Bundesligaen er kjent for sine eksepsjonelle keepere, noe som gjør den potensielt den mest fremtredende blant Europas fem beste ligaer i denne forbindelse. Bortsett fra den allment anerkjente Manuel Neuer, har Bundesliga produsert bemerkelsesverdige keepere som har utmerket seg i andre ligaer, inkludert slike som Marc-André ter Stegen, som er en superstjerne i Barcelona. Med tanke på en så sterk konkurranse er folk splittet i spørsmålet om hvem den mest bemerkelsesverdige sweeperen i den tyske toppligaen er. Som demonstrert av Yann Sommers fantastiske 19 redninger (Bundesliga-rekord) mot Bayern München i fjor sommer som hjalp hans tidligere klubb Mönchengladbach til å trekke uavgjort mot Bayern, kjemper denne ligaens keepere hardt om topplassen.
Vi har gang på gang vært vitne til at en keeper kan vinne eller bryte en seier, men det er fortsatt utfordrende å objektivt kvantifisere effekten på et lags suksess. Hvem er den mest effektive målvakten i Bundesliga? Hvem hindrer flere mål enn gjennomsnittet? Hvordan kan vi sammenligne keepere med forskjellige spillestiler? Det er på tide å kaste lys over våre foresattes prestasjoner. Gå inn i den splitter nye Bundesliga Match Fact: Keeper Efficiency.
Når man snakker om de beste av de beste skuddstopperne i Bundesliga, er listen lang og sjelden komplett. De siste årene har ett navn vært spesielt dominerende: Kevin Trapp. I årevis har Trapp blitt sett på som en av de beste målvaktene i Bundesliga. Ikke bare ble han ansett som den topprangerte målvakten i ligaen i løpet av 2021/22-sesongen, men han hadde også den tittelen tilbake i 2018/19 da Eintracht Frankfurt nådde semifinalen i Europa League. I likhet med Yann Sommer, leverte Trapp ofte sine beste prestasjoner på netter da laget hans var oppe mot bayerne.
Mange fotballentusiaster vil hevde at Yann Sommer er den beste keeperen i Tysklands øverste liga, til tross for at han også er den minste. Sommer er svært dyktig med ballen ved føttene og har demonstrert sin evne til å produsere fengslende redninger som er på nivå med andre i verdenseliten. Selv om Sommer virkelig kan matche alle målvakters nivå på sine beste dager, har han ikke hatt nok av de beste dagene ofte tidligere. Selv om han har forbedret konsistensen over tid, gjør han fortsatt sporadiske feil som kan frustrere fansen. Selv om han har vært den velfortjente Sveits nummer 1 siden 2016, vil tiden vise om han skyver Manuel Neuer av tronen i München.
Og la oss ikke glemme Gregor Kobel. Siden han kom til Borussia Dortmund, har Kobel, som tidligere har spilt for Hoffenheim, Augsburg og VfB Stuttgart, vært en bemerkelsesverdig signering for klubben. Selv om Jude Bellingham muligens har gått forbi ham som lagets høyest verdsatte spiller, er det fortsatt et gyldig argument for at Kobel er den viktigste spilleren for Dortmund. Med sine bare 25 år er Kobel blant de mest lovende unge målvaktene globalt, med evnen til å lage kvalitetsredninger og møte et betydelig antall skudd i Bundesligaen. Presset for å prestere i Dortmund er enormt, nest etter deres harde rivaler Bayern München (når dette skrives), og Kobel har ikke den samme defensive beskyttelsen som enhver Bayern-keeper ville. I 2022/23 så langt har han nesten sikret nullen annenhver kamp for Die Schwarzgelben, til tross for lagets inkonsekvens og ofte dårlige midtbaneprestasjoner.
Som disse eksemplene viser, er måtene keepere skinner på og konkurrerer på, mangfoldige. Derfor er det ingen overraskelse at det å bestemme målvakters ferdigheter i å forhindre at ballen går inn i nettet regnes som en av de vanskeligste oppgavene i fotballdataanalyse. Bundesliga og AWS har samarbeidet om å utføre en grundig undersøkelse for å studere kvantifiseringen av prestasjonene til Bundesligas keepere. Resultatet er en maskinlæring (ML)-drevet innsikt som lar fansen enkelt evaluere og sammenligne målvaktenes ferdigheter. Vi er glade for å kunngjøre den nye Bundesliga Match Fact: Keeper Efficiency.
