Bundesliga Match Fact Skill: AWS'de makine öğrenimini kullanarak futbolcu niteliklerini ölçme

Birçok sporda olduğu gibi futbolda da bireysel oyuncularla ilgili tartışmalar her zaman eğlencenin bir parçası olmuştur. "En iyi golcü kim?" veya “Savunucuların kralı kim?” Hayranlar tarafından sürekli tartışılan sorulardır ve sosyal medya bu tartışmayı güçlendirir. Sadece Erling Haaland, Robert Lewandowski ve Thomas Müller'in Instagram'da toplam 50 milyon takipçisi olduğunu düşünün. Birçok taraftar, Lewandowski ve Haaland gibi yıldız oyuncuların yarattığı inanılmaz istatistiklerden haberdardır, ancak bunun gibi hikayeler buzdağının sadece görünen kısmıdır.

Bundesliga'da yaklaşık 600 oyuncunun sözleşmeli olduğunu ve her takımın kendi şampiyonlarına sahip olduğunu düşünün - bu oyuncular bir maçta taşıyabilecekleri belirli bir beceriyi getirmek için tanıtılıyor. Örneğin FC Augsburg'dan Michael Gregoritsch'e bakın. Bu yazı itibariyle (21. maç günü), 21/22 sezonunda beş gol attı, bu, büyük golcüler hakkında kimsenin ondan bahsetmesini gerektirecek bir şey değil. Ancak daha yakından bakalım: Gregoritsch'in bu sezon sahip olduğu tüm gol şanslarının beklenen gol (xGoals) değerlerini toplarsanız, elde ettiğiniz rakam 1.7'dir. Bu, kaleye yaptığı şutlarda +%194 fazla performans sergileyerek beklenenden 3.2 daha fazla gol attığı anlamına geliyor. Karşılaştırıldığında, Lewandowski sadece 1.6 gol (+%7) ile fazla performans gösterdi. Ne büyük başarı! Açıkça Gregoritsch, Augsburg'a özel bir yetenek kazandırıyor.

Peki bireysel Bundesliga oyuncuları, becerileri ve maç sonuçlarına etkisi hakkındaki tüm gizli hikayelere nasıl ışık tutacağız? AWS tarafından desteklenen Skill adlı yeni Bundesliga Match Fact'e girin. Beceri, DFL ve AWS tarafından derinlemesine analiz yoluyla geliştirilmiştir ve dört belirli kategoride becerilere sahip oyuncuları belirlemek için geliştirilmiştir: başlatıcı, bitirici, top kazanan ve sprinter. Bu gönderi, bu dört beceriye derinlemesine bir bakış sağlar ve bunların AWS altyapısında nasıl uygulandığını tartışır.

Bir diğer ilginç nokta ise şimdiye kadar Bundesliga Match Facts'in birbirinden bağımsız olarak geliştirilmiş olması. Skill, birden fazla Bundesliga Match Facts çıktısını gerçek zamanlı olarak bir akış mimarisi kullanarak birleştiren ilk Bundesliga Match Fact'tir. Amazon Tarafından Yönetilen Akış Kafka (Amazon MSK'sı).

öncü

Başlatıcı, yüksek sayıda değerli birinci ve ikinci asist yapan oyuncudur. Bu asistlerin değerini belirlemek ve ölçmek için yeni metrik xAssist'i tanıttık. Gol vuruşundan önceki son ve sondan ikinci pasın izlenmesi ve bu hareketlere ilgili xGoals değerinin atanmasıyla hesaplanır. İyi bir başlatıcı, geçişleri yüksek zorluk derecesinde başarıyla tamamlayarak zorlu koşullar altında fırsatlar yaratır. Belirli bir geçişi tamamlamanın ne kadar zor olduğunu değerlendirmek için mevcut xPass modeli. Bu ölçümde, açık oyundaki kesin asistleriyle gol şansı yaratan oyunculara odaklanmak için ortaları ve serbest vuruşları bilerek hariç tutuyoruz.

