Bundesliga Maç Gerçeği Galibiyet Olasılığı: AWS'de makine öğrenimini kullanarak oyun içi etkinliklerin kazanma şansı üzerindeki etkisini ölçme

Bundan on yıl sonra, kulüplerin teknolojik uygunluğu, başarılarına önemli bir katkıda bulunacak. Bugün teknolojinin futbol anlayışında devrim yaratma potansiyeline şimdiden tanık oluyoruz. xHedefler Herhangi bir şut durumunun gol atma potansiyelini ölçer ve karşılaştırmaya izin verirken, xTehdit ve EPV modeller, oyun içi herhangi bir anın değerini tahmin eder. Sonuç olarak, bu ve diğer gelişmiş istatistikler tek bir amaca hizmet eder: kimin ve neden kazanacağına dair anlayışı geliştirmek. Yeni Bundesliga Maç Gerçeği: Kazanma Olasılığını girin.

Bayern'in geçen sezon Bochum'a karşı ikinci maçında işler beklenmedik bir şekilde döndü. Maçın başlarında, Lewandowski sadece 1 dakika sonra 0:9 gol attı. Ligin “Gri Faresi”, o sezon ilk kez Bayern ile karşılaştığında, 7:0 felaketini anında hatırlatıyor. Ama bu sefer değil: Christopher Antwi-Adjei kulüp adına ilk golünü sadece 5 dakika sonra attı. 38. dakikada bir penaltı golü bulduktan sonra, Monaco di Bavaria takımı felç olmuş gibi görünüyor ve işler patlamaya başladı: Gamboa hindistan cevizi Coman'ı ve mutlak bir penaltı ile bitiriyor ve Holtmann ilk yarıya 4:1 yakın bir kepçe ile bitiriyor. soldan. Bayern, 1975'ten bu yana ilk yarıda bu kadar çok gol atmamıştı ve 4:2'lik bir sonuçla zar zor uzaklaşabildi. Bunu kim tahmin edebilirdi? Her iki takım da ilk kalecileri olmadan oynadı, bu da Bayern için kaptanları Manuel Neuer'i kaçırmak anlamına geliyordu. Onun varlığı onları bu beklenmedik sonuçtan kurtarmış olabilir mi?

Benzer şekilde Köln, 2020/2021 sezonunda iki olağanüstü zinger çıkardı. Dortmund ile karşılaştıklarında 18 maçta galibiyet alamamışlardı, BVB'den Haaland o sezon gol atma konusunda ustalık sınıfındaydı (23 maçta 22). Favorinin rolü açıktı, ancak Köln sadece 9 dakika ile erken bir liderliği aldı. İkinci yarının başında, Skhiri ilk golünün karbon kopya golünü attı: 0:2. Dortmund hücum gücüne boyun eğdi, büyük şanslar yarattı ve 1:2 gol attı. Tüm oyuncular arasında bir bakıcıyı uzatmada 5 dakika kaçıran Haaland, neredeyse 3 yıl sonra Dortmund'da ilk 30 puanla Köln'ü taçlandırdı.

O sezonun ilerleyen saatlerinde, Köln - ev masasında sonuncu - şampiyona lideri Bayern'e yaklaşmak için tüm motivasyona sahip olan RB Leipzig'i şaşırttı. Rakip Leipzig, ilk yarıda 13 şut bulan takım sezon rekoru ile “Billy Goats”a baskı yaparak, zaten yüksek olan kazanma şanslarını artırdı. İronik olarak, Köln 1. dakikada ilk golü atarak 0:46'ı buldu. “Red Bulls” hak ettiği bir ekolayzeri kaydettikten sonra, sadece 80 saniye sonra taç atışıyla uyudular ve Jonas Hector Köln adına gol atmasına neden oldu. Yeniden. Tıpkı Dortmund gibi, Leipzig de şimdi tüm enerjisini hücumda kullandı, ancak elde etmeyi başardıkları en iyi şey uzatmalarda direğe ulaşmaktı.

Tüm bu maçlar için, hem uzmanlar hem de acemiler, maçın içinde bile kazananı yanlış tahmin edebilirdi. Ancak, bu şaşırtıcı oyun içi kazanma olasılığı dalgalanmalarına yol açan olaylar nelerdir? Zamanları tükendiği için mazlumun kazanma şansı favorileri hangi dakikada geçti? Bundesliga ve AWS, maçlar boyunca kazanma şansının canlı gelişimini hesaplamak ve göstermek için birlikte çalışarak taraftarların olasılık dalgalanmalarının önemli anlarını görmelerini sağladı. Sonuç, yeni makine öğrenimi (ML) destekli Bundesliga Maç Gerçeği: Kazanma Olasılığı.

Nasıl Çalışır?