Hvordan fungerer det
Den nye Bundesliga Match Fact Keeper Efficiency lar fansen vurdere ferdighetene til målvakter med tanke på deres evne til å hindre skyttere i å score. Selv om det kan være informativt å telle det totale antallet redninger en målvakt gjør i løpet av en kamp, tar det ikke hensyn til variasjoner i vanskelighetsgraden til skuddene som blir møtt. For å unngå å behandle en rutinemessig fangst av et 30-metersskudd rettet direkte mot målvakten som å være ekvivalent med en eksepsjonell redning fra et skudd tatt fra en avstand på 5 meter, tildeler vi hvert skudd en verdi kjent som xSaves, som måler sannsynligheten at et skudd vil bli reddet av en keeper. Med andre ord, et skudd med en xSaves-verdi på 0.9 vil bli lagret 9 av 10 ganger.
En ML-modell trenes gjennom Amazon SageMaker, ved å bruke data fra fire sesonger av den første og andre Bundesligaen, som omfatter alle skudd som havnet på mål (enten resulterte i et mål eller ble reddet). Ved å bruke avledede karakteristikker til et skudd, genererer modellen sannsynligheten for at skuddet vil bli vellykket reddet av målvakten. Noen av faktorene som modellen vurderer er: avstand til mål, avstand til målvakt, skuddvinkel, antall spillere mellom skuddstedet og målet, målvaktens plassering og antatt skuddbane. Vi bruker en ekstra modell for å forutsi banen til skuddet ved å bruke de første få rammene av det observerte skuddet. Med den forutsagte banen til skuddet og målvaktens posisjon, kan xSaves-modellen evaluere sannsynligheten for at målvakten redder ballen.
Å legge sammen alle xSaves-verdier av reddet og innlatte skudd av en målvakt gir det forventede antallet redninger en målvakt bør ha i løpet av en kamp eller sesong. Å sammenligne det med det faktiske antallet redninger gir Keeper-effektiviteten. Med andre ord, en keeper med en positiv Keeper Efficiency-vurdering indikerer at keeperen har reddet flere skudd enn forventet.
Keeper Effektivitet i aksjon
Følgende er noen estimater for å vise Keeper-effektiviteten.
Eksempel 1
På grunn av den store avstanden til mål, og den relativt lave avstanden og det store antallet forsvarsspillere som dekker målet, er sannsynligheten lav for at skuddet skal resultere i mål. Fordi keeperen reddet skuddet, vil han få en liten økning i Keeper Efficiency-rangeringen.
Eksempel 2
I dette eksemplet er angriperen mye nærmere målet, med bare en forsvarsspiller mellom ham og målvakten, noe som resulterer i en lavere redningssannsynlighet.
Eksempel 3
I dette eksemplet er ballens hastighet mye høyere og ballen er høyere fra bakken, noe som resulterer i en svært lav sannsynlighet for at ballen blir reddet. Målet ble sluppet inn, og derfor vil keeperen se en liten nedgang i sin Keeper Efficiency-statistikk.
Hva gir en god redning
Den forrige videoen viser et skudd med middels vanskelighetsgrad med omtrent 50/50 sjanse for å bli reddet, noe som betyr at halvparten av keeperne i ligaen ville redde det og den andre halvparten slipper inn målet. Det som gjør denne redningen bemerkelsesverdig er målvaktens posisjonering, instinkt og reflekser. Målvakten forblir fokusert på ballen selv når synet hans er hindret av forsvarerne og endrer posisjonering flere ganger i henhold til hvor han tror den største åpningen ligger. Ser vi på det bilde for bilde, så snart den angripende spilleren viker opp for å ta skuddet, gjør målvakten et kort hopp bakover for å bedre posisjonere seg for hoppet for å redde skuddet. Keeperens reflekser er perfekte, og lander nøyaktig i det øyeblikket spissen sparker ballen. Hvis han lander for sent, vil han være midt i luften mens ballen flyr mot mål, og kaste bort dyrebar tid. Med begge føttene plantet på gresset gjør han et kraftig hopp, og klarer å redde skuddet.