Beceri puanı aşağıdaki formülle hesaplanır:

Örnek olarak şu anki 1. Derece başlatıcı Thomas Müller'e bakalım. Bu yazı itibariyle (9.23. maç günü) 21 xAssist değeri topladı, yani kaleye şut atan sonraki oyuncular için yaptığı paslar toplam 9.23 x Gol değeri oluşturdu. 90 dakika başına xAssist oranı 0.46'dır. Bu, mevcut sezondaki toplam oyun süresinden hesaplanabilir, bu da dikkat çekicidir - 1,804 dakikadan fazla oynama süresi. İkinci asist olarak toplamda 3.80 değer üretti ve bu da 0.19 dakika başına 90 saniye asist anlamına geliyor. Toplam 38 ilk asistinin 58'i zor paslardı. İkinci asist olarak 11 pasından 28'i de zor paslardı. Bu istatistiklerle Thomas Müller, başlatıcı sıralamasında kendisini birinci sıraya fırlattı. Karşılaştırma için, aşağıdaki tablo mevcut ilk üçün değerlerini sunar.

..	xAsist	xAssisper90	xSecondAssist	xSecondAssisper90	ZorGeçişlerAsistli	ZorPassAsisted2	Nihai Puan
Thomas Müller – 1. Sıra	9.23	0.46	3.80	0.18	38	11	0.948
Serge Gnabry – 2. Derece	3.94	0.25	2.54	0.16	15	11	0.516
Florian Wirtz – 3. Derece	6.41	0.37	2.45	0.14	21	1	0.510

İşlemcisi

Bir bitirici, gol atmakta son derece iyi olan bir oyuncudur. Şut verimliliği yüksektir ve oyun süresine göre birçok golü başarır. Beceri, atılan gerçek hedeflere ve bunun beklenen gollerle olan farkına (xGoals) dayanır. Bu, şansların iyi bir şekilde kullanılıp kullanılmadığını değerlendirmemizi sağlar. İki forvetin aynı sayıda golü olduğunu varsayalım. Eşit derecede güçlüler mi? Yoksa biri kolay koşullardan puan alırken diğeri zorlu durumlarda mı bitiriyor? Şut verimliliği ile şu cevap verilebilir: Atılan goller xGoals sayısını aşarsa, bir oyuncu aşırı performans gösterir ve ortalamadan daha verimli bir şutördür. Bu farkın büyüklüğü aracılığıyla, bir şutör etkinliğinin ortalamayı ne ölçüde geçtiğini ölçebiliriz.

Beceri puanı aşağıdaki formülle hesaplanır:

Bitirici için daha çok hedeflere odaklanıyoruz. Aşağıdaki tablo, mevcut ilk üçe daha yakından bir bakış sunar.

..	Goller	Goller90 Başına	ShotVerimlilik	Nihai Puan
Robert Lewandowski – 1. Sıra	24	1.14	1.55	0.813
Erling Haaland – 2. Sıra	16	1.18	5.32	0.811
Patrik Schick – 3. Derece	18	1.10	4.27	0.802

Robert Lewandowski bu sezon 24 gol kaydetti ve bu da onu birinci sıraya koyuyor. Haaland'ın şut verimliliği daha yüksek olsa da, Haaland'ın ilk sırada yer alması hala yeterli değil çünkü atılan gollere daha fazla ağırlık veriyoruz. Bu, Lewandowski'nin son derece iyi puan almasına rağmen, alınan asistlerin hem niteliğinden hem de niceliğinden yüksek kazanç sağladığını gösteriyor. Patrick Schick, Haaland'dan iki gol daha attı, ancak 90 dakika başına daha düşük bir gol oranına ve daha düşük şut verimliliğine sahip.

kısa mesafe koşucusu

Sprinter, yüksek hızlara ulaşmak için fiziksel yeteneğe sahiptir ve bunu diğerlerinden daha sık yapar. Bu amaçla, bir oyuncunun içinde bulunduğu sezondaki tüm oyunlardaki ortalama en yüksek hızları değerlendiririz ve diğer ölçümlerin yanı sıra 90 dakika başına sprint sıklığını dahil ederiz. Bir oyuncu iki saniyeden fazla 4.0 m/s'lik bir minimum hızda koşarsa ve bu süre içinde en az 6.3 m/s'lik bir tepe hıza ulaşırsa, bir sprint sayılır. Sprint süresi, 6.3 m/s eşiğine ulaşılan ilk ve son zaman arasındaki süre ile karakterize edilir ve onaylanması için en az 1 saniye uzunluğunda olması gerekir. Yeni bir sprint ancak tempo tekrar 4.0 m/s eşiğinin altına düştükten sonra gerçekleşmiş olarak kabul edilebilir.

