Πιθανότητα νίκης για το γεγονός της Bundesliga Match: Ποσοτικοποίηση της επίδρασης των γεγονότων εντός παιχνιδιού στις πιθανότητες νίκης χρησιμοποιώντας μηχανική εκμάθηση στο AWS

Σε δέκα χρόνια από τώρα, η τεχνολογική ικανότητα των συλλόγων θα συμβάλει καθοριστικά στην επιτυχία τους. Σήμερα είμαστε ήδη μάρτυρες της δυνατότητας της τεχνολογίας να φέρει επανάσταση στην κατανόηση του ποδοσφαίρου. xΣτόχοι ποσοτικοποιεί και επιτρέπει τη σύγκριση των δυνατοτήτων για γκολ σε οποιαδήποτε κατάσταση βολής, ενώ x Απειλή και EPV Τα μοντέλα προβλέπουν την αξία κάθε στιγμής στο παιχνίδι. Τελικά, αυτά και άλλα προηγμένα στατιστικά στοιχεία εξυπηρετούν έναν σκοπό: να βελτιώσουν την κατανόηση του ποιος θα κερδίσει και γιατί. Εισαγάγετε τη νέα Bundesliga Match Fact: Win Probability.

Στο δεύτερο ματς της Μπάγερν κόντρα στην Μπόχουμ την περασμένη σεζόν, οι πίνακες ανέτρεψαν απρόσμενα. Στην αρχή του αγώνα, ο Λεβαντόφσκι σκοράρει 1:0 μετά από μόλις 9 λεπτά. Στο «Γκρι ποντίκι» του πρωταθλήματος υπενθυμίζεται αμέσως η καταστροφή του 7:0 όταν αντιμετώπισε την Μπάγερν για πρώτη φορά εκείνη τη σεζόν. Όχι όμως αυτή τη φορά: ο Christopher Antwi-Adjei σκοράρει το πρώτο του γκολ για τον σύλλογο μόλις 5 λεπτά αργότερα. Αφού συνέλαβε ένα γκολ με πέναλτι στο 38ο λεπτό, η ομάδα από το Μονακό της Βαυαρίας φαίνεται παράλυτη και τα πράγματα άρχισαν να φουντώνουν: ο Γκαμπόα μοσχοκάρυδα τον Κομάν και τελειώνει με απόλυτο πέναλτι, και ο Χόλτμαν κάνει το 4:1 κοντά στο ημίχρονο με κουκούλα. από αριστερά. Η Μπάγερν δεν είχε συλλάβει τόσα γκολ στο πρώτο ημίχρονο από το 1975 και μετά βίας κατάφερε να φύγει με αποτέλεσμα 4:2. Ποιος θα μπορούσε να το μαντέψει αυτό; Και οι δύο ομάδες έπαιξαν χωρίς τους πρώτους τους τερματοφύλακες, κάτι που για την Μπάγερν σήμαινε ότι θα έχασε τον αρχηγό της Μάνουελ Νόιερ. Θα μπορούσε η παρουσία του να τους σώσει από αυτό το απροσδόκητο αποτέλεσμα;

Ομοίως, η Κολωνία έβγαλε δύο εκπληκτικά ζινγκερς τη σεζόν 2020/2021. Όταν αντιμετώπισαν τη Ντόρτμουντ, είχαν πάει 18 αγώνες χωρίς νίκη, ενώ ο Haaland της BVB προσέφερε ένα master class στο να σκοράρει γκολ εκείνη τη σεζόν (23 σε 22 αγώνες). Ο ρόλος του φαβορί ήταν ξεκάθαρος, ωστόσο η Κολωνία προηγήθηκε νωρίς με μόλις 9 λεπτά στο ρολόι. Στην αρχή του δευτέρου ημιχρόνου, ο Σκίρι πέτυχε ένα γκολ-αντιγραφή του πρώτου του: 0:2. Η Ντόρτμουντ υποχώρησε σε επιθετική δύναμη, δημιούργησε μεγάλες ευκαιρίες και σκόραρε 1:2. Από όλους τους παίκτες, ο Χάαλαντ έχασε έναν παίκτη 5 λεπτά στην παράταση και έστεψε την Κολωνία με τους πρώτους 3 πόντους στο Ντόρτμουντ μετά από σχεδόν 30 χρόνια.

