Fotbal je pravděpodobně nejpopulárnějším sportem na světě. Podle FIFA.com se na světový pohár ve fotbale 2014 naladilo celkem 3,2 miliardy lidí. Věděli jste ale, že technologie hraje klíčovou roli při vytváření fotbalu, jaký je dnes? Ve skutečnosti lze moderní fotbal považovat za samostatný autonomní sektor IT, a to díky rozsáhlému využití nových a starších technologií ve sportu.
Mezi technologie používané na světovém poháru patří ty starší, jako je rozpoznávání obrazu a analýza vzorů, a přístupy nového věku, jako je umělá inteligence a cloud computing. Ve skutečnosti by pro každého, kdo má potřebné dovednosti a je vášnivý této hře, mohla být technická práce v oblasti fotbalu splněným snem.
V tomto blogu se budeme zabývat pěti hlavními technologiemi, které určují způsob, jakým si fotbal užíváme, jak jej známe.
Big Data a Analytics
V oblasti sportu je spousta údajů, zejména celosvětový turnaj jako FIFA. Například pro komplexní analýzu a návrh prediktivních algoritmů požadujeme dobrých 185 polí dat - to je pro každého hráče jen minimum.
jak používat vznášet se v css
Ne všechna data generovaná a používaná k analýzám jsou dnes strukturovaná. Data dnes zahrnují nestrukturované komponenty, jako jsou videa, obrázky, příspěvky na sociálních médiích a mnoho dalšího. Tomu se říká velká data. Je zřejmé, že jednoduchých analýz lze dosáhnout pomocí textových a číselných dat, ale pokud jde o složité algoritmy, jako je analýza výkonu týmu, předpovědi statistik zdraví hráčů atd., Jednoduchá matematika a tradiční nástroje, jako je Microsoft Excel, nejsou dost dobré. Mnoho analytik v moderním fotbale zahrnuje nástroje jako Apache Hadoop, Apache Spark a Apache Kafka kvůli povaze dat.
Pokud jste fotbalovým fanouškem, možná víte, že Německo zvítězilo na mistrovství světa ve fotbale 2014 zničením své konkurence. Věděli jste ale, že tento národní tým odvodil své postřehy pomocí komplexního systému pro analýzu velkých dat? Pokřtěný Match Insights, tento nástroj byl spuštěn v roce 2012 a byl vyvinut s generálním manažerem německého národního týmu Oliverem Bierhoffem, který se ujal vedení. Tento rozsáhlý projekt se začal formovat, když skupina asi 50 studentů na Deutsche Sporthochschule Koeln začala vytvářet komplexní databázi se statistikami všech hráčů účastnících se nadcházejícího turnaje. A jak se dalo očekávat, podstatnou sbírkou těchto dat bylo video z osmi různých polních kamer, které obklopují hřiště. Na hřiště se podle tvůrců nástrojů databáze dívá jako na mřížku. V každém scénáři je každému hráči přidělen jedinečný identifikátor. To umožňuje jejich pohyby a akce sledovat digitálně, což zase umožňuje komukoli měřit klíčové ukazatele výkonu, včetně počtu dotyků, rychlostí pohybu a průměrné doby držení.
S využitím těchto dat studenti navrhli algoritmus, který vytvořil finální model. Tento model se stal základem strategií německého týmu proti všem protivníkům.
Pokud máte zájem dozvědět se více informací o analýze dat, toto je dobré místo začít.
Business Intelligence (BI) a vizualizace dat
Jedná se o jedno technologické pole, které je patrné téměř ve všech sportech, protože je v popředí sledovanosti. Odvozené tabulky, grafy, grafy a tepelné mapy, vizualizace dat a business inteligence jsou pole, která od počátku 21. století definují moderní sporty.Svatýstoletí. Každý je obeznámen s pruhovými grafy s výsledky hráčů, koláči zobrazujícími týmovou distribuci a žebříčkovými tabulkami. To vše není nic jiného než komplexní zobrazení využívající datovou inteligenci.
Abychom pochopili rozdíl, který vizualizace dat přináší do tabulky, vezmeme si jednoduchý příklad počtu hráčů z každé země registrovaných na tým ve FIFA právě teď. Zde jsou data, nejprve ve formě tabulky a poté ve formě tepelné mapy na mapě světa.
Nyní jen dvě otázky:
- Který je vizuálně příjemnější?
- Který z těchto dvou vyvolává více poznatků?
Zdaleka odpovědí na obě otázky jsou mapy. Vizualizace dat nejenže přitahuje pozornost, ale také usnadňuje pochopení a odvození poznatků. Pokud jde o vizualizaci dat ve FIFA, používají se většinou nástroje jako IBM Cognos, Tableau a QlikView.
Internet věcí (IoT)
V předchozích dvou částech jsme diskutovali analýzu a vykazování dat. Pojďme se nyní podívat, jak lze tato data shromažďovat.
Většina aktuálního sběru dat se provádí pomocí tradičních přístupů, jako je rovina XY nebo analýza mřížky na poli pro umístění hráče a míče, externí sledovací zařízení pro detekci pohybu a rychlosti atd. Ale díky inteligentním nositelům a internetu věcí, které svět berou došlo k velkému výzkumu a vývoji v oblasti aplikací těchto technologií ve sportu.
Abychom tomu lépe porozuměli, vezměme si příklad nástroje Match Insights německého fotbalového týmu, o kterém jsme diskutovali dříve. Všechna data shromážděná pro finální model byla odvozena externě. Jak již bylo řečeno, analýza pozice a pohybu hráče ve skutečnosti vyžadovala, aby tým pracoval na sadě komplexních kódů. Tento program poté analyzoval video kanály z osmi různých kamer a poté přišel s výsledkem. Upřímně řečeno, je to docela hektický a časově náročný úkol.