Yeni Bundesliga Match Fact Win Probability, 1,000'den fazla tarihi oyunu analiz eden ML modelleri oluşturularak geliştirildi. Canlı model, maç öncesi tahminleri alır ve aşağıdakiler de dahil olmak üzere sonucu etkileyen özelliklere dayalı olarak bunları maç işlemlerine göre ayarlar:

• Goller
• cezalar
• kırmızı kartlar
• Yerine Koyma
• Zaman Geçti
• Gol şansı yaratıldı
• Sabit parça durumları

Canlı model, bir sinir ağı mimarisi kullanılarak eğitilir ve dakika başına hedef oranını tahmin etmek için bir Poisson dağıtım yaklaşımı kullanır. r aşağıdaki denklemde açıklandığı gibi her takım için:

Bu oranlar, bir takımın gücünün tahmini olarak görülebilir ve girdilere dayalı bir dizi yoğun katman kullanılarak hesaplanır. Bu oranlara ve rakipler arasındaki farka göre, gerçek zamanlı olarak kazanma ve beraberlik olasılıkları hesaplanır.

Modelin girişi, 3'lü bir giriş özelliği grubu, mevcut hedef farkı ve dakika cinsinden kalan oyun süresidir.

Üç girdi boyutunun ilk bileşeni, performans metriklerinde her iki takım için gerçek zamanlı olarak mevcut oyun eylemini tanımlayan bir özellik setinden oluşur. Bunlar, tahminden önceki son 15 dakikada çekilen şutlara özellikle dikkat edilerek çeşitli toplu takım bazlı xG değerlerini içerir. Ayrıca kırmızı kartları, penaltıları, köşe vuruşlarını ve tehlikeli serbest vuruş sayısını da işliyoruz. Tehlikeli bir serbest vuruş, rakibin kalesine 25 metreden daha yakın bir serbest vuruş olarak sınıflandırılır. Modelin geliştirilmesi sırasında, eski Bundesliga Match Fact xGoals etkisinin yanı sıra, Bundesliga Match Fact Skill'in modeldeki etkisini de değerlendirdik. Bu, modelin en iyi oyuncuların (Bitirici, Başlatıcı veya Top kazanan becerilerinde rozetleri olan oyuncuların) değiştirilmesine tepki gösterdiği anlamına gelir.

Kazanma Olasılığı örneği

Şimdi bu sezondan (2022/2023) bir maça bakalım. Aşağıdaki grafik, 6. maç gününden Bayern Münih ve Stuttgart maçının kazanma olasılığını göstermektedir.

Maç öncesi model, Bayern için %67, Stuttgart için %14 ve beraberlik için %19 kazanma olasılığını hesapladı. Maçın gidişatına baktığımızda 36', 57' ve 60' dakikalarda atılan gollerin büyük etkisi olduğunu görüyoruz. Uzatmaların ilk dakikasına kadar Bayern skor 2:1'di. Sadece 90+2. dakikada S. Grassy'nin başarılı penaltısıyla berabere kaldı. Kazanma Olasılığı Canlı Modeli bu nedenle beraberlik tahminini %5'ten %90'ın üzerine düzeltti. Sonuç, 90+8 dakikada Bayern'in kazanma olasılığının %90'dan %2'e düşmesiyle beklenmedik bir geç dönüş. Grafik, o gün Allianz Arena'daki atmosferdeki değişimi temsil ediyor.

Nasıl uygulanır?

Galibiyet Olasılığı, devam eden bir maçtan (gol olayları, fauller, kırmızı kartlar ve daha fazlası) etkinlik verilerini ve ayrıca xGoals gibi diğer Maç Gerçekleri tarafından üretilen verileri kullanır. Olasılıkların gerçek zamanlı güncellemeleri için Amazon Tarafından Yönetilen Akış Kafka (Amazon MSK) merkezi bir veri akışı ve mesajlaşma çözümü olarak. Bu şekilde, olay verileri, pozisyon verileri ve farklı Bundesliga Maç Gerçeklerinin çıktıları, konteynerler arasında gerçek zamanlı olarak iletilebilir.

Aşağıdaki şema, Kazanma Olasılığı için uçtan uca iş akışını göstermektedir.

Toplanan eşleşmeyle ilgili veriler, harici bir sağlayıcı (DataHub) aracılığıyla alınır. Eşleşmenin meta verileri alınır ve bir AWS Lambda işlev. Konumlar ve olaylar verileri, bir AWS Fargate kapsayıcı (MatchLink). Alınan tüm veriler daha sonra ilgili MSK konularında tüketim için yayınlanır. Kazanma Olasılığı Eşleşmesi Gerçeğinin kalbi, ilgili eşleşme süresi boyunca çalışan ve Amazon MSK aracılığıyla elde edilen tüm gerekli verileri tüketen özel bir Fargate kapsayıcısında (BMF WinProbability) bulunur. ML modelleri (canlı ve maç öncesi) Amazon Adaçayı Yapıcı Sunucusuz Çıkarım uç noktaları. Sunucusuz uç noktalar, bilgi işlem kaynaklarını otomatik olarak başlatır ve gelen trafiğe bağlı olarak bu işlem kaynaklarını ölçeklendirerek, örnek türlerini seçme veya ölçeklendirme ilkelerini yönetme ihtiyacını ortadan kaldırır. Bu kullanım başına ödeme modeliyle Sunucusuz Çıkarım, trafik artışları arasında boşta kalma süreleri olan iş yükleri için idealdir. Bundesliga maçları olmadığında, atıl kaynaklar için herhangi bir maliyet yoktur.

