Estás leyendo la publicación: Sports Analytics 101-Introducción – Hacia la IA
Publicado originalmente en Hacia la IA, la empresa líder mundial en noticias y medios de IA y tecnología. Si está creando un producto o servicio relacionado con la IA, lo invitamos a considerar convertirse en patrocinador de la IA. En Hacia la IA, ayudamos a escalar las empresas emergentes de IA y tecnología. Permítanos ayudarlo a dar rienda suelta a su tecnología a las masas.
Estoy escribiendo una serie de artículos sobre cómo el análisis de datos y el aprendizaje automático pueden impactar y ser útiles en el análisis deportivo. A lo largo de mi vida como aspirante a científico de datos, siempre he buscado guías que me ayuden a obtener una comprensión más profunda de la analítica deportiva. Después de años de investigación y cursos, se me ocurrió la idea de crear una guía llamada Sports Analytics 101. Espero que esta guía ayude a personas como yo a comprender y apreciar mejor el análisis de datos.
¿Por qué es esencial el análisis deportivo?
El análisis deportivo es principalmente para los equipos directamente involucrados en los juegos o las empresas de apuestas deportivas.
El análisis deportivo tiene como objetivo ayudar a la gerencia a tomar decisiones informadas mediante el uso de datos relacionados con cualquier deporte o juego, por ejemplo, estadísticas de jugadores, condiciones climáticas, victorias y derrotas recientes. El análisis deportivo tiene como objetivo mejorar el rendimiento del equipo y aumentar las posibilidades de ganar. Un éxito dice mucho y se filtra a los fanáticos en el estadio, a los contratos de televisión, a la mercancía de la tienda de fanáticos, al estacionamiento, a las concesiones, a los patrocinios, a la inscripción y retención, y al orgullo local.
Algunos grandes ejemplos ⚽️
- Uno de los mejores clubes de fútbol del mundo, el Real Madrid, está utilizando la tecnología de Microsoft para transformar sus operaciones, rendimiento, estado físico y relaciones con sus 500 millones de fanáticos en todo el mundo.
- Fenway Sports Group, los propietarios del Liverpool FC, tienen un historial de adopción de datos. Es famoso que John Henry le ofreció a Billy Beane, el hombre detrás de Moneyball, un trato de $12.5 millones para convertirse en gerente general de los Medias Rojas de Boston en 2002 antes de explorar el mundo del fútbol.
Las principales marcas deportivas mundiales utilizan análisis deportivos avanzados para mantenerse al tanto de su juego con respecto al rendimiento, el estado físico y las relaciones con los fanáticos.
Introducción
Han pasado dos décadas desde que los entrenadores comenzaron a utilizar la ciencia de datos para mejorar el rendimiento de sus jugadores. Se han utilizado grandes datos para ayudarlos a tomar decisiones en una fracción de segundo en el campo, y los análisis deportivos los han ayudado a firmar la “próxima gran cosa”. Los árbitros ahora utilizan la tecnología de asistente de video (VAR) en el fútbol para ayudarlos a tomar decisiones más precisas sobre penales, tiros libres y tarjetas rojas.
Dado que la IA, específicamente el aprendizaje profundo, ha entrado en escena, los deportes cambiarán aún más.
En este artículo, exploraremos algunas de las aplicaciones más emocionantes de la inteligencia artificial en los deportes y la tecnología detrás de ellas, que incluyen:
- AI Ref o VAR
- Motor de recomendación de jugadores
- Análisis de rendimiento del jugador
- Identificación y exploración de talentos
- Apuesta
1. AI Ref o VAR
Resumen ⏳
Argentina empató 0-0 con Inglaterra durante la Copa del Mundo de 1986 en el calor sofocante de México cuando Diego Maradona subió con el portero de Inglaterra para recibir un centro.
A pesar de poder usar los brazos, el cancerbero era el favorito para llegar al balón. A pesar de esto, Maradona saltó más rápido en el aire y recibió el balón con la cabeza en la red. No es ningún secreto que eso no fue lo que sucedió. Los defensores de Inglaterra se enfurecieron cuando Maradona tocó el balón y le hizo un gesto al árbitro de que había marcado un gol ilegal.