Beceri puanı aşağıdaki formülle hesaplanır:

Formül, oyuncuların sprintlerine bakabileceğimiz birçok yolu değerlendirmemize ve sadece bu oyuncuların ürettiği en yüksek hızlara bakmanın ötesine geçmemize izin veriyor. Örneğin, Jeremiah St. Juste 36.65 km/s ile mevcut sezon rekoruna sahiptir. Bununla birlikte, sprintlerinin sıklığına bakarsak, maç başına ortalama olarak yalnızca dokuz kez sprint yaptığını görürüz! Öte yandan Alphonso Davies, St. Juste kadar hızlı olmayabilir (en yüksek hız 36.08 km/s), ancak maç başına şaşırtıcı bir şekilde 31 sprint gerçekleştiriyor! Çok daha yüksek bir ortalama hızla çok daha sık depar atıyor ve takımına sahada yer açıyor.

top kazanan

Bu yeteneğe sahip bir oyuncu, hem toplamda hem de oyun süresiyle ilgili olarak rakip takıma top kayıplarına neden olur. Çok sayıda kara ve hava düellolarını kazanır ve sık sık topu çalar veya durdurur, kendisi güvenli bir top kontrolü yaratır ve takımının kontra atak yapma olasılığı yaratır.

Beceri puanı aşağıdaki formülle hesaplanır:

Bu yazı itibariyle, ilk top kazanan Danilo Soares. Toplam 235 defans düellosu var. 235 defansif düellodan 75'ini kazandı ve rakiplerini bir karşılaşmada mağlup etti. Bu sezon defans oyuncusu olarak oynadığı pozisyonda 51 top yakaladı ve ona yaklaşık %32'lik bir kazanma oranı verdi. Ortalama olarak, 2.4 dakikada 90 top durdurdu.

Beceri örneği

Skill Bundesliga Match Fact, Bundesliga oyuncularının yeteneklerini ve güçlü yanlarını ortaya çıkarmamızı sağlar. Beceri sıralamaları, oyuncuları, goller gibi geleneksel istatistik sıralamalarında daha önce fark edilmemiş olabilecek ön plana çıkarır. Örneğin, Michael Gregoritsch gibi bir oyuncu alın. Gregoritsch, 21. maç günü itibarıyla bitirici sıralamasında altıncı sırada yer alan FC Augsburg'un forvet oyuncusu. Şu ana kadar beş gol kaydetti ve bu, onu herhangi bir gol sıralamasında en üst sıraya koymaz. Ancak oynanan 663 dakikada bunu başardı! Bu gollerden biri de 97. dakikada Berlin'de deplasmanda mağlubiyetten kurtulmasına yardımcı olan geç eşitlikçi gol oldu.

Skill Bundesliga Match Fact aracılığıyla, her oyuncunun çeşitli niteliklerini de tanıyabiliriz. Bunun bir örneği, aynı zamanda sprinter ve bitirici rozetini kazanan ve şu anda Bundesliga sprinterleri arasında altıncı sırada yer alan Dortmund yıldızı Erling Haaland.

Bu metriklerin tümü, oyuncu hareket verileri, golle ilgili veriler, top hareketiyle ilgili veriler ve pasla ilgili verilere dayanmaktadır. Bu bilgileri veri boru hatlarında işliyor ve beceri başına gerekli ilgili istatistikleri çıkararak tüm metriklerin gelişimini gerçek zamanlı olarak hesaplamamıza olanak tanıyoruz. Yukarıda bahsedilen istatistiklerin çoğu, sahada geçen süreye göre normalleştirilir, bu da oyun süresi az olan ancak oynarken inanılmaz derecede iyi performans gösteren oyuncuların dikkate alınmasına olanak tanır. Metriklerin kombinasyonları ve ağırlıkları tek bir puanda birleştirilir. Sonuç, dört oyuncu becerisindeki tüm oyuncular için bir sıralamadır. İlk 10'da yer alan oyuncular, taraftarların kadrolarına getirdikleri olağanüstü nitelikleri hızla belirlemelerine yardımcı olmak için bir beceri rozeti alır.

