احتمالية الفوز بالحقيقة في مباراة الدوري الألماني: قياس تأثير الأحداث داخل اللعبة على فرص الفوز باستخدام التعلم الآلي على AWS

بعد عشر سنوات من الآن ، ستكون اللياقة التكنولوجية للأندية مساهماً رئيسياً في نجاحها. نشهد اليوم بالفعل إمكانات التكنولوجيا لإحداث ثورة في فهم كرة القدم. x الأهداف يقيس ويسمح بمقارنة إمكانات تسجيل الأهداف في أي حالة إطلاق نار ، بينما xThreat و EPV تتنبأ النماذج بقيمة أي لحظة في اللعبة. في النهاية ، تخدم هذه الإحصائيات المتقدمة وغيرها هدفًا واحدًا: تحسين فهم من سيفوز ولماذا. أدخل حقيقة مباراة البوندسليجا الجديدة: احتمالية الفوز.

في المباراة الثانية لبايرن ميونيخ ضد بوخوم الموسم الماضي ، انقلبت الطاولات بشكل غير متوقع. في بداية المباراة ، سجل ليفاندوفسكي 1: 0 بعد 9 دقائق فقط. يتم تذكير "الفأر الرمادي" في الدوري على الفور بكارثة 7: 0 عندما واجه بايرن ميونيخ للمرة الأولى في ذلك الموسم. لكن ليس هذه المرة: سجل كريستوفر أنتوي أدجي هدفه الأول للنادي بعد 5 دقائق فقط. بعد تصوّر لهدف من ركلة جزاء في الدقيقة 38 ، بدا فريق موناكو دي بافاريا مشلولًا وبدأت الأمور تتفجر: جوزة الطيب جامبوا كومان وينتهي بتسديدة قوية لهدف ، وهولتمان يجعل النتيجة 4: 1 قريبة من نهاية الشوط الأول مع قاذف. من اليسار. لم يكن بايرن قد تصور هذه الأهداف العديدة في الشوط الأول منذ عام 1975 ، وبالكاد كان قادرًا على الخروج بنتيجة 4: 2. من كان يمكن أن يخمن ذلك؟ لعب كلا الفريقين بدون حراسهم الأوائل ، وهو ما يعني بالنسبة لبايرن أن يغيب عن قائدهم مانويل نوير. هل يمكن أن ينقذهم وجوده من هذه النتيجة غير المتوقعة؟

وبالمثل ، قامت كولونيا بإطلاق زنجرين استثنائيين في موسم 2020/2021. عندما واجهوا دورتموند ، كانوا قد خاضوا 18 مباراة دون فوز ، بينما كان هالاند لاعب دورتموند يقدم مستوى رئيسي في تسجيل الأهداف في ذلك الموسم (23 في 22 مباراة). كان دور المرشح الأوفر حظاً واضحاً ، لكن كولونيا تقدمت مبكراً بفارق 9 دقائق فقط على مدار الساعة. في بداية الشوط الثاني ، سجل الصخيري هدفا بنسخ الكربون من هدفه الأول: 0: 2. وضع دورتموند قوة هجومية وصنع فرصًا كبيرة وسجل 1: 2. من بين جميع اللاعبين ، غاب هالاند عن حاضنة بعد 5 دقائق من الوقت الإضافي وتوج كولون بالنقاط الثلاث الأولى في دورتموند بعد 3 عامًا تقريبًا.

في وقت لاحق من ذلك الموسم ، فاجأ كولون - الذي كان الأخير في الترتيب على أرضه - RB Leipzig ، الذي كان لديه كل الحافز للاقتراب من بايرن ميونيخ متصدر البطولة. ضغط الخصم لايبزيغ على "بيلي جواتس" بتسجيله 13 تسديدة على المرمى في الشوط الأول ، مما زاد من فرصهم العالية بالفعل في تحقيق الفوز. ومن المفارقات أن كولونيا سجلت 1: 0 مع أول تسديدة على المرمى في الدقيقة 46. بعد أن سجل "ريد بولز" هدف التعادل الذي يستحقه ، ناموا بعد 80 ثانية فقط من رمية التماس ، مما أدى إلى تسجيل جوناس هيكتور لكولونيا. تكرارا. تمامًا مثل دورتموند ، وضع لايبزيج الآن كل طاقته في الهجوم ، لكن أفضل ما تمكنوا من تحقيقه هو ضرب القائم في الوقت الإضافي.