Zjednodušení je stejně snadné jako plácnutí po chytrém trackeru na paži každého hráče. Ve skutečnosti tyto inteligentní sledovače lze použít nejen k odvození polohy hráče, ale také k záznamu dalších statistik, jako je ujetá vzdálenost, rychlost pohybu, srdeční frekvence a mnohem více. Na základě této stejné myšlenky bylo zavedeno sledování míče, sledování čáry a další inovace ve fotbale nového věku.
Zdroj obrázku: IBM
IoT je tak rozsáhlá oblast, že IBM má specializovaný tým pracující na rozsáhlém projektu využívajícím kognitivní IoT, jak se tomu říká. Tým vytvořil několik hardwarových a softwarových řešení postavených na slavné IBM umělé inteligenci IBM Watson.
Cloud Computing
- Sběr dat - kontrola
- Analýza dat - kontrola
- Hlášení dat - zkontrolujte
Pokryli jsme tři hlavní aktivity související s daty, ale chybí zde další zásadní pilíř - úložiště dat.
Pokud to byl rok 2003, bylo pro to jen několik možností - místní počítače nebo vzdálené instance. Ale jak již víme, množství dat shromážděných pro každou jednotlivou hru je dnes příliš vysoké na to, aby to zvládl jeden malý počítač. Navíc to nejsou jednoduchá strukturovaná data. Nejlepší řešení pro ukládání tohoto druhu dat v cloudu. Cloud je nejen snadno nastavitelný systém, ale je také ekonomický, pokud jde o ukládání obrovských kusů nestrukturovaných dat.
Cloudové výpočty umožňují vzdálené ukládání dat. Většina dnešních cloudových řešení navíc poskytuje integrované nástroje, které mohou také pomoci při analýze a vytváření sestav. Další velkou výhodou používání cloudového systému místo místního počítače jsou problémy se zabezpečením a ochranou soukromí, které cloudové adresy řeší. Většina cloudových instancí je šifrována pomocí soukromých klíčů, což ztěžuje hacknutí nebo získání neoprávněného přístupu k nim. A protože úložiště může být elastické, nikdy nebude nutné mazat stará data, aby se vytvořil prostor pro novější. To zajistí vysokou kvalitu a větší hodnotu v historických analýzách. Nakonec lze k datům uloženým v cloudu přistupovat z jakéhokoli zařízení a z jakéhokoli místa. Díky této flexibilitě je cloud computing ideální volbou pro ukládání sportovních dat.
Mezi populární cloudová řešení, která se dnes používají, patří Amazon Web Services, Microsoft Azure, IBM Bluemix a Google Cloud Platform.
Umělá inteligence (AI) a strojové učení (ML)
Pokud jde o trendové technologie, existuje jen velmi málo z nich, které umělé inteligenci a strojovému učení ulahodí svým penězům. S množstvím generovaných dat není tak těžké navrhnout inteligenci strojů, která dokáže doslova předpovídat budoucnost. Před několika lety byl humbuk FIFA kolem chobotnice Pavla, který dokázal předpovědět vítěze každého zápasu. Jistě, organická bytost měla úspěšnost jen něco málo přes 85 procent, ale nyní přecházíme do digitálního světa a věštění ve skutečnosti není jeho součástí.
Aby nahradila ztrátu tohoto mimořádného tvora, pracovala skupina analytiků dat Google na systému strojového učení, který odvozoval historické poznatky z generací fotbalových her a předpovídal výsledek každého zápasu na mistrovství světa FIFA 2014. Systém dokázal úspěšně předpovědět 14 ze 16 zápasů, ve kterých byl použit, čímž byl téměř o tři procenta efektivnější než dříve používaný mořský tvor. Navíc podle jeho tvůrců došlo k těmto dvěma chybám kvůli chybám a nekonzistenci v datech.
Abych byl upřímný, algoritmus umělé inteligence nebo strojového učení ve skutečnosti nepředpovídá vítěze, pouze seřadí výhody podle pořadí, což nám dává pravděpodobnost, že každý tým vyhraje zápas.
Pomocí jednoduchého, ale elegantního algoritmu strojového učení můžeme dosáhnout letošního světového poháru FIFA k tomuto výsledku: * Varování: spoiler *
Zdroj algoritmu: Kaggle
PS: Čím nižší číslo, tím lepší šance pro tento tým.
Umělá inteligence a strojové učení mohou být použity nejen pro tyto druhy analýz, ale mohou být také použity pro zlepšení výkonu hráčů, automatizaci každodenních řešení business intelligence a mnoho dalšího.
Světový pohár ve fotbale 2018 je tady! Stejně jako všichni milujeme tento sport, doufáme, že učení o technologiích, které stojí za tím, aby byl tento sport tím, čím je, nám pomůže více si ho vážit.
Toto je pět populárních technologií ve FIFA, které mění hru, jak ji známe. Každý z nich nabízí svůj spravedlivý podíl na výhodách, díky nimž je tento sport lepší než předtím - pro hráče i fanoušky. A co víc, pokud máte potřebné dovednosti, můžete se dokonce dostat do zaměstnání souvisejícího s IT v oblasti sportu.
Doufáme, že se vám naše pokrytí technologií ve FIFA líbilo, pokud víte o dalších aplikacích trendových technologií ve FIFA nebo ve sportu, dejte nám prosím vědět v níže uvedené sekci komentářů. Nezapomeňte se přihlásit k odběru našeho blogu, abyste získali více pokrytí FIFA a technologií.