Αργότερα εκείνη τη σεζόν, η Κολωνία -είναι η τελευταία στο εντός έδρας τραπέζι- αιφνιδίασε τη RB Leipzig, η οποία είχε όλα τα κίνητρα να πλησιάσει τον ηγέτη του πρωταθλήματος Μπάγερν. Η αντίπαλος Λειψία πίεσε τους «Billy Goats» με ομαδικό ρεκόρ σεζόν 13 βολών στο τέρμα στο πρώτο ημίχρονο, αυξάνοντας τις ήδη υψηλές πιθανότητες νίκης τους. Κατά ειρωνικό τρόπο, η Κολωνία σημείωσε το 1:0 με το πρώτο σουτ στο τέρμα στο λεπτό 46. Αφού οι «Red Bulls» πέτυχαν την ισοφάριση που άξιζε, κοιμήθηκαν σε επαναφορά μόλις 80 δευτερόλεπτα αργότερα, με αποτέλεσμα ο Jonas Hector να σκοράρει για την Κολωνία. πάλι. Ακριβώς όπως η Ντόρτμουντ, η Λειψία έβαλε τώρα όλη την ενέργεια στην επίθεση, αλλά το καλύτερο που κατάφερε ήταν να χτυπήσει στο δοκάρι στην παράταση.

Για όλους αυτούς τους αγώνες, τόσο οι ειδικοί όσο και οι αρχάριοι θα είχαν μαντέψει λανθασμένα τον νικητή, ακόμη και καλά στον αγώνα. Ποια είναι όμως τα γεγονότα που οδήγησαν σε αυτές τις εκπληκτικές εναλλαγές πιθανοτήτων νίκης εντός του παιχνιδιού; Σε ποιο λεπτό οι πιθανότητες νίκης του αουτσάιντερ ξεπέρασε τις πιθανότητες του φαβορί καθώς τελείωσε ο χρόνος τους; Η Bundesliga και η AWS συνεργάστηκαν για να υπολογίσουν και να απεικονίσουν τη ζωντανή ανάπτυξη των ευκαιριών νίκης σε όλη τη διάρκεια των αγώνων, δίνοντας τη δυνατότητα στους φιλάθλους να δουν βασικές στιγμές μεταβολών πιθανοτήτων. Το αποτέλεσμα είναι η νέα μηχανική εκμάθηση (ML) με την υποστήριξη της Bundesliga Match Fact: Win Probability.

Πώς λειτουργεί;

Το νέο Bundesliga Match Fact Win Probability αναπτύχθηκε δημιουργώντας μοντέλα ML που ανέλυσαν πάνω από 1,000 ιστορικά παιχνίδια. Το ζωντανό μοντέλο λαμβάνει τις εκτιμήσεις πριν από τον αγώνα και τις προσαρμόζει σύμφωνα με τις διαδικασίες του αγώνα με βάση χαρακτηριστικά που επηρεάζουν το αποτέλεσμα, συμπεριλαμβανομένων των εξής:

• Στόχοι
• κυρώσεις
• Κόκκινες κάρτες
• Αλλαγές
• Ο χρόνος πέρασε
• Δημιουργήθηκαν ευκαιρίες για γκολ
• Καταστάσεις στημένων

Το ζωντανό μοντέλο εκπαιδεύεται χρησιμοποιώντας μια αρχιτεκτονική νευρωνικών δικτύων και χρησιμοποιεί μια προσέγγιση διανομής Poisson για να προβλέψει έναν ρυθμό στόχων ανά λεπτό r για κάθε ομάδα, όπως περιγράφεται στην ακόλουθη εξίσωση:

Αυτά τα ποσοστά μπορούν να θεωρηθούν ως εκτίμηση της δύναμης μιας ομάδας και υπολογίζονται χρησιμοποιώντας μια σειρά από πυκνά στρώματα με βάση τις εισόδους. Με βάση αυτά τα ποσοστά και τη διαφορά μεταξύ των αντιπάλων, υπολογίζονται σε πραγματικό χρόνο οι πιθανότητες νίκης και ισοπαλίας.

Η είσοδος στο μοντέλο είναι μια πλειάδα χαρακτηριστικών εισόδου, τρέχουσα διαφορά τερμάτων και υπολειπόμενος χρόνος παιχνιδιού σε λεπτά.