في كل هذه المباريات ، كان الخبراء والمبتدئين على حد سواء قد خمنوا خطأً الفائز ، حتى في المباراة. ولكن ما هي الأحداث التي أدت إلى هذه التقلبات المفاجئة في احتمالية الفوز في اللعبة؟ في أي دقيقة تجاوزت فرصة المرشح المستضعف للفوز فرصة المرشح الأوفر حظا بسبب نفاد الوقت؟ عمل كل من Bundesliga و AWS معًا لحساب وتوضيح التطور المباشر لفرص الفوز طوال المباريات ، مما يتيح للمشجعين رؤية اللحظات الرئيسية لتقلبات الاحتمالات. والنتيجة هي حقيقة مباراة Bundesliga الجديدة التي تعتمد على التعلم الآلي (ML): احتمالية الفوز.

كيف تعمل؟

تم تطوير احتمالية فوز حقيقة المباراة في الدوري الألماني الجديد من خلال بناء نماذج ML التي حللت أكثر من 1,000 لعبة تاريخية. يأخذ النموذج المباشر تقديرات ما قبل المباراة ويقوم بتعديلها وفقًا لإجراءات المباراة بناءً على الميزات التي تؤثر على النتيجة ، بما في ذلك ما يلي:

• الأهداف
• الغرامات
• بطاقات حمراء
• بدائل
• مر الوقت
• صنعت فرص التهديف
• المواقف الثابتة

يتم تدريب النموذج الحي باستخدام بنية الشبكة العصبية ويستخدم طريقة توزيع Poisson للتنبؤ بمعدل الأهداف في الدقيقة r لكل فريق كما هو موضح في المعادلة التالية:

يمكن النظر إلى هذه المعدلات على أنها تقدير لقوة الفريق ويتم حسابها باستخدام سلسلة من الطبقات الكثيفة بناءً على المدخلات. بناءً على هذه المعدلات والفرق بين الخصوم ، يتم حساب احتمالية الفوز والسحب في الوقت الفعلي.

الإدخال إلى النموذج عبارة عن 3 مجموعات من ميزات الإدخال ، وفرق الهدف الحالي ، ووقت اللعب المتبقي في دقائق.

يتكون المكون الأول من أبعاد الإدخال الثلاثة من مجموعة ميزات تصف إجراء اللعبة الحالي في الوقت الفعلي لكلا الفريقين في مقاييس الأداء. يتضمن ذلك قيم xG المجمعة المختلفة المستندة إلى الفريق ، مع إيلاء اهتمام خاص للقطات التي تم التقاطها في آخر 15 دقيقة قبل التنبؤ. نقوم أيضًا بمعالجة البطاقات الحمراء وركلات الجزاء والركلات الركنية وعدد الركلات الحرة الخطرة. تصنف الركلة الحرة الخطرة على أنها ركلة حرة أقرب من 25 مترًا من مرمى الخصم. أثناء تطوير النموذج ، إلى جانب تأثير أهداف xGoals لمطابقة Bundesliga السابقة ، قمنا أيضًا بتقييم تأثير مهارة حقائق مباراة Bundesliga في النموذج. هذا يعني أن النموذج يتفاعل مع استبدال أفضل اللاعبين - لاعبين يحملون شارات في Finisher أو البادئ أو الفائز بالكرة.

مثال احتمالية الفوز

لنلق نظرة على مباراة من الموسم الحالي (2022/2023). يوضح الرسم البياني التالي احتمالية الفوز في مباراة بايرن ميونيخ وشتوتجارت اعتبارًا من اليوم السادس.

حسب نموذج ما قبل المباراة احتمال فوز بنسبة 67٪ لبايرن ، و 14٪ لشتوتجارت ، و 19٪ للتعادل. عندما ننظر إلى مسار المباراة ، نرى تأثيرًا كبيرًا للأهداف التي تم تسجيلها في الدقيقة 36 ′ و 57 و 60. حتى الدقيقة الأولى من الوقت الإضافي ، كانت النتيجة 2: 1 لبايرن. فقط من ركلة جزاء ناجحة من S. Grassy في الدقيقة 90 + 2 ضمنت التعادل. لذلك قام النموذج المباشر لاحتمالية الفوز بتصحيح توقعات السحب من 5٪ إلى أكثر من 90٪. والنتيجة هي تأرجح متأخر غير متوقع ، مع انخفاض احتمالية فوز بايرن من 90٪ إلى 8٪ في 90 + 2 دقيقة. يمثل الرسم البياني التأرجح في الأجواء في ملعب أليانز أرينا في ذلك اليوم.