Hvordan Keeper Efficiency implementeres
Dette Bundesliga-kampfakta bruker både hendelses- og posisjonsdata. Posisjonsdata er informasjon samlet inn av kameraer om posisjonene til spillerne og ballen til enhver tid under kampen (xy-koordinater), som ankommer 25Hz. Hendelsesdata består av håndmerkede hendelsesbeskrivelser med nyttige attributter, som f.eks skutt på mål. Når et skudd på mål (en scoret eller lagret mål) hendelse mottas, spør den etter de lagrede posisjonsdataene og finner en synkroniseringsramme– en ramme der tidspunktet og plasseringen av ballen samsvarer med hendelsen. Denne rammen brukes til å synkronisere hendelsesdataene med posisjonsdataene. Etter å ha synkronisert, brukes de påfølgende rammene som sporer ballbanen til å forutsi hvor ballen kommer inn i målet. I tillegg vurderes keeperposisjonen på tidspunktet for skuddet, samt en rekke andre funksjoner som antall forsvarere mellom ballen og målstolpen og ballens hastighet. Alle disse dataene sendes deretter til en ML-modell (xGBoost), som distribueres på Amazon SageMaker Serverless Inference for å generere en prediksjon om sannsynligheten for at skuddet blir reddet.
Selve BMF-logikken (bortsett fra ML-modellen) kjører på en AWS Fargate container. For hver xSaves-prediksjon produserer den en melding med prediksjonen som nyttelast, som deretter blir distribuert av en sentral meldingsmegler som kjører på Amazon administrerte strømming for Apache Kafka (Amazon MSK). Informasjonen blir også lagret i en datainnsjø for fremtidig revisjon og modellforbedringer. Innholdet i Kafka-meldingene blir så skrevet via en AWS Lambda funksjon til en Amazon Aurora Serverløs database som skal presenteres i en Amazon QuickSight dashbord. Følgende diagram illustrerer denne arkitekturen.
Oppsummering
Den nye Bundesliga Match Fact Keeper Efficiency måler skuddstoppferdighetene til Bundesligas målvakter, som regnes for å være blant de beste i verden. Dette gir fans og kommentatorer den unike muligheten til å forstå kvantitativt hvor mye en målvakts prestasjoner har bidratt til et lags kampresultat eller sesongmessige prestasjoner.
Dette Bundesliga Match Fact ble utviklet blant et team av Bundesliga- og AWS-eksperter. Bemerkelsesverdige keeperprestasjoner blir presset inn i Bundesliga-livetickeren i mobilappen og på nettsiden. Kampkommentatorer kan observere eksepsjonell Keeper-effektivitet gjennom datahistoriefinner, og visuelle bilder presenteres for fansen som en del av kringkastingsstrømmene.
Vi håper at du liker dette splitter nye Bundesliga Match Fact og at det gir deg ny innsikt i spillet. For å lære mer om partnerskapet mellom AWS og Bundesliga, besøk Bundesliga på AWS!
Vi er spente på å lære hvilke mønstre du vil avdekke. Del din innsikt med oss: @AWScloud på Twitter, med hashtaggen #BundesligaMatchFacts.
Om forfatterne
Javier Poveda-Panter er Senior Data Scientist for EMEA sportskunder innenfor AWS Professional Services-teamet. Han gjør det mulig for kunder innen tilskuersport å innovere og utnytte dataene sine, og levere høykvalitets bruker- og fanopplevelser gjennom maskinlæring og datavitenskap. Han følger lidenskapen sin for et bredt spekter av sport, musikk og AI på fritiden.
Tareq Haschemi er konsulent innen AWS Professional Services. Hans ferdigheter og ekspertiseområder inkluderer applikasjonsutvikling, datavitenskap, maskinlæring og big data. Han støtter kunder med å utvikle datadrevne applikasjoner i skyen. Før han begynte i AWS var han også konsulent i ulike bransjer som luftfart og telekommunikasjon. Han brenner for å muliggjøre kunder på deres data/AI-reise til skyen.
Jean-Michel Lourier er senior dataforsker innen AWS Professional Services. Han leder team som implementerer datadrevne applikasjoner side om side med AWS-kunder for å generere forretningsverdi ut av dataene deres. Han er lidenskapelig opptatt av å dykke inn i teknologi og lære om AI, maskinlæring og deres forretningsapplikasjoner. Han er også en entusiastisk syklist som tar lange sykkelturer.
