বুন্দেসলিগা ম্যাচ ফ্যাক্ট জয়ের সম্ভাবনা: AWS-এ মেশিন লার্নিং ব্যবহার করে জেতার সম্ভাবনার উপর ইন-গেম ইভেন্টের প্রভাব পরিমাপ করা

এখন থেকে দশ বছর পরে, ক্লাবগুলির প্রযুক্তিগত ফিটনেস তাদের সাফল্যের জন্য একটি গুরুত্বপূর্ণ অবদানকারী হবে। আজ আমরা ইতিমধ্যে ফুটবলের বোঝাপড়ায় বিপ্লব ঘটাতে প্রযুক্তির সম্ভাবনা প্রত্যক্ষ করছি। x গোল যে কোন শুটিং পরিস্থিতির গোল স্কোরিং সম্ভাবনার পরিমাণ নির্ধারণ করে এবং তুলনা করার অনুমতি দেয় xহুমকি এবং ইপিভি মডেল যে কোনো ইন-গেম মুহূর্তের মূল্য অনুমান করে। শেষ পর্যন্ত, এই এবং অন্যান্য উন্নত পরিসংখ্যানগুলি একটি উদ্দেশ্য পূরণ করে: কে জিতবে এবং কেন তা বোঝার উন্নতি করা। নতুন বুন্দেসলিগা ম্যাচ ফ্যাক্ট: জয়ের সম্ভাবনা লিখুন।

গত মৌসুমে বোচুমের বিপক্ষে বায়ার্নের দ্বিতীয় ম্যাচে অপ্রত্যাশিতভাবে টেবিল ঘুরে যায়। ম্যাচের শুরুতে, লেভান্ডোস্কি মাত্র 1 মিনিটের পরে 0:9 স্কোর করেন। সেই মৌসুমে প্রথমবার বায়ার্নের মুখোমুখি হওয়ার সময় লিগের "গ্রে মাউস" অবিলম্বে তাদের 7:0 বিপর্যয়ের কথা মনে করিয়ে দেয়। তবে এবার নয়: ক্রিস্টোফার আন্তউই-আদজেই ক্লাবের হয়ে তার প্রথম গোলটি করেন মাত্র ৫ মিনিট পরে। 5তম মিনিটে একটি পেনাল্টি গোলের ধারণার পরে, মোনাকো ডি বাভারিয়ার দলটি অবশ মনে হয় এবং জিনিসগুলি বিস্ফোরিত হতে শুরু করে: গাম্বো জায়ফল কোমান এবং একটি গোলের পরম কর্কার দিয়ে শেষ করে, এবং হল্টম্যান একটি ডিপার দিয়ে হাফটাইমের কাছাকাছি 38:4 করে বাম থেকে বায়ার্ন 1 সাল থেকে প্রথমার্ধে এতগুলি গোল কল্পনা করেনি, এবং 1975:4 ফলাফল নিয়ে সবেমাত্র দূরে যেতে সক্ষম হয়েছিল। কে এটা অনুমান করতে পারে? উভয় দলই তাদের প্রথম রক্ষক ছাড়াই খেলেছে, যা বায়ার্নের পক্ষে তাদের অধিনায়ক ম্যানুয়েল নিউয়ারকে হারিয়েছে। তার উপস্থিতি কি তাদের এই অপ্রত্যাশিত ফলাফল থেকে রক্ষা করতে পারে?

একইভাবে, কোলন 2020/2021 মৌসুমে দুটি অসাধারণ জিঙ্গার টেনে এনেছে। যখন তারা ডর্টমুন্ডের মুখোমুখি হয়েছিল, তখন তারা 18টি ম্যাচে জয় ছাড়াই গিয়েছিল, যখন BVB-এর Haaland সেই মৌসুমে গোল করার ক্ষেত্রে একটি মাস্টার ক্লাস প্রদান করেছিল (23 ম্যাচে 22)। প্রিয়জনের ভূমিকা স্পষ্ট ছিল, তবুও কোলোন ঘড়িতে মাত্র 9 মিনিটের সাথে প্রথম দিকে এগিয়ে যায়। দ্বিতীয়ার্ধের শুরুতে, স্খিরি তার প্রথম একটি কার্বন-কপি গোল করেন: 0:2। ডর্টমুন্ড আক্রমণাত্মক শক্তিতে ডুবেছিল, বড় সুযোগ তৈরি করেছিল এবং 1:2 গোল করেছিল। সমস্ত খেলোয়াড়দের মধ্যে, হাল্যান্ড অতিরিক্ত সময়ে 5 মিনিটের একটি সিটার মিস করে এবং প্রায় 3 বছর পর ডর্টমুন্ডে প্রথম 30 পয়েন্ট নিয়ে কোলোনকে মুকুট দেয়।