Uygulama ve mimari

Bu noktaya kadar geliştirilen Bundesliga Maç Gerçekleri birbirinden bağımsızdır ve yalnızca kendi hesaplamalarının yanı sıra konum ve etkinlik verilerinin alınmasına dayanır. Ancak bu, örneğin xGoals veya xPass gibi mevcut Maç Gerçekleri tarafından üretilen verilere dayalı beceri sıralamalarını hesaplayan yeni Bundesliga Match Fact Skill için değişir. Bir etkinliğin sonucu, muhtemelen girme şansı düşük olan inanılmaz bir gol, bitirici beceri sıralamasında önemli bir etkiye sahip olabilir. Bu nedenle, temel verilerde bir güncelleme olduğunda her zaman en güncel beceri sıralamalarını sağlayan bir mimari oluşturduk. Becerilerde gerçek zamanlı güncellemeler elde etmek için veri akışı ve mesajlaşma çözümü olarak Apache Kafka için yönetilen bir AWS hizmeti olan Amazon MSK'yı kullanıyoruz. Bu şekilde, farklı Bundesliga Maç Gerçekleri en son olayları ve güncellemeleri gerçek zamanlı olarak iletebilir.

Skill'in temel mimarisi dört ana bölümden oluşur:

• An Amazon Aurora Sunucusuz kümesi mevcut eşleşme gerçeklerinin tüm çıktılarını saklar. Bu, örneğin Bundesliga Match Facts'in tanıtılmasından bu yana gerçekleşen her pas (xPass, oyuncu, hedeflenen alıcı gibi) veya şut (xGoal, oyuncu, gol) için verileri içerir.
• Bir merkezi AWS Lambda işlevi, Bundesliga Match Fact çıktılarını Aurora veritabanına yazar ve diğer bileşenlere bir güncelleme olduğunu bildirir.
• Her bir beceri için bir Lambda işlevi, beceri sıralamasını hesaplar. Bu işlevler, belirli becerinin hesaplanması için yeni veriler mevcut olduğunda çalışır.
• Bir Amazon MSK Kafka kümesi, tüm bu bileşenler arasında merkezi bir iletişim noktası görevi görür.

Aşağıdaki diyagram bu iş akışını göstermektedir. Her Bundesliga Match Fact, bir etkinlikte bir güncelleme olduğunda (bir şut etkinliği için güncellenmiş bir xGoals değeri gibi) hemen Kafka'ya bir etkinlik mesajı gönderir. Bir Bundesliga Match Fact böyle bir mesaj gönderdiğinde ve bu verileri veritabanına yazdığında, merkezi dağıtıcı Lambda işlevi otomatik olarak tetiklenir. Ardından, yeni verileri içeren Kafka aracılığıyla, bireysel beceri hesaplama işlevleri için tetikleyici görevi gören Kafka'ya başka bir mesaj gönderir. Bu işlevler, en yeni beceri sıralamalarını hesaplamak ve yayınlamak için bu tetikleyici olayın yanı sıra temeldeki Aurora kümesinden gelen verileri kullanır. Bu projede Amazon MSK kullanımına daha ayrıntılı bir bakış için Set Piece Threat blog gönderisine bakın.

Özet

Bu yazıda, yeni Bundesliga Match Fact Skill'in, eski bağımsız Bundesliga Match Facts'i gerçek zamanlı olarak temel alarak ve birleştirerek, dört temel oyuncu boyutunda Bundesliga oyuncularını nesnel olarak karşılaştırmayı nasıl mümkün kıldığını gösterdik. Bu, yorumcuların ve taraftarların daha önce fark edilmeyen oyuncu yeteneklerini ortaya çıkarmasına ve çeşitli Bundesliga oyuncularının üstlendiği rollere ışık tutmasına olanak tanır.

Yeni Bundesliga Maç Gerçeği, Bundesliga'nın futbol uzmanları ve AWS veri bilimcilerinin, futbolcu niteliklerini nesnel performans verilerine dayalı olarak ayrıştırmak ve kategorilere ayırmak için yaptığı derinlemesine bir analizin sonucudur. Oyuncu beceri rozetleri, Bundesliga uygulamasındaki kadroda ve oyuncu detay sayfalarında gösterilir. Yayında, oyuncu becerileri yorumculara kanal aracılığıyla sağlanmaktadır. veri hikayesi bulucu ve oyuncu değişikliği sırasında ve bir oyuncu ilgili ilk 10 sıralamasına yükseldiğinde hayranlara görsel olarak gösterilir.