Fotinos Kyriakides er en ML-ingeniør med AWS Professional Services. Han fokuserer sin innsats innen maskinlæring, MLOps og applikasjonsutvikling, for å støtte kunder med å utvikle applikasjoner i skyen som utnytter og innoverer på innsikt generert fra data. På fritiden liker han å løpe og utforske naturen.
Uwe Dick er dataforsker ved Sportec Solutions AG. Han jobber for å gjøre det mulig for Bundesliga-klubber og media å optimere ytelsen ved hjelp av avansert statistikk og data – før, etter og under kamper. På fritiden nøyer han seg med mindre og prøver bare å holde ut hele 90 minutter for fritidsfotballlaget.
Luuk Figdor er en hovedrådgiver for sportsteknologi i AWS Professional Services-teamet. Han jobber med spillere, klubber, ligaer og medieselskaper som Bundesliga og Formel 1 for å hjelpe dem å fortelle historier med data ved hjelp av maskinlæring. På fritiden liker han å lære alt om sinnet og skjæringspunktet mellom psykologi, økonomi og AI.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/bundesliga-match-fact-keeper-efficiency-comparing-keepers-performances-objectively-using-machine-learning-on-aws/
- :er
- $OPP
- 1
- 10
- 2016
- 7
- 9
- a
- evne
- Om oss
- Ifølge
- Logg inn
- prestasjoner
- I tillegg
- avansert
- rådgiver
- Etter
- AG
- mot
- AI
- Alle
- tillater
- Selv
- Amazon
- blant
- analyse
- og
- Kunngjøre
- Apache
- hverandre
- app
- Søknad
- Applikasjonutvikling
- søknader
- ca
- arkitektur
- ER
- AREA
- områder
- argumentere
- argument
- ankommer
- AS
- At
- angripe
- attributter
- revisjon
- Aurora
- gjennomsnittlig
- luftfart
- AWS
- AWS profesjonelle tjenester
- tilbake
- ball
- barcelona
- BE
- fordi
- være
- BEST
- Bedre
- bedre posisjon
- mellom
- Stor
- Store data
- Biggest
- Break
- bred
- kringkasting
- megler
- virksomhet
- Business Applications
- by
- kameraer
- CAN
- kapital
- Catch
- sentral
- utfordrende
- sjanse
- Endringer
- egenskaper
- nærmere
- Cloud
- klubb
- klubber
- samarbeidet
- kommentatorer
- Selskaper
- sammenligne
- sammenligne
- konkurrere
- konkurranse
- fullføre
- ansett
- konsulent
- Container
- innhold
- bidratt
- dekker
- Kunder
- dashbord
- dato
- dataanalyse
- Data Lake
- datavitenskap
- dataforsker
- data-drevet
- Database
- Dager
- redusere
- Defenders
- defensiv
- levert
- levere
- demonstrert
- utplassert
- Avledet
- Til tross for
- bestemme
- utvikle
- utviklet
- utvikle
- Utvikling
- Die
- forskjellig
- vanskelig
- Vanskelighetsgrad
- direkte
- avstand
- distribueres
- ikke
- dominerende
- tegne
- under
- hver enkelt
- lett
- Økonomi
- effekt
- effektivitet
- effektiv
- innsats
- enten
- elite
- EMEA
- muliggjøre
- muliggjør
- muliggjør
- altomfattende
- ingeniør
- nyte
- nok
- Enter
- entusiastisk
- entusiaster
- Tilsvarende
- feil
- spesielt
- estimater
- Europa
- Europas
- evaluere
- Selv
- Event
- Hver
- eksempel
- eksempler
- Unntatt
- eksepsjonell
- opphisset
- forventet
- Erfaringer
- ekspertise
- eksperter
- utforske
- ekstra
- Face
- møtt
- faktorer
- vifte
- fans
- Egenskaper
- Feet
- Noen få
- Felt
- voldsom
- funn
- Først
- flying
- fokuserte
- fokuserer
- etter
- følger
- fotball
- Til
- Tidligere
- formel
- Formula 1