পরবর্তীতে সেই মরসুমে, কোলন-হোম-টেবিলে শেষ থাকা-আশ্চর্য RB লাইপজিগ, যাঁর কাছে চ্যাম্পিয়নশিপ নেতা বায়ার্নের কাছে যাওয়ার সমস্ত প্রেরণা ছিল। প্রতিপক্ষ লাইপজিগ প্রথমার্ধে গোলে 13টি শটের টিম সিজন রেকর্ডের সাথে "বিলি গোটস" কে চাপ দেয়, তাদের জয়ের ইতিমধ্যে উচ্চ সম্ভাবনা বাড়িয়ে দেয়। হাস্যকরভাবে, কোলোন 1 মিনিটে প্রথম শটে গোল করে 0:46 গোল করে। "রেড বুলস" একটি উপযুক্ত সমতাসূচক গোল করার পর, তারা 80 সেকেন্ড পরে থ্রো-ইন-এ ঘুমিয়ে পড়ে, যার ফলে কোলনের হয়ে জোনাস হেক্টর গোল করেন। আবার ঠিক ডর্টমুন্ডের মতোই, লাইপজিগ এখন সমস্ত শক্তিকে অপরাধে ফেলে দিয়েছে, কিন্তু তারা যে সেরাটি অর্জন করতে পেরেছিল তা হল ওভারটাইমে পোস্টে আঘাত করা।

এই সমস্ত ম্যাচের জন্য, বিশেষজ্ঞ এবং নবীনরা একইভাবে ভুলভাবে বিজয়ীকে অনুমান করেছিলেন, এমনকি ম্যাচের মধ্যেও। কিন্তু কী এমন ঘটনা ঘটিয়েছে যা এই আশ্চর্যজনক ইন-গেম জয়ের সম্ভাবনার দিকে নিয়ে গেছে? কোন মিনিটে আন্ডারডগের জয়ের সুযোগ ফেভারিটদের ছাড়িয়ে গেল কারণ তাদের সময় ফুরিয়ে গেছে? বুন্দেসলিগা এবং AWS সমস্ত ম্যাচ জুড়ে জয়ের সম্ভাবনার লাইভ বিকাশের গণনা এবং চিত্রিত করার জন্য একসাথে কাজ করেছে, সম্ভাব্যতা পরিবর্তনের মূল মুহূর্তগুলি দেখতে ভক্তদের সক্ষম করে। ফলাফল হল নতুন মেশিন লার্নিং (ML)-চালিত বুন্দেসলিগা ম্যাচ ফ্যাক্ট: জয়ের সম্ভাবনা।

এটা কিভাবে কাজ করে?

নতুন বুন্দেসলিগা ম্যাচ ফ্যাক্ট উইন সম্ভাব্যতা ML মডেল তৈরি করে তৈরি করা হয়েছে যা 1,000 টিরও বেশি ঐতিহাসিক গেম বিশ্লেষণ করেছে। লাইভ মডেলটি প্রাক-ম্যাচ অনুমান নেয় এবং নিম্নলিখিতগুলি সহ ফলাফলকে প্রভাবিত করে এমন বৈশিষ্ট্যগুলির উপর ভিত্তি করে ম্যাচের প্রক্রিয়া অনুসারে সেগুলিকে সামঞ্জস্য করে:

• গোল
• জরিমানা
• লাল কার্ড
• খেলোয়াড়
• ক্স
• গোল করার সুযোগ তৈরি হয়েছে
• সেট-পিস পরিস্থিতিতে

লাইভ মডেলটিকে একটি নিউরাল নেটওয়ার্ক আর্কিটেকচার ব্যবহার করে প্রশিক্ষিত করা হয় এবং প্রতি মিনিটে লক্ষ্য-হারের পূর্বাভাস দিতে একটি পয়সন ডিস্ট্রিবিউশন অ্যাপ্লপ্রোচ ব্যবহার করে r প্রতিটি দলের জন্য, নিম্নলিখিত সমীকরণে বর্ণিত হিসাবে:

এই হারগুলিকে একটি দলের শক্তির অনুমান হিসাবে দেখা যেতে পারে এবং ইনপুটগুলির উপর ভিত্তি করে ঘন স্তরগুলির একটি সিরিজ ব্যবহার করে গণনা করা হয়। এই হার এবং প্রতিপক্ষের মধ্যে পার্থক্যের উপর ভিত্তি করে, একটি জয় এবং ড্রয়ের সম্ভাবনাগুলি বাস্তব সময়ে গণনা করা হয়।

মডেলের ইনপুট হল 3-টুপল ইনপুট বৈশিষ্ট্য, বর্তমান লক্ষ্য পার্থক্য, এবং মিনিটে খেলার সময় বাকি।

তিনটি ইনপুট ডাইমেনশনের প্রথম কম্পোনেন্টে একটি ফিচার সেট থাকে যা পারফরম্যান্স মেট্রিক্সে উভয় দলের জন্য রিয়েল টাইমে বর্তমান গেম অ্যাকশন বর্ণনা করে। ভবিষ্যদ্বাণীর আগে শেষ 15 মিনিটে নেওয়া শটগুলিতে বিশেষ মনোযোগ সহ বিভিন্ন সমষ্টিগত দল-ভিত্তিক xG মানগুলি অন্তর্ভুক্ত করে। আমরা লাল কার্ড, পেনাল্টি, কর্নার কিক এবং বিপজ্জনক ফ্রি কিকের সংখ্যাও প্রক্রিয়া করি। একটি বিপজ্জনক ফ্রি কিক প্রতিপক্ষের লক্ষ্যের 25 মিটারের কাছাকাছি ফ্রি কিক হিসাবে শ্রেণীবদ্ধ করা হয়। মডেলের বিকাশের সময়, প্রাক্তন বুন্দেসলিগা ম্যাচ ফ্যাক্ট xGoals-এর প্রভাব ছাড়াও, আমরা মডেলটিতে বুন্দেসলিগা ম্যাচ ফ্যাক্ট স্কিল-এর প্রভাবও মূল্যায়ন করেছি। এর মানে হল যে মডেলটি সেরা খেলোয়াড়দের প্রতিস্থাপনের প্রতি প্রতিক্রিয়া দেখায়—স্কিল ফিনিশার, ইনিশিয়েটর বা বল বিজয়ীতে ব্যাজধারী খেলোয়াড়।

জয় সম্ভাবনা উদাহরণ

চলুন বর্তমান মৌসুমের (2022/2023) একটি ম্যাচ দেখি। নিচের গ্রাফটি ম্যাচের দিন 6 থেকে বায়ার্ন মিউনিখ এবং স্টুটগার্ট ম্যাচের জয়ের সম্ভাবনা দেখায়।

প্রাক-ম্যাচ মডেলটি বায়ার্নের জন্য 67%, স্টুটগার্টের জন্য 14% এবং ড্রয়ের জন্য 19% জয়ের সম্ভাবনা গণনা করেছে। আমরা যখন ম্যাচের দিকে তাকাই, আমরা 36′, 57′ এবং 60′ মিনিটে করা গোলগুলির একটি বড় প্রভাব দেখতে পাই। অতিরিক্ত সময়ের প্রথম মিনিট পর্যন্ত বায়ার্নের স্কোর ছিল ২:১। 2+1 মিনিটে এস. গ্র্যাসির একটি সফল পেনাল্টি শট একটি ড্র নিশ্চিত করেছে। উইন প্রোবাবিলিটি লাইভ মডেল তাই ড্র পূর্বাভাসকে 90% থেকে 2% এর উপরে সংশোধন করেছে। ফলাফল হল একটি অপ্রত্যাশিত দেরিতে সুইং, বায়ার্নের জয়ের সম্ভাবনা 5+90 মিনিটে 90% থেকে 8% কমে যায়। গ্রাফটি সেই দিন অ্যালিয়ানজ অ্যারেনায় বায়ুমণ্ডলের সুইংয়ের প্রতিনিধি।

এটা কিভাবে বাস্তবায়িত হয়?