Το πρώτο στοιχείο των τριών διαστάσεων εισόδου αποτελείται από ένα σύνολο χαρακτηριστικών που περιγράφει την τρέχουσα δράση του παιχνιδιού σε πραγματικό χρόνο και για τις δύο ομάδες στις μετρήσεις απόδοσης. Αυτές περιλαμβάνουν διάφορες συγκεντρωτικές τιμές xG που βασίζονται στην ομάδα, με ιδιαίτερη προσοχή στις λήψεις που τραβήχτηκαν τα τελευταία 15 λεπτά πριν από την πρόβλεψη. Επεξεργαζόμαστε επίσης κόκκινες κάρτες, πέναλτι, χτυπήματα κόρνερ και τον αριθμό των επικίνδυνων ελεύθερων λακτισμάτων. Ένα επικίνδυνο ελεύθερο λάκτισμα ταξινομείται ως ελεύθερο λάκτισμα πιο κοντά από 25 μέτρα από την αντίπαλη εστία. Κατά την ανάπτυξη του μοντέλου, εκτός από την επιρροή του πρώην Bundesliga Match Fact xGoals, αξιολογήσαμε επίσης την επίδραση της Bundesliga Match Fact Skill στο μοντέλο. Αυτό σημαίνει ότι το μοντέλο αντιδρά στην αντικατάσταση κορυφαίων παικτών—παικτών με κονκάρδες στα skills Finisher, Initiator ή Ball winner.

Παράδειγμα πιθανοτήτων νίκης

Ας δούμε έναν αγώνα από την τρέχουσα σεζόν (2022/2023). Το παρακάτω γράφημα δείχνει την πιθανότητα νίκης για τον αγώνα Μπάγερν Μονάχου και Στουτγάρδης από την 6η αγωνιστική.

Το μοντέλο πριν τον αγώνα υπολόγισε μια πιθανότητα νίκης 67% για την Μπάγερν, 14% για τη Στουτγάρδη και 19% για την ισοπαλία. Βλέποντας την εξέλιξη του αγώνα, βλέπουμε μεγάλο αντίκτυπο των γκολ που σημειώθηκαν στα λεπτά 36′, 57′ και 60′. Μέχρι το πρώτο λεπτό της παράτασης το σκορ ήταν 2:1 για την Μπάγερν. Μόνο ένα επιτυχημένο πέναλτι του Σ. Γκράσι στο λεπτό 90+2 εξασφάλισε την ισοφάριση. Επομένως, το μοντέλο Win Probability Live διόρθωσε την πρόβλεψη της κλήρωσης από 5% σε πάνω από 90%. Το αποτέλεσμα είναι μια απροσδόκητη αιώρηση, με την πιθανότητα νίκης της Μπάγερν να μειώνεται από 90% σε 8% στο 90+2 λεπτό. Το γράφημα είναι αντιπροσωπευτικό της ταλάντευσης της ατμόσφαιρας στο Allianz Arena εκείνη την ημέρα.

Πώς εφαρμόζεται;

Το Win Probability καταναλώνει δεδομένα συμβάντων από έναν αγώνα σε εξέλιξη (γεγονότα γκολ, φάουλ, κόκκινες κάρτες και άλλα) καθώς και δεδομένα που παράγονται από άλλα Γεγονότα αγώνα, όπως τα xGoals. Για ενημερώσεις πιθανοτήτων σε πραγματικό χρόνο, χρησιμοποιούμε Η Amazon διαχειρίστηκε τη ροή του Κάφκα (Amazon MSK) ως κεντρική λύση ροής δεδομένων και ανταλλαγής μηνυμάτων. Με αυτόν τον τρόπο, δεδομένα συμβάντων, δεδομένα θέσεων και έξοδοι διαφορετικών γεγονότων αγώνα Bundesliga μπορούν να κοινοποιηθούν μεταξύ των κοντέινερ σε πραγματικό χρόνο.

Το παρακάτω διάγραμμα απεικονίζει τη ροή εργασίας από άκρο σε άκρο για την πιθανότητα νίκης.

Τα δεδομένα που σχετίζονται με την αντιστοίχιση συλλέγονται μέσω ενός εξωτερικού παρόχου (DataHub). Τα μεταδεδομένα του αγώνα απορροφώνται και υποβάλλονται σε επεξεργασία σε ένα AWS Lambda λειτουργία. Τα δεδομένα θέσεων και συμβάντων απορροφώνται μέσω ενός AWS Fargate δοχείο (MatchLink). Όλα τα δεδομένα που απορροφήθηκαν δημοσιεύονται στη συνέχεια για κατανάλωση σε αντίστοιχα θέματα MSK. Η καρδιά του Win Probability Match Fact βρίσκεται σε ένα αποκλειστικό κοντέινερ Fargate (BMF WinProbability), το οποίο λειτουργεί κατά τη διάρκεια του αντίστοιχου αγώνα και καταναλώνει όλα τα απαιτούμενα δεδομένα που λαμβάνονται μέσω του Amazon MSK. Τα μοντέλα ML (ζωντανά και πριν από τον αγώνα) αναπτύσσονται στο Amazon Sage Maker Τελικά σημεία συμπερασμάτων χωρίς διακομιστή. Τα τελικά σημεία χωρίς διακομιστή εκκινούν αυτόματα υπολογιστικούς πόρους και κλιμακώνουν αυτούς τους υπολογιστικούς πόρους ανάλογα με την εισερχόμενη κίνηση, εξαλείφοντας την ανάγκη επιλογής τύπων παρουσιών ή διαχείρισης πολιτικών κλιμάκωσης. Με αυτό το μοντέλο πληρωμής ανά χρήση, το συμπέρασμα χωρίς διακομιστή είναι ιδανικό για φόρτους εργασίας που έχουν περιόδους αδράνειας μεταξύ των εκρήξεων κυκλοφορίας. Όταν δεν υπάρχουν αγώνες Bundesliga, δεν υπάρχει κόστος για αδρανείς πόρους.

