогу ћемо разговарати о пет главних технологија које дефинишу начин на који уживамо у фудбалу какав познајемо.
Велики подаци и аналитика
Много је података укључених у спортску област, посебно на глобални турнир попут ФИФА. На пример, да бисмо свеобухватно анализирали и дизајнирали алгоритме за предвиђање, потребно нам је добрих 185 поља података - то је само минимум за сваког играча.
Нису сви подаци генерисани и коришћени за анализе данас структурирани. Подаци данас садрже неструктуриране компоненте као што су видео снимци, слике, постови на друштвеним мрежама и још много тога. То се назива великим подацима. Очигледно је да се једноставне анализе могу постићи коришћењем текстуалних и нумеричких података, али када су у питању сложени алгоритми попут аналитике учинка тима, предвиђања статистике здравља играча итд., Једноставна математика и традиционални алати попут Мицрософт Екцел-а нису довољно добри. Много аналитике у савременом фудбалу укључује алате попут Апацхе Хадооп, Апацхе Спарк и Апацхе Кафка због природе података.
Ако сте љубитељ фудбала, можда знате да је Немачка освојила ФИФА-ин светски куп 2014. уништавајући своје такмичење. Али, да ли сте знали да је овај национални тим свој увид стекао коришћењем сложеног система за анализу великих података? Крштени Матцх Инсигхтс, овај алат је покренут 2012. године и развијен је са генералним директором немачког националног тима Оливером Биерхоффом, који је водио наплату. Овај опсежни пројекат почео је да се обликује када је група од око 50 ученика Деутсцхе Спортхоцхсцхуле Коелн започела стварање свеобухватне базе података са статистиком свих играча који су учествовали на предстојећем турниру. И, као што се очекивало, значајну колекцију ових података чинили су видео снимци са осам различитих теренских камера које окружују терен. Према ствараоцима алата, висина тона базу приказује као мрежу. У сваком сценарију, сваком играчу се додељује јединствени идентификатор. Ово омогућава дигитално праћење њихових кретања и радњи, што заузврат омогућава било коме да мери кључне индикаторе учинка, укључујући број додира, брзину кретања и просечно време поседовања.
Користећи ове податке, студенти су дизајнирали алгоритам који је осмислио коначни модел. Овај модел је постао основа за глупе стратегије немачког тима против свих њихових противника.
Ако сте заинтересовани да сазнате више чињеница о аналитици података, ово је добро место за почетак.
Пословна интелигенција (БИ) и визуелизација података
Ово је једно технолошко подручје које је очигледно у готово свим спортовима јер предњачи у гледаности. Изведене табеле, графикони, графикони и мапе топлоте, визуелизација података и пословна интелигенција поља су која дефинишу савремени спорт од почетка 21. века.ствека. Свима су познате тракасте табеле са резултатима играча, пита који приказују дистрибуцију тимова и табеле рангирања. Све ово није ништа друго до свеобухватан приказ који користи интелигенцију података.
Да бисмо разумели разлике које визуализација података доноси у табелу, узмимо једноставан пример броја играча из сваке земље који су тренутно регистровани по тиму у ФИФА-и. Ево података, прво у облику табеле, а затим у облику топлотне карте светске мапе.
Сад само два питања:
- Који је визуелно угоднији?
- Шта од ове две изазива више увида?
Далеко одговор на оба питања су мапе. Визуелизација података не само да их чини привлачним за гледање, већ и олакшава разумевање и добијање увида. Када је реч о визуализацији података у ФИФА-и, углавном се користе алати попут ИБМ Цогнос, Таблеау и КликВиев.
Интернет ствари (ИоТ)
У претходна два одељка разговарали смо о анализи и извештавању података. Погледајмо сада како се ови подаци могу прикупљати.
Већина тренутног прикупљања података врши се помоћу традиционалних приступа попут КСИ равни или анализе мреже на терену за локацију играча и лопте, спољни уређаји за праћење за детекцију кретања и брзине итд. Али, са паметним уређајима за ношење и ИоТ-ом свет заузима, било је пуно истраживања и развоја примене ових технологија у спорту.
Да бисмо ово боље разумели, узмимо пример алата за увид у утакмицу немачке фудбалске репрезентације о коме смо раније разговарали. Сви подаци прикупљени за коначни модел изведени су екстерно. У ствари, као што је већ речено, анализа положаја и кретања играча захтевала је од тима да ради на скупу сложених кодова. Овај програм је затим анализирао видео записе са осам различитих камера, а затим је дошао до резултата. Искрено, то је прилично ужурбан и дуготрајан задатак.
Поједноставити ово је без напора као и шамарање паметним трагачем по руци сваког играча. У ствари, ови паметни трацкери не могу се користити само за одређивање локације играча, већ се могу користити и за бележење других статистика, као што су пређени пут, брзина кретања, рад срца и још много тога. Надовезујући се на исту ту идеју, уведено је праћење лопти, праћење линија и друге нововековне иновације у фудбалу.