জয়ের সম্ভাবনা একটি চলমান ম্যাচ (গোল ইভেন্ট, ফাউল, লাল কার্ড এবং আরও অনেক কিছু) থেকে ইভেন্ট ডেটার পাশাপাশি অন্যান্য ম্যাচ ফ্যাক্ট, যেমন xGoals দ্বারা উত্পাদিত ডেটা ব্যবহার করে। সম্ভাব্যতার রিয়েল-টাইম আপডেটের জন্য, আমরা ব্যবহার করি আমাজন পরিচালিত স্ট্রিমিং কাফকা (Amazon MSK) একটি কেন্দ্রীয় ডেটা স্ট্রিমিং এবং মেসেজিং সমাধান হিসাবে। এইভাবে, ইভেন্ট ডেটা, অবস্থানের ডেটা এবং বিভিন্ন বুন্দেসলিগা ম্যাচ ফ্যাক্টের আউটপুটগুলি কন্টেইনারগুলির মধ্যে রিয়েল টাইমে যোগাযোগ করা যেতে পারে।

নিম্নলিখিত চিত্রটি উইন সম্ভাব্যতার জন্য শেষ থেকে শেষের কার্যপ্রবাহকে চিত্রিত করে।

সংগৃহীত মিল-সম্পর্কিত ডেটা একটি বহিরাগত প্রদানকারীর (DataHub) মাধ্যমে প্রবেশ করা হয়। ম্যাচের মেটাডেটা ingested এবং একটি প্রক্রিয়া করা হয় এডাব্লুএস ল্যাম্বদা ফাংশন অবস্থান এবং ইভেন্ট ডেটা একটি মাধ্যমে ইনজেস্ট করা হয় AWS Fargate ধারক (MatchLink)। সমস্ত ইনজেস্ট করা ডেটা তারপরে সংশ্লিষ্ট MSK বিষয়গুলিতে ব্যবহারের জন্য প্রকাশ করা হয়। উইন প্রোবাবিলিটি ম্যাচ ফ্যাক্টের কেন্দ্রবিন্দু একটি ডেডিকেটেড ফার্গেট কন্টেইনারে (BMF WinProbability), যা সংশ্লিষ্ট ম্যাচের সময়কাল ধরে চলে এবং Amazon MSK থেকে প্রাপ্ত সমস্ত প্রয়োজনীয় ডেটা ব্যবহার করে। এমএল মডেল (লাইভ এবং প্রাক-ম্যাচ) মোতায়েন করা হয় আমাজন সেজমেকার সার্ভারহীন ইনফারেন্স এন্ডপয়েন্ট। সার্ভারলেস এন্ডপয়েন্টগুলি স্বয়ংক্রিয়ভাবে গণনা সংস্থানগুলি চালু করে এবং আগত ট্র্যাফিকের উপর নির্ভর করে সেই গণনা সংস্থানগুলিকে স্কেল করে, উদাহরণের প্রকারগুলি বেছে নেওয়া বা স্কেলিং নীতিগুলি পরিচালনা করার প্রয়োজনীয়তা দূর করে৷ এই পে-পার-ব্যবহার মডেলের সাথে, সার্ভারলেস ইনফারেন্স এমন কাজের চাপের জন্য আদর্শ যা ট্র্যাফিক স্পোর্টের মধ্যে নিষ্ক্রিয় সময় থাকে। যখন কোনো বুন্দেসলিগা ম্যাচ নেই, তখন নিষ্ক্রিয় সম্পদের জন্য কোনো খরচ নেই।

কিক-অফের কিছুক্ষণ আগে, আমরা আমাদের প্রাথমিক বৈশিষ্ট্যগুলির সেট তৈরি করি এবং প্রি-ম্যাচ সেজমেকার এন্ডপয়েন্টকে কল করে প্রাক-ম্যাচ জয়ের সম্ভাবনা গণনা করি। সেই প্রি-ম্যাচ সম্ভাবনাগুলির সাথে, আমরা তারপরে লাইভ মডেলটি শুরু করি, যা প্রাসঙ্গিক ইন-গেম ইভেন্টগুলিতে রিয়েল টাইমে প্রতিক্রিয়া দেখায় এবং বর্তমান জয়ের সম্ভাবনাগুলি পাওয়ার জন্য ক্রমাগত জিজ্ঞাসা করা হয়।