كيف يتم تنفيذها؟

يستهلك Win Probability بيانات الأحداث من مباراة مستمرة (أحداث الهدف ، الأخطاء ، البطاقات الحمراء ، والمزيد) بالإضافة إلى البيانات التي تنتجها حقائق المباراة الأخرى ، مثل xGoals. بالنسبة لتحديثات الاحتمالات في الوقت الفعلي ، نستخدم الأمازون يدير كافكا الجري (Amazon MSK) كحل مركزي لتدفق البيانات والمراسلة. بهذه الطريقة ، يمكن توصيل بيانات الأحداث ، وبيانات المركز ، ومخرجات مختلفة من حقائق مباراة الدوري الألماني بين الحاويات في الوقت الفعلي.

يوضح الرسم التخطيطي التالي سير العمل الشامل من أجل Win Probability.

يتم استيعاب البيانات المجمعة المتعلقة بالمطابقة من خلال موفر خارجي (DataHub). يتم استيعاب البيانات الوصفية للمباراة ومعالجتها في ملف AWS لامدا وظيفة. يتم استيعاب بيانات المواقف والأحداث من خلال ملف AWS فارجيت حاوية (MatchLink). يتم بعد ذلك نشر جميع البيانات المستقبلة للاستهلاك في موضوعات MSK ذات الصلة. يقع قلب حقيقة مطابقة احتمالية الفوز في حاوية Fargate مخصصة (BMF WinProbability) ، والتي تعمل طوال مدة المباراة المعنية وتستهلك جميع البيانات المطلوبة التي تم الحصول عليها من خلال Amazon MSK. يتم نشر نماذج ML (الحية وقبل المباراة) الأمازون SageMaker نقاط نهاية الاستدلال بدون خادم. تقوم نقاط النهاية التي لا تحتوي على خادم تلقائيًا بتشغيل موارد الحوسبة وتوسيع نطاق موارد الحوسبة اعتمادًا على حركة المرور الواردة ، مما يلغي الحاجة إلى اختيار أنواع المثيلات أو إدارة سياسات القياس. مع نموذج الدفع لكل استخدام هذا ، يعد Serverless Inference مثاليًا لأحمال العمل التي لها فترات خمول بين طفرات حركة المرور. في حالة عدم وجود مباريات في الدوري الألماني ، لا توجد تكلفة على الموارد الخاملة.

قبل انطلاق المباراة بفترة وجيزة ، أنشأنا مجموعتنا الأولية من الميزات ونحسب احتمالات الفوز قبل المباراة عن طريق استدعاء نقطة نهاية PreMatch SageMaker. باستخدام احتمالات المباراة المسبقة هذه ، نقوم بعد ذلك بتهيئة النموذج المباشر ، والذي يتفاعل في الوقت الفعلي مع الأحداث ذات الصلة داخل اللعبة ويتم الاستعلام عنه باستمرار لتلقي احتمالات الفوز الحالية.

ثم يتم إرسال الاحتمالات المحسوبة مرة أخرى إلى DataHub لتقديمها إلى مستهلكي MatchFacts الآخرين. يتم أيضًا إرسال الاحتمالات إلى مجموعة MSK إلى موضوع مخصص ، ليتم استهلاكها بواسطة حقائق مباراة الدوري الألماني الأخرى. تستهلك دالة Lambda جميع الاحتمالات من موضوع كافكا ذي الصلة ، وتكتبها في ملف أمازون أورورا قاعدة البيانات. تُستخدم هذه البيانات بعد ذلك في التمثيل البصري شبه الحقيقي التفاعلي باستخدام أمازون QuickSight.

نبذة عامة

في هذا المنشور ، أوضحنا كيف تُظهر احتمالية الفوز الفعلي الجديد في الدوري الألماني تأثير الأحداث داخل اللعبة على فرص فوز الفريق بالمباراة أو خسارتها. للقيام بذلك ، نقوم بالبناء على حقائق مباراة الدوري الألماني المنشورة مسبقًا ودمجها في الوقت الفعلي. يتيح ذلك للمعلقين والمشجعين الكشف عن لحظات تقلبات الاحتمالات والمزيد أثناء المباريات الحية.