Извор слике: ИБМ
ИоТ је толико велико поље да ИБМ има посвећени тим који ради на опсежном пројекту који користи когнитивни ИоТ, како га они називају. Тим је осмислио неколико хардверских и софтверских решења изграђених преко ИБМ-ове чувене вештачке интелигенције, ИБМ Ватсон.
Цлоуд Цомпутинг
- Прикупљање података - Провери
- Анализа података - провера
- Извештавање података - Проверите
Покрили смо три главне активности повезане са подацима које постоје, али недостаје још један кључни стуб - складиштење података.
Ако је ово била 2003. година, било је само неколико опција за то - локалне машине или удаљене инстанце. Али као што већ знамо, количина података прикупљених за било коју поједину игру данас је превисока да би један мали рачунар могао да је носи. Штавише, то нису једноставни структурирани подаци. Најбоље решење за чување ове врсте података у облаку. Цлоуд није само једноставан за подешавање, већ је и економичан када је у питању складиштење огромних делова неструктурираних података.
пренос датотека на инстанцу ец2 линук
Рачунарство у облаку омогућава даљинско складиштење података. Поред тога, већина данашњих решења у облаку нуде интегрисане алате који такође могу помоћи у анализи и извештавању. Још једна велика предност употребе система у облаку уместо локалне машине су проблеми са сигурношћу и приватношћу којима се обрачунавање у облаку обраћа. Већина инстанци у облаку су шифроване приватним кључевима што отежава хаковање или неовлашћен приступ њима. А како складиште може бити еластично, никада неће бити потребе за брисањем старих података да бисте направили места за новије. Ово ће осигурати висок квалитет и већу вредност у историјским анализама. Коначно, подацима ускладиштеним у облаку може се приступити са било ког уређаја и са било које локације. Ова флексибилност такође чини рачунарство у облаку идеалним избором за складиштење спортских података.
Популарна решења у облаку која се данас користе укључују Амазон Веб Сервицес, Мицрософт Азуре, ИБМ Блуемик и Гоогле Цлоуд Платформ.
Вештачка интелигенција (АИ) и машинско учење (МЛ)
Када је реч о трендовским технологијама, врло је мало оних који вештачкој интелигенцији и машинском учењу дају напор за свој новац. Са количином генерисаних података није тако тешко дизајнирати машинску интелигенцију која може буквално предвидети будућност. Пре неколико година, ФИФА-ин хипе био је око хоботнице Паул, која је могла да предвиди победнике у сваком мечу. Наравно, органско створење је имало стопу успеха нешто изнад 85 процената, али ми се сада селимо у дигитални свет и прорицање заправо није његов део.
Да би надокнадио губитак овог изванредног створења, група Гоогле аналитичара података радила је на систему машинског учења који је извео историјске увиде из фудбалских утакмица вредних генерацијама и предвидео исход сваке утакмице на ФИФА светском првенству 2014. године. Систем је успео да предвиди 14 од 16 подударности у којима је коришћен, што га чини готово три одсто ефикаснијим од претходно запосленог морског створења. Штавише, према творцима, две пропусти су се догодиле због грешака и недоследности у подацима.
Да будем потпуно искрен, вештачка интелигенција или алгоритам машинског учења заправо не предвиђа победника, већ само слаже услуге редом, пружајући нам вероватноћу да ће сваки тим победити у мечу.
Користећи једноставан, али елегантан алгоритам машинског учења, можемо доћи до следећег резултата за овогодишњи ФИФА-ин светски куп: * Споилер Алерт *
Извор алгоритма: Каггле
П.С: Што је нижи број, то су веће шансе за тај тим.
Вештачка интелигенција и машинско учење не само да се могу користити за ове врсте анализа, већ се могу користити и за побољшање перформанси играча, аутоматизацију свакодневних решења за пословну интелигенцију и још много тога.
Светско првенство у фудбалу 2018. је стигло! Колико год сви волимо спорт, надамо се да нам учење о технологијама које стоје иза тога да спорт постане такав какав јесте помаже да га више ценимо.
Ово је пет популарних технологија у ФИФА-и које мењају игру какву познајемо. Сваки од њих нуди свој удео предности чинећи спорт бољим него што је био пре - како за играче тако и за навијаче. Штавише, ако имате неопходан скуп вештина, могли бисте чак да уђете у посао везан за ИТ у области спорта.
Надамо се да вам се свидело наше извештавање о технологијама у ФИФА-и, ако знате за још неке примене трендовских технологија у ФИФА-и или спорту, уопште нас обавестите тако што ћете нам писати у одељку за коментаре у наставку. Обавезно се претплатите на наш блог за више информација о ФИФА-и и технологији.