Λίγο πριν από την έναρξη, δημιουργούμε το αρχικό μας σύνολο χαρακτηριστικών και υπολογίζουμε τις πιθανότητες νίκης πριν από τον αγώνα καλώντας το τελικό σημείο PreMatch SageMaker. Με αυτές τις πιθανότητες PreMatch, στη συνέχεια αρχικοποιούμε το ζωντανό μοντέλο, το οποίο αντιδρά σε πραγματικό χρόνο σε σχετικά συμβάντα εντός του παιχνιδιού και ζητείται συνεχώς να λάβει τις τρέχουσες πιθανότητες νίκης.

Στη συνέχεια, οι υπολογισμένες πιθανότητες αποστέλλονται πίσω στο DataHub για να παρέχονται σε άλλους καταναλωτές του MatchFacts. Οι πιθανότητες αποστέλλονται επίσης στο σύμπλεγμα MSK σε ένα ειδικό θέμα, για να καταναλωθούν από άλλα Γεγονότα Αγώνων της Μπουντεσλίγκα. Μια συνάρτηση λάμδα καταναλώνει όλες τις πιθανότητες από το αντίστοιχο θέμα Κάφκα και τις γράφει σε ένα Amazon-Aurora βάση δεδομένων. Αυτά τα δεδομένα χρησιμοποιούνται στη συνέχεια για διαδραστικές απεικονίσεις σχεδόν σε πραγματικό χρόνο χρησιμοποιώντας Amazon QuickSight.

Χαρακτηριστικά

Σε αυτήν την ανάρτηση, δείξαμε πώς η νέα Bundesliga Match Fact Win Probability δείχνει τον αντίκτυπο των γεγονότων εντός του παιχνιδιού στις πιθανότητες μιας ομάδας να κερδίσει ή να χάσει έναν αγώνα. Για να το κάνουμε αυτό, βασίζουμε και συνδυάζουμε προηγουμένως δημοσιευμένα στοιχεία αγώνα της Bundesliga σε πραγματικό χρόνο. Αυτό επιτρέπει στους σχολιαστές και τους οπαδούς να αποκαλύπτουν στιγμές μεταβολών πιθανοτήτων και πολλά άλλα κατά τη διάρκεια των ζωντανών αγώνων.

Το νέο Bundesliga Match Fact είναι το αποτέλεσμα μιας εις βάθος ανάλυσης από τους ειδικούς του ποδοσφαίρου της Bundesliga και τους επιστήμονες δεδομένων της AWS. Οι πιθανότητες νίκης εμφανίζονται στο live ticker των αντίστοιχων αγώνων στην επίσημη εφαρμογή της Bundesliga. Κατά τη διάρκεια μιας εκπομπής, οι πιθανότητες νίκης παρέχονται στους σχολιαστές μέσω του ανιχνευτής ιστοριών δεδομένων και εμφανίζεται οπτικά στους οπαδούς σε σημαντικές στιγμές, όπως όταν το αουτσάιντερ παίρνει το προβάδισμα και είναι πλέον πιθανό να κερδίσει το παιχνίδι.

Ελπίζουμε να απολαύσετε αυτό το ολοκαίνουργιο Γεγονός αγώνα της Bundesliga και να σας παρέχει νέες πληροφορίες για το παιχνίδι. Για να μάθετε περισσότερα σχετικά με τη συνεργασία μεταξύ AWS και Bundesliga, επισκεφθείτε Bundesliga στο AWS!

Είμαστε ενθουσιασμένοι που μαθαίνουμε ποια μοτίβα θα αποκαλύψετε. Μοιραστείτε τις γνώσεις σας μαζί μας: @AWScloud στο Twitter, με το hashtag #BundesligaMatchFacts.