حقيقة مباراة Bundesliga الجديدة هي نتيجة تحليل متعمق أجراه خبراء كرة القدم في Bundesliga وعلماء بيانات AWS. يتم عرض احتمالات الفوز في الشريط المباشر للمباريات المعنية في تطبيق Bundesliga الرسمي. أثناء البث ، يتم توفير احتمالات الفوز للمعلقين من خلال مكتشف قصة البيانات ويتم عرضه بشكل مرئي للجماهير في اللحظات الحاسمة ، مثل عندما يتولى المستضعف زمام المبادرة ويزيد احتمال فوزه باللعبة الآن.

نأمل أن تستمتع بحقيقة مباراة البوندسليجا الجديدة تمامًا وأن تزودك برؤى جديدة حول اللعبة. لمعرفة المزيد حول الشراكة بين AWS و Bundesliga ، تفضل بزيارة الدوري الألماني على AWS!

نحن متحمسون لمعرفة الأنماط التي ستكشف عنها. شاركنا برؤيتك: AWScloud على تويتر، مع الهاشتاغ #BundesligaMatchFacts.

---

حول المؤلف

سيمون رولفز لعب 288 مباراة في الدوري الألماني كلاعب وسط وسجل 41 هدفًا و 26 مباراة دولية مع منتخب ألمانيا. حاليًا ، يعمل رولفز كمدير عام للرياضة في Bayer 04 Leverkusen ، حيث يشرف على قائمة اللاعبين المحترفين ويطورها وقسم الكشافة وتنمية الشباب بالنادي. يكتب سايمون أيضًا أعمدة أسبوعية في Bundesliga.com حول أحدث حقائق عن مباراة Bundesliga المدعومة من AWS. هناك يقدم خبرته كلاعب سابق وكابتن ومحلل تلفزيوني لتسليط الضوء على تأثير الإحصائيات المتقدمة والتعلم الآلي في عالم كرة القدم.

طارق الهاشمي هو مستشار في خدمات AWS الاحترافية. تشمل مهاراته ومجالات خبرته تطوير التطبيقات وعلوم البيانات والتعلم الآلي والبيانات الضخمة. يدعم العملاء في تطوير تطبيقات تعتمد على البيانات داخل السحابة. قبل انضمامه إلى AWS ، كان أيضًا مستشارًا في العديد من الصناعات مثل الطيران والاتصالات. إنه متحمس لتمكين العملاء في رحلة البيانات / الذكاء الاصطناعي إلى السحابة.

خافيير بوفيدا بانتر هو عالم بيانات لعملاء الرياضة في منطقة أوروبا والشرق الأوسط وإفريقيا ضمن فريق خدمات AWS الاحترافية. إنه يمكّن العملاء في مجال رياضات المتفرجين من الابتكار والاستفادة من بياناتهم ، وتقديم تجارب مستخدمين ومعجبين عالية الجودة من خلال التعلم الآلي وعلوم البيانات. يتابع شغفه بمجموعة واسعة من الرياضات والموسيقى والذكاء الاصطناعي في أوقات فراغه.

لوك فيجدور هو مستشار تقنية رياضية في فريق خدمات AWS الاحترافية. يعمل مع لاعبين وأندية ودوريات وشركات إعلامية مثل Bundesliga و Formula 1 لمساعدتهم على سرد القصص بالبيانات باستخدام التعلم الآلي. في أوقات فراغه ، يحب أن يتعلم كل شيء عن العقل والتقاطع بين علم النفس والاقتصاد والذكاء الاصطناعي.

غابرييل زيلكا هو مهندس تعلم الآلة ضمن خدمات AWS الاحترافية. إنه يعمل عن كثب مع العملاء لتسريع رحلة تبني السحابة الخاصة بهم. متخصص في مجال MLOps ، ويركز على إنتاج أعباء عمل التعلم الآلي من خلال أتمتة دورات حياة التعلم الآلي الشاملة والمساعدة في تحقيق نتائج الأعمال المرغوبة.

جاكوب ميتشالزيك هو عالم بيانات في Sportec Solutions AG. قبل عدة سنوات ، اختار دراسة الرياضيات على لعب كرة القدم ، حيث توصل إلى استنتاج مفاده أنه لم يكن جيدًا بما يكفي في هذه الأخيرة. يجمع الآن بين هذه المشاعر في حياته المهنية من خلال تطبيق أساليب التعلم الآلي للحصول على رؤية أفضل لهذه اللعبة الجميلة. في أوقات فراغه ، لا يزال يستمتع بلعب كرة القدم السبعة ومشاهدة أفلام الجريمة والاستماع إلى موسيقى الأفلام.