Bu yepyeni Bundesliga Match Fact'i beğeneceğinizi ve size oyunla ilgili yeni bilgiler sağlayacağını umuyoruz. AWS ve Bundesliga arasındaki ortaklık hakkında daha fazla bilgi edinmek için şu adresi ziyaret edin: AWS'de Bundesliga!

---

Yazarlar Hakkında

Simon Rolfes Merkez orta saha oyuncusu olarak 288 Bundesliga maçı oynadı, 41 gol attı ve Almanya adına 26 maç kazandı. Rolfes şu anda Bayer 04 Leverkusen'de Sportif Direktör olarak görev yapıyor ve burada profesyonel oyuncu kadrosunu, keşif departmanını ve kulübün genç gelişimini denetleyip geliştiriyor. Simon ayrıca AWS tarafından desteklenen en son Bundesliga Maç Gerçekleri hakkında Bundesliga.com'da haftalık sütunlar yazıyor.

Luuk Figdor AWS Profesyonel Hizmetler ekibinde Kıdemli Spor Teknolojisi Uzmanıdır. Bundesliga ve Formula 1 gibi oyuncular, kulüpler, ligler ve medya şirketleriyle birlikte çalışarak, makine öğrenimini kullanarak verilerle hikayeler anlatmalarına yardımcı oluyor. Boş zamanlarında zihin ve psikoloji, ekonomi ve yapay zeka arasındaki kesişim hakkında her şeyi öğrenmeyi sever.

Pascal Kühner AWS Profesyonel Hizmetler Ekibinde bir Bulut Uygulaması Geliştiricisidir. Uygulama geliştirme, DevOps ve altyapı aracılığıyla iş sonuçlarına ulaşmalarına yardımcı olmak için farklı sektörlerdeki müşterilerle birlikte çalışır. Spor konusunda çok tutkulu ve boş zamanlarında basketbol ve futbol oynamayı seviyor.

Tarık Haschemi AWS Professional Services bünyesinde bir danışmandır. Becerileri ve uzmanlık alanları arasında uygulama geliştirme, veri bilimi, makine öğrenimi ve büyük veri bulunmaktadır. Hamburg'da yerleşik olarak, müşterilerin bulut içinde veriye dayalı uygulamalar geliştirmesini desteklemektedir. AWS'ye katılmadan önce, havacılık ve telekomünikasyon gibi çeşitli sektörlerde de danışman olarak görev yaptı. Müşterilerin buluta veri/AI yolculuklarında olanak sağlama konusunda tutkulu.

Jakub Michalczyk Sportec Solutions AG'de Veri Bilimcisidir. Birkaç yıl önce matematik çalışmalarını futbol oynamak yerine seçti, ikincisinde yeterince iyi olmadığı sonucuna varmıştı. Şimdi, bu güzel oyuna daha iyi bir bakış açısı kazandırmak için makine öğrenimi yöntemlerini uygulayarak bu iki tutkuyu profesyonel kariyerinde birleştiriyor. Boş zamanlarında hala yedişer kişilik futbol oynamayı, suç filmleri izlemeyi ve film müziği dinlemeyi seviyor.

Javier Poveda-Panter AWS Profesyonel Hizmetler ekibindeki EMEA spor müşterileri için bir Veri Bilimcisidir. Seyirci sporları alanındaki müşterilerin, makine öğrenimi ve veri bilimi aracılığıyla yüksek kaliteli kullanıcı ve hayran deneyimleri sunarak yenilik yapmalarını ve verilerinden yararlanmalarını sağlar. Boş zamanlarında çok çeşitli spor, müzik ve yapay zeka tutkusunun peşinden gidiyor.

• Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. SERBEST ERİŞİM.
• KriptoHawk. Altcoin Radarı. Ücretsiz deneme.
• Kaynak: https://aws.amazon.com/blogs/machine-learning/bundesliga-match-fact-skill-quantifying-football-player-qualities-using-machine-learning-on-aws/