গণনা করা সম্ভাব্যতাগুলি তারপরে অন্যান্য ম্যাচফ্যাক্ট গ্রাহকদের সরবরাহ করার জন্য ডেটাহাবে ফেরত পাঠানো হয়। MSK ক্লাস্টারে একটি ডেডিকেটেড বিষয়ে সম্ভাব্যতা পাঠানো হয়, যা অন্যান্য বুন্দেসলিগা ম্যাচ ফ্যাক্ট দ্বারা গ্রাস করা হয়। একটি Lambda ফাংশন সংশ্লিষ্ট কাফকা বিষয় থেকে সমস্ত সম্ভাব্যতা গ্রহণ করে এবং সেগুলিকে একটি অ্যামাজন অরোরা তথ্যশালা. এই ডেটা তারপর ব্যবহার করে ইন্টারেক্টিভ কাছাকাছি-রিয়েল-টাইম ভিজ্যুয়ালাইজেশনের জন্য ব্যবহার করা হয় অ্যামাজন কুইকসাইট.

সারাংশ

এই পোস্টে, আমরা দেখিয়েছি কিভাবে নতুন বুন্দেসলিগা ম্যাচ ফ্যাক্ট উইন সম্ভাব্যতা একটি দলের জয় বা হারের সম্ভাবনার উপর ইন-গেম ইভেন্টের প্রভাব দেখায়। এটি করার জন্য, আমরা রিয়েল টাইমে পূর্বে প্রকাশিত বুন্দেসলিগা ম্যাচের তথ্য তৈরি এবং একত্রিত করি। এটি ভাষ্যকার এবং অনুরাগীদের লাইভ ম্যাচ চলাকালীন সম্ভাব্যতার সুইং এবং আরও অনেক কিছুর মুহূর্ত উন্মোচন করতে দেয়।

নতুন বুন্দেসলিগা ম্যাচ ফ্যাক্ট বুন্দেসলিগার ফুটবল বিশেষজ্ঞ এবং AWS ডেটা বিজ্ঞানীদের গভীর বিশ্লেষণের ফলাফল। জয়ের সম্ভাবনা অফিসিয়াল বুন্দেসলিগা অ্যাপে সংশ্লিষ্ট ম্যাচের লাইভ টিকারে দেখানো হয়েছে। একটি সম্প্রচারের সময়, জয়ের সম্ভাবনা ধারাভাষ্যকারদের মাধ্যমে প্রদান করা হয় ডেটা স্টোরি ফাইন্ডার এবং মূল মুহুর্তে অনুরাগীদের কাছে দৃশ্যত দেখানো হয়, যেমন যখন আন্ডারডগ নেতৃত্ব নেয় এবং এখন গেমটি জেতার সম্ভাবনা সবচেয়ে বেশি।

আমরা আশা করি আপনি এই ব্র্যান্ড-নতুন বুন্দেসলিগা ম্যাচ ফ্যাক্ট উপভোগ করবেন এবং এটি আপনাকে গেমের নতুন অন্তর্দৃষ্টি প্রদান করবে। AWS এবং বুন্দেসলিগার মধ্যে অংশীদারিত্ব সম্পর্কে আরও জানতে, দেখুন AWS-এ বুন্দেসলিগা!

আপনি কি নিদর্শন উন্মোচন করবেন তা জানতে আমরা উত্তেজিত। আমাদের সাথে আপনার অন্তর্দৃষ্টি শেয়ার করুন: @AWScloud টুইটারে, #BundesligaMatchFacts হ্যাশট্যাগ সহ।

---

লেখক সম্পর্কে

সাইমন রোল্ফস সেন্ট্রাল মিডফিল্ডার হিসেবে 288টি বুন্দেসলিগা গেম খেলেছেন, 41টি গোল করেছেন এবং জার্মানির হয়ে 26টি ক্যাপ জিতেছেন। বর্তমানে, Rolfes Bayer 04 Leverkusen-এ ম্যানেজিং ডিরেক্টর স্পোর্ট হিসাবে কাজ করছেন, যেখানে তিনি পেশাদার খেলোয়াড় তালিকা, স্কাউটিং বিভাগ এবং ক্লাবের যুব উন্নয়ন তত্ত্বাবধান ও বিকাশ করেন। সাইমন সাপ্তাহিক কলামও লেখেন বুন্দেসলিগা ডট কম AWS দ্বারা চালিত সর্বশেষ Bundesliga ম্যাচের তথ্য সম্পর্কে। সেখানে তিনি ফুটবলের বিশ্বে উন্নত পরিসংখ্যান এবং মেশিন লার্নিংয়ের প্রভাব তুলে ধরতে প্রাক্তন খেলোয়াড়, অধিনায়ক এবং টিভি বিশ্লেষক হিসাবে তার দক্ষতার প্রস্তাব দেন।