- RAMME
- ofte
- fra
- fullt
- funksjon
- framtid
- spill
- generere
- generert
- genererer
- Tysk
- få
- gir
- Globalt
- mål
- Mål
- god
- gress
- Ground
- Halvparten
- hashtag
- Ha
- å ha
- Held
- hjelpe
- høykvalitets
- høyere
- høyest
- svært
- håp
- Hvordan
- HTML
- http
- HTTPS
- enorme
- implementere
- viktig
- forbedret
- forbedringer
- in
- I andre
- dyptgående
- inkludere
- Inkludert
- Øke
- indikerer
- bransjer
- informasjon
- informative
- innledende
- innovere
- innsikt
- innsikt
- kryss
- IT
- DET ER
- selv
- sammenføyning
- reise
- jpg
- hoppe
- Keepere
- Kicks
- kjent
- innsjø
- landing
- lander
- stor
- Siste
- Late
- Fører
- League
- ligaer
- LÆRE
- læring
- Nivå
- Leverage
- ligger
- lett
- Liste
- leve
- plassering
- Lang
- ser
- Lav
- maskin
- maskinlæring
- laget
- gjøre
- GJØR AT
- Making
- fikk til
- administrerende
- Match
- betyr
- målinger
- Media
- medium
- melding
- meldinger
- tankene
- minutter
- ML
- MLOps
- Mobil
- Mobilapp
- modell
- øyeblikk
- mer
- mest
- flere
- musikk
- navn
- Natur
- nett
- Ny
- bemerkelsesverdig
- Antall
- observere
- sporadisk
- of
- Gammel
- on
- ONE
- åpning
- Opportunity
- Optimalisere
- Annen
- andre
- del
- Partnerskap
- bestått
- lidenskap
- lidenskapelig
- Past
- mønstre
- Ansatte
- perfekt
- Utfør
- ytelse
- forestillinger
- plato
- Platon Data Intelligence
- PlatonData
- spilt
- spiller
- spillere
- spiller
- dårlig
- posisjon
- posisjonering
- stillinger
- positiv
- potensielt
- Dyrebar
- nettopp
- forutsi
- spådd
- prediksjon
- presentert
- press
- forebygge
- hindre
- tidligere
- Principal
- Før
- produsere
- produsert
- profesjonell
- fremtredende
- lovende
- beskyttelse
- gir
- Psykologi
- presset
- kvalitet
- spørsmål
- område
- Ranking
- vurdering
- nådd
- motta
- mottatt
- nylig
- gjenkjent
- rekord
- rekreasjons~~POS=TRUNC
- relativt
- forblir
- bemerkelsesverdig
- Kjent
- resultere
- resulterende
- rivaler
- Kjør
- rennende
- sagemaker
- samme
- Spar
- besparende
- Vitenskap
- Forsker
- scoring
- Årstid
- årstider
- Sekund
- sikret
- senior
- server~~POS=TRUNC
- Tjenester
- bosetter
- Del
- skinne
- Kort
- bør
- Vis
- presentere
- Viser
- side
- signifikant
- signering
- lignende
- siden
- siden 2016
- dyktig
- ferdigheter
- liten
- So
- så langt
- Solutions
- noen
- fart
- splittet
- Sports
- Spot
- stats
- Still
- lagret
- Stories
- Story
- streaming
- bekker
- sterk
- Studer
- Stunning
- senere
- suksess
- vellykket
- slik
- sommer
- super~~POS=TRUNC
- Støtte
- Støtter
- overraskelse
- Ta
- ta
- snakker
- Target
- oppgaver
- lag
- lag
- tech
- Teknologi
- telekommunikasjon
- vilkår
- Det
- De
- Området
- informasjonen
- verden
- deres
- Dem
- derfor
- Disse
- tenker
- tronen
- Gjennom
- ticker
- tid
- ganger
- timing
- Tittel
- til
- også
- topp
- Totalt
- mot
- spor
- trent
- bane
- behandling
- avdekke
- forstå
- unik
- us
- Bruker
- bruke
- verdi
- verdsatt
- Verdier
- ulike
- av
- video
- Se
- syn
- Besøk
- måter
- VI VIL
- Hva
- om
- hvilken
- mens
- HVEM
- allment
- vil
- vinne
- vind
- med
- innenfor
- vitne
- ord
- virker
- verden
- ville
- skriving
- skrevet
- Xgboost
- år
- rentene
- Du
- Young
- Din
- zephyrnet