Presente ?
Usando AI Referees hoy, tal objetivo podría lograrse en solo minutos. Todas las decisiones importantes que afectan el resultado de los juegos se juzgarían con mayor precisión, el margen de error sería menor y, posiblemente, las controversias se reducirían enormemente si se utilizara la IA en los deportes para ayudar a los árbitros.
Un ejemplo perfecto es el partido de la Eurocopa 2020 entre Inglaterra y Dinamarca con el penalti cuestionable señalado por AI cuando Raheem Sterling cayó cerca de la portería. ¿Qué determinaría la IA?
Utilizando el modelo de árbitro AI entrenado, el árbitro AI dictaminó que Sterling hizo contacto con el balón 150 ms antes de que Dinamarca hubiera alcanzado el balón. El árbitro de la IA aún habría concedido el penalti a Inglaterra.
Sin embargo, podría haber habido un resultado diferente si hubiera habido más ángulos de cámara disponibles.
A. Detección de fuera de juego
Por ejemplo, la detección del fuera de juego de las cámaras superiores puede ayudar al VAR en el fútbol a garantizar que los goles no se den o nieguen incorrectamente. Al mismo tiempo, los sistemas de seguimiento en el campo (como Hawkeye) pueden juzgar las llamadas de línea con mayor precisión.
En el tenis de tierra batida, la tecnología aún no ha sido capaz de dar una lectura 100 % precisa de una llamada de línea debido al movimiento más lento de la pelota.
Además, la visión por computadora puede ayudar a identificar posibles sanciones deportivas para reducir errores y controversias y evitar que los juegos se desvíen de un lado a otro debido a malas decisiones arbitrales.
B. Tecnología de línea de gol
De manera similar, la tecnología de la línea de gol se introdujo en el fútbol después de que Inglaterra no lograra un aparente empate contra Alemania en la Copa del Mundo de 2010. Según la FIFA, es un método para determinar si el balón ha cruzado la línea en su totalidad.
Utiliza campos magnéticos y cámaras con un efecto significativo. Curiosamente, debe cumplir con varios criterios para obtener la aprobación de la FIFA, incluida la capacidad de trabajar “en condiciones adversas con precisión”.
Una tecnología típica de línea de gol se basa en 14 cámaras ubicadas estratégicamente que se transmiten a un grupo de computadoras, que utilizan algoritmos avanzados de procesamiento de imágenes para
- Determinar el objeto (pelota),
- Distíngalo de las interferencias, como los hombros, la mano y las botas de un jugador.
- Confirme si toda la pelota ha cruzado la línea.
2. Motor de recomendación de jugadores
Esta aplicación te permitirá buscar jugadores similares a un jugador de fútbol específicamente seleccionado. El requisito de latencia es que los resultados se obtengan y muestren de la manera más rápida y eficiente posible en tiempo real.
Soluciones actuales: StatsBomb es el líder de la industria en análisis de fútbol. La herramienta de búsqueda de jugadores similar de StatsBomb IQ puede considerarse de última generación, pero no tenemos idea de cómo se implementa.
Tengo un proyecto similar sobre la estimación de algunas métricas clave utilizadas por los ojeadores y analistas profesionales para comparar el rendimiento de los jugadores y recomendar jugadores similares en caso de que los jugadores actuales dejen el club o se lesionen.
3. Análisis del rendimiento del jugador
Un dispositivo portátil que recopile información sobre los niveles de tensión y desgarro puede ayudar a los atletas a prevenir lesiones graves. La IA se está utilizando en los deportes para mejorar el rendimiento y la salud. Pero eso es solo el comienzo. Con IA, los equipos pueden crear estrategias y tácticas y maximizar sus fortalezas.
Usando AI, el rendimiento del jugador ahora se puede analizar de una manera más sofisticada que nunca. Usando datos y elementos visuales, los entrenadores pueden obtener información sobre las fortalezas y debilidades de sus equipos en un día determinado, lo que les permite cambiar tácticas y estrategias, y así explotar las debilidades de los oponentes.
Se aplica a todos los deportes, desde fútbol hasta tenis, balonmano y natación.