তারেক হাসেমী AWS প্রফেশনাল সার্ভিসের মধ্যে একজন পরামর্শক। তার দক্ষতা এবং দক্ষতার ক্ষেত্রগুলির মধ্যে রয়েছে অ্যাপ্লিকেশন বিকাশ, ডেটা সায়েন্স, মেশিন লার্নিং এবং বড় ডেটা। তিনি ক্লাউডের মধ্যে ডেটা-চালিত অ্যাপ্লিকেশন বিকাশে গ্রাহকদের সমর্থন করেন। এডব্লিউএস-এ যোগদানের আগে, তিনি বিমান ও টেলিযোগাযোগের মতো বিভিন্ন শিল্পে পরামর্শক ছিলেন। ক্লাউডে গ্রাহকদের তাদের ডেটা/এআই যাত্রায় সক্ষম করার বিষয়ে তিনি উত্সাহী।

জাভিয়ের পোভেদা-প্যান্টার AWS প্রফেশনাল সার্ভিসেস টিমের মধ্যে EMEA স্পোর্টস গ্রাহকদের জন্য একজন ডেটা সায়েন্টিস্ট৷ তিনি দর্শকদের খেলাধুলার ক্ষেত্রে গ্রাহকদের তাদের ডেটা উদ্ভাবন করতে এবং পুঁজি করতে সক্ষম করেন, মেশিন লার্নিং এবং ডেটা সায়েন্সের মাধ্যমে উচ্চ-মানের ব্যবহারকারী এবং ভক্তদের অভিজ্ঞতা প্রদান করেন। তিনি তার অবসর সময়ে খেলাধুলা, সঙ্গীত এবং AI এর বিস্তৃত পরিসরের জন্য তার আবেগ অনুসরণ করেন।

লুক ফিগডোর AWS প্রফেশনাল সার্ভিসেস দলের একজন ক্রীড়া প্রযুক্তি উপদেষ্টা। তিনি প্লেয়ার, ক্লাব, লীগ এবং মিডিয়া কোম্পানি যেমন বুন্দেসলিগা এবং ফর্মুলা 1 এর সাথে কাজ করেন যাতে তারা মেশিন লার্নিং ব্যবহার করে ডেটা সহ গল্প বলতে সাহায্য করে। তার অবসর সময়ে, তিনি মন এবং মনোবিজ্ঞান, অর্থনীতি এবং এআই এর মধ্যে ছেদ সম্পর্কে সমস্ত কিছু শিখতে পছন্দ করেন।

গ্যাব্রিয়েল জিলকা AWS প্রফেশনাল সার্ভিসের মধ্যে একজন মেশিন লার্নিং ইঞ্জিনিয়ার। তিনি গ্রাহকদের সাথে ঘনিষ্ঠভাবে কাজ করে তাদের ক্লাউড গ্রহণের যাত্রাকে ত্বরান্বিত করতে। MLOps ডোমেনে বিশেষায়িত, তিনি এন্ড-টু-এন্ড মেশিন লার্নিং লাইফসাইকেল স্বয়ংক্রিয় করে এবং পছন্দসই ব্যবসায়িক ফলাফল অর্জনে সাহায্য করার মাধ্যমে মেশিন লার্নিং ওয়ার্কলোড তৈরি করার উপর মনোযোগ দেন।

জ্যাকুব মিচালকজিক Sportec Solutions AG-এর একজন ডেটা সায়েন্টিস্ট। বেশ কয়েক বছর আগে, তিনি ফুটবল খেলার উপর গণিত অধ্যয়ন বেছে নিয়েছিলেন, কারণ তিনি এই সিদ্ধান্তে এসেছিলেন যে তিনি পরবর্তীতে যথেষ্ট ভাল ছিলেন না। এখন তিনি এই সুন্দর গেমটির আরও ভাল অন্তর্দৃষ্টি পেতে মেশিন লার্নিং পদ্ধতি প্রয়োগ করে তার পেশাদার ক্যারিয়ারে এই উভয় আবেগকে একত্রিত করেছেন। তার অবসর সময়ে, সে এখনও সেভেন-এ-সাইড ফুটবল খেলা, ক্রাইম মুভি দেখা এবং ফিল্ম মিউজিক শুনতে উপভোগ করে।