Başlamadan kısa bir süre önce, ilk özellik setimizi oluşturuyoruz ve Maç Öncesi SageMaker bitiş noktasını çağırarak maç öncesi kazanma olasılıklarını hesaplıyoruz. Bu PreMatch olasılıklarıyla, ilgili oyun içi olaylara gerçek zamanlı olarak tepki veren ve mevcut kazanma olasılıklarını almak için sürekli olarak sorgulanan canlı modeli başlatıyoruz.

Hesaplanan olasılıklar daha sonra diğer MatchFacts tüketicilerine sağlanmak üzere DataHub'a geri gönderilir. Olasılıklar ayrıca diğer Bundesliga Maç Gerçekleri tarafından tüketilmek üzere özel bir konuya MSK kümesine gönderilir. Bir Lambda işlevi, ilgili Kafka konusundaki tüm olasılıkları tüketir ve bunları bir Amazon Aurora'sı veri tabanı. Bu veriler daha sonra etkileşimli gerçek zamanlıya yakın görselleştirmeler için kullanılır. Amazon QuickSight.

Özet

Bu gönderide, yeni Bundesliga Maç Gerçeği Kazanma Olasılığının, oyun içi olayların bir takımın maçı kazanma veya kaybetme şansı üzerindeki etkisini nasıl gösterdiğini gösterdik. Bunu yapmak için, daha önce yayınlanmış Bundesliga Maç Gerçeklerini gerçek zamanlı olarak geliştiriyor ve birleştiriyoruz. Bu, yorumcuların ve taraftarların, canlı maçlar sırasında olasılık dalgalanmaları anlarını ve daha fazlasını ortaya çıkarmasına olanak tanır.

Yeni Bundesliga Maç Gerçeği, Bundesliga'nın futbol uzmanları ve AWS veri bilimcileri tarafından yapılan derinlemesine bir analizin sonucudur. Galibiyet olasılıkları, resmi Bundesliga uygulamasındaki ilgili maçların canlı yayın akışında gösterilir. Bir yayın sırasında, yorumculara kazanma olasılıkları, veri hikayesi bulucu ve mazlumun öne geçtiği ve artık oyunu kazanma ihtimalinin yüksek olduğu anlar gibi önemli anlarda 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!

Hangi kalıpları ortaya çıkaracağınızı öğrenmek için heyecanlıyız. Görüşlerinizi bizimle paylaşın: Twitter'da @AWScloud, #BundesligaMatchFacts hashtag'i ile.

---

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 Sport Direktörü olarak görev yapıyor ve burada profesyonel oyuncu kadrosunu, keşif departmanını ve kulübün genç gelişimini denetleyip geliştiriyor. Simon ayrıca haftalık köşe yazıları yazıyor. Bundesliga.com AWS tarafından desteklenen en son Bundesliga Maç Gerçekleri hakkında. Orada eski bir oyuncu, kaptan ve TV analisti olarak uzmanlığını, gelişmiş istatistiklerin ve makine öğreniminin futbol dünyasındaki etkisini vurgulamak için sunuyor.

Tarık Haschemi AWS Professional Services bünyesinde bir danışmandır. Becerileri ve uzmanlık alanları arasında uygulama geliştirme, veri bilimi, makine öğrenimi ve büyük veri bulunmaktadır. Müşterileri bulut içinde veriye dayalı uygulamalar geliştirmede destekler. AWS'ye katılmadan önce, havacılık ve telekomünikasyon gibi çeşitli sektörlerde de danışmanlık yaptı. Müşterilerin buluta veri/AI yolculuklarında olanak sağlama konusunda tutkulu.

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 verilerini kullanmalarını sağlar. Boş zamanlarında çok çeşitli spor, müzik ve yapay zeka tutkusunun peşinden gidiyor.

Luuk Figdor AWS Profesyonel Hizmetler ekibinde bir Spor Teknolojisi Danışmanıdır. 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.

Gabriel Zylka AWS Professional Services bünyesinde bir Makine Öğrenimi Mühendisidir. Bulut benimseme yolculuklarını hızlandırmak için müşterilerle yakın bir şekilde çalışır. MLOps alanında uzmanlaşmış, uçtan uca makine öğrenimi yaşam döngülerini otomatikleştirerek ve istenen iş sonuçlarının elde edilmesine yardımcı olarak makine öğrenimi iş yüklerini üretmeye odaklanıyor.

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