---

Σχετικά με τους Συγγραφείς

Σάιμον Ρόλφες Έπαιξε 288 παιχνίδια Μπουντεσλίγκα ως κεντρικός μέσος, σημείωσε 41 γκολ και κέρδισε 26 συμμετοχές για τη Γερμανία. Επί του παρόντος, ο Rolfes υπηρετεί ως Διευθύνων Σύμβουλος Sport στην Bayer 04 Leverkusen, όπου επιβλέπει και αναπτύσσει το ρόστερ των επαγγελματιών παικτών, το τμήμα scouting και την ανάπτυξη της νεολαίας του συλλόγου. Ο Simon γράφει επίσης εβδομαδιαίες στήλες Bundesliga.com σχετικά με τα πιο πρόσφατα στοιχεία αγώνα της Bundesliga που υποστηρίζονται από την AWS. Εκεί προσφέρει την τεχνογνωσία του ως πρώην παίκτης, αρχηγός και αναλυτής τηλεόρασης για να τονίσει την επίδραση των προηγμένων στατιστικών και της μηχανικής μάθησης στον κόσμο του ποδοσφαίρου.

Tareq Haschemi είναι σύμβουλος στην AWS Professional Services. Οι δεξιότητές του και οι τομείς εξειδίκευσής του περιλαμβάνουν ανάπτυξη εφαρμογών, επιστήμη δεδομένων, μηχανική μάθηση και μεγάλα δεδομένα. Υποστηρίζει πελάτες στην ανάπτυξη εφαρμογών που βασίζονται σε δεδομένα εντός του cloud. Πριν ενταχθεί στην AWS, ήταν επίσης σύμβουλος σε διάφορους κλάδους όπως η αεροπορία και οι τηλεπικοινωνίες. Είναι παθιασμένος με το να δίνει τη δυνατότητα στους πελάτες στο ταξίδι δεδομένων/AI στο cloud.

Χαβιέ Ποβέδα-Πάντερ είναι Επιστήμονας Δεδομένων για πελάτες αθλημάτων EMEA στην ομάδα AWS Professional Services. Δίνει τη δυνατότητα στους πελάτες στον τομέα των αθλημάτων θεατών να καινοτομούν και να αξιοποιούν τα δεδομένα τους, παρέχοντας εμπειρίες χρηστών και θαυμαστών υψηλής ποιότητας μέσω της μηχανικής εκμάθησης και της επιστήμης δεδομένων. Ακολουθεί το πάθος του για ένα ευρύ φάσμα αθλημάτων, μουσικής και τεχνητής νοημοσύνης στον ελεύθερο χρόνο του.

Λούκ Φινγκτόρ είναι Σύμβουλος Αθλητικής Τεχνολογίας στην ομάδα AWS Professional Services. Συνεργάζεται με παίκτες, συλλόγους, πρωταθλήματα και εταιρείες πολυμέσων όπως η Bundesliga και η Formula 1 για να τους βοηθήσει να πουν ιστορίες με δεδομένα χρησιμοποιώντας μηχανική εκμάθηση. Στον ελεύθερο χρόνο του, του αρέσει να μαθαίνει τα πάντα για το μυαλό και τη διασταύρωση μεταξύ ψυχολογίας, οικονομίας και τεχνητής νοημοσύνης.

Gabriel Zylka είναι Μηχανικός Μηχανικής Μάθησης στις Επαγγελματικές Υπηρεσίες AWS. Συνεργάζεται στενά με τους πελάτες για να επιταχύνει το ταξίδι υιοθέτησης του cloud. Εξειδικευμένος στον τομέα MLOps, εστιάζει στην παραγωγή φόρτου εργασίας μηχανικής μάθησης αυτοματοποιώντας τους κύκλους ζωής μηχανικής μάθησης από άκρο σε άκρο και βοηθώντας στην επίτευξη των επιθυμητών επιχειρηματικών αποτελεσμάτων.

Jakub Michalczyk είναι Επιστήμονας Δεδομένων στην Sportec Solutions AG. Πριν από αρκετά χρόνια, επέλεξε τις σπουδές στα μαθηματικά από το να παίζει ποδόσφαιρο, καθώς κατέληξε στο συμπέρασμα ότι δεν ήταν αρκετά καλός στο τελευταίο. Τώρα συνδυάζει και τα δύο αυτά πάθη στην επαγγελματική του καριέρα εφαρμόζοντας μεθόδους μηχανικής μάθησης για να αποκτήσει μια καλύτερη εικόνα αυτού του όμορφου παιχνιδιού. Στον ελεύθερο χρόνο του, εξακολουθεί να του αρέσει να παίζει ποδόσφαιρο επτά πλευρών, να βλέπει αστυνομικές ταινίες και να ακούει μουσική ταινιών.