El desarrollo de un sistema informático que rastrea a los jugadores de balonmano ha llamado la atención, con un estudio que describe el proceso: la visión por computadora, por ejemplo, se usa para rastrear y analizar el movimiento humano.
Las cámaras recopilan los datos y los resultados de salida son las trayectorias espacio-temporales de los jugadores. Estas trayectorias brindan a los expertos deportivos información valiosa sobre las capacidades y el rendimiento de los jugadores.
Realizaron tres experimentos usando secuencias de video para identificar el mejor método para el seguimiento automático de jugadores de:
- Seguimiento basado únicamente en el movimiento
- Seguimiento basado en colores
- Seguimiento de color en combinación con seguimiento de plantilla
Según los resultados, el seguimiento de colores y plantillas fue el método más efectivo, gracias a su velocidad y la mínima intervención del operador humano.
4. Identificación y exploración de talentos
En estos días, los equipos están involucrando más soluciones basadas en tecnología para reclutar y buscar jugadores. Cambios de béisbol, carreras de fútbol, bloqueos de baloncesto: se realiza un seguimiento de todo lo que sucede en el campo de juego, y los equipos acumulan terabytes de datos.
El uso de la visión por computadora en los deportes implica el seguimiento de los movimientos de los jugadores y la orientación de sus cuerpos durante el juego (seguimiento de objetos en videos).
Así es como se ve en un ejemplo de jugadores de fútbol. Etiquetar los datos con la herramienta de esqueleto de punto clave y entrenar el modelo le permitirá rastrear y predecir el movimiento de los jugadores.
Los algoritmos de aprendizaje automático se integran en datos agregados o basados en eventos para “evaluar las habilidades y el potencial de los jugadores y clasificarlos en varias categorías.
Los algoritmos de aprendizaje automático se integran en datos agregados o basados en eventos para “evaluar las habilidades y el potencial de los jugadores y clasificarlos en varias categorías.
Además, los equipos pueden usar la visión por computadora para identificar atributos específicos (como la capacidad de tomar esquinas en el fútbol) que determinan el rendimiento futuro.
Con los conocimientos de estos datos, los equipos pueden tomar mejores decisiones de reclutamiento, asegurando que los equipos se basen en estrategias exitosas al comprar jugadores sin límites a bajo precio antes de desarrollarlos y venderlos para obtener ganancias.
5. Apuestas (Juegos deportivos)
Además, la analítica deportiva ha contribuido al crecimiento de la industria de las apuestas deportivas, que representa aproximadamente el 13 % del mercado mundial de las apuestas. Tiene un enorme impacto dentro y fuera del campo dentro de los deportes. Sería difícil encontrar un evento deportivo profesional sin nada en juego en el resultado cuando las apuestas deportivas están valoradas entre $ 700 y $ 1 mil millones. Es extremadamente popular entre grupos de todo tipo, desde ávidos fanáticos de los deportes hasta jugadores recreativos. Muchos jugadores se sienten atraídos por las apuestas deportivas porque tienen mucha información y análisis a su disposición cuando toman decisiones.
¿Conclusiones clave?
En los deportes, el aprendizaje automático está en auge y cada año surgen nuevas aplicaciones. Todo, excepto los juegos en sí, está configurado para mejorar con datos y tecnología.
La clave es el equilibrio. La IA puede ser buena en teoría, pero no puede ser a expensas de la experiencia de los fanáticos en los deportes. Por ejemplo, el uso del reconocimiento facial para facilitar el proceso de entrada de los aficionados o espectadores al estadio sin ningún problema también elimina los torniquetes, que, al menos para muchos aficionados al fútbol europeos, son sinónimo de una visión romántica del día del partido.
La IA es, sin duda, el futuro de la tecnología deportiva, pero aún no hemos llegado allí. Probablemente estamos al principio. Y eso es emocionante.
Si te gusta este artículo, sígueme para más contenido relevante. Además, siéntase libre de conectarse conmigo en LinkedIny seamos parte de una red atractiva.
Sports Analytics 101-Introduction se publicó originalmente en Towards AI en Medium, donde las personas continúan la conversación destacando y respondiendo a esta historia.
Publicado a través de Hacia la IA
