header-logo

Comunicación de marketing impulsada por inteligencia artificial

iCrowdNewswire Spanish

Predicciones de taza 2018 del mundo con Big Data: ¿quién va a ganar Qué y cuándo?. Se trata de quién va a ganar la Copa del mundo, según datos de gran

Jun 15, 2018 6:00 AM ET
null

La final de la Liga de campeones no fue sólo un juego emocionante, pero también era un cambiador de juego posibles: Liverpool huelguista Mo Salah, jugador del año, recibió la bota de oro y de Egipto mejor conocido jugador repentinamente había tenido su boleto a la Copa del mundo en duda después de un desafío agresivo de Sergio Ramos lo dejó herido.

Las implicaciones de este aparejo han sido sería enorme: Salah si no podía jugar para su país (resulta que ha hecho la casi imposible y que es apto), esto podría haber afectado las posibilidades de Egipto en la Copa del mundo, y mientras Egipto es poco probable ser troub Ling las últimas rondas de la competición, como una mariposa aleteando sus alas en el otro lado del mundo, rendimiento de Egipto podría en impacto de vuelta como los otros equipos en su grupo no – y en última instancia afectan a qué país llega a levantar el trofeo.

Dicho esto, caída potencial de Salah es sólo uno de millones de puntos de datos. Uno de los millones de factores que podrían afectar el resultado de la competencia.

¿Cómo podemos conseguir una manija en qué esperar, entonces? ¿Hay alguna manera de predecir cómo actuará equipos? ¿Podría Big Data, que ya ha transformado a muchas otras industrias, también desbloquear una comprensión más profunda del juego hermoso? ¿Podría predecir lo que va a ganar la Copa del mundo?

Puntos de datos

Opta Sports y estadísticas son dos empresas que tratan de responder a preguntas como esta. Como empresas de datos de deportes, sus misiones son para recopilar datos y hacer sentido para sus clientes, que incluye equipos deportivos y federaciones, así como los medios de comunicación que tienen hambre de conocimientos de datos (ejem).

“Es muy fácil pensar que más datos están buenos, pero hasta que sepa cómo vas a utilizar y qué se puede aprender de él, a veces puede ser datos por causa de los datos”

Poder de Pablo, STATS.com

¿Realmente recogen, entonces? Gerente de marketing de opta Peter Deeley explicó que para cada partido de fútbol, su compañía recoge alrededor de 2000 puntos de datos individuales, sobre todo centrados en acciones “en bola”. Un equipo de tres analistas – uno para cada lado y alguien en momentos difíciles de comprobar, se sentará en el centro de datos de la empresa en Leeds y todo lo que sucede en el campo registrará esencialmente: cada pase, cross y tiro, así como las posiciones en el campo donde ea interacción de CH ha tenido lugar.

Los datos se envían a clientes directo, razón por la cual, por ejemplo, experto de UK (y ex jugador de Inglaterra) Gary Lineker es capaz de decirle a los espectadores sobre estadísticas como posesión y tiros en meta en el medio tiempo.

Stats.com hace al mismo tipo de cosa – y Paul Power, un científico de datos en la empresa, estaba dispuesto a decirme acerca de cómo no sólo los seres humanos que se utilizan para la recolección de datos y nuevas tecnologías de visión de computadora.

Cuando se trata de registrar con precisión la posición de cada jugador en la cancha, su empresa utiliza cámaras colocadas alrededor del borde para calcular hacia fuera, ahorrando la necesidad de los jugadores a llevar balizas de seguimiento bajo sus camisas, como ha ocurrido en deportes como el Rugby Union.

Pero ¿por qué a los seres humanos? ¿No visión de computadora se utiliza para iniciar sesión todos de este tipo de datos? “La gente está aún mejor debido a matices que los equipos no van a ser capaces de entender,”, argumenta Pablo.

Él da el ejemplo qué pasa si un jugador está acorralado y lanza el balón lejos de la desesperación, pero por suerte la bola entonces es recibida por un jugador en el mismo equipo. A una máquina, esto puede parecer simplemente un pase largo, como las máquinas no pueden trabajar fuera del contexto de lo que está sucediendo, o la mirada de pánico en la cara del jugador – iniciar sesión un pase largo, mientras que técnicamente el evento técnicamente es algo más : un espacio libre. Lo que significa que sin un ser humano para hacer estas llamadas, los datos registrados podrían ser menos precisos.

El enfoque Opta

¿Sabemos que ambas empresas tienen un montón de datos – pero que piensan que realmente va a ganar la Copa del mundo? Aunque ambas empresas generan mucha información detallada para sus clientes, curiosamente las estadísticas y Opta divergieron cuando se trata de modelar el torneo de este verano.

En caso de Opta, Peter me explicó que su modelo de la Copa del mundo no tiene en cuenta la gran cantidad de datos de jugadores individuales. En cambio, ha elegido Opta sólo por fijarse en el funcionamiento de los escuadrones nacionales específicos a nivel de equipo. Por ejemplo, las posibilidades de evaluación de Egipto basadas en cómo el equipo egipcio realizado en el pasado y sin tomar en cuenta la situación lesiones de Mo Salah.

“Los científicos de datos de la Copa del mundo vieron la performance histórica de los diferentes países, qué diferencia hace si juegas como nación anfitriona, qué diferencia hace que usted está jugando en su continente de origen.”

Peter Deeley, Opta

“Los científicos de datos de la Copa del mundo vieron la performance histórica de los diferentes países, qué diferencia hace si juegas como nación anfitriona, qué diferencia hace que usted está jugando en su continente de origen [y] Qué diferencia hace “hacer si han ganado las últimas copas del mundo pocos, explica Peter.

Los científicos de datos eran entonces capaces de modificar el modelo ejecutando cientos de miles de veces para hacer mejoras iterativas, ajuste el peso relativo de cada factor en el algoritmo.

Esto es una sorpresa, asumiría más datos mejor, pero Peter cree que este modelo todavía puede entregar buenas predicciones.

Anuncio
 

“Una Copa del mundo sólo se realiza cada cuatro años, por lo que usted encontrará a menudo que un jugador de calidad decente, jugando para un país que juega a menudo en copas del mundo, sólo jugará en los dos torneos de Copa del mundo – no tendrás mucho datos sobre ese impacto de los jugadores del equipo mayor dentro de la internacional arriba conjunto “, dice.

 

Y él cree que esto

datos a nivel de equipo están suficiente: “Italia ganó en 2006 – no eran favoritos y la calidad de su equipo, aunque bueno, no eran un equipo que tenía una superestrella nivel de Cristiano Ronaldo”.

 

Él explica: “es realmente interesante, con copas del mundo es cierto que los equipos que históricamente bien seguir haciendo bien. Alemania, en las últimas tres copas del mundo tienen al menos a las semifinales.

 

“Aunque se puede argumentar que su equipo esta vez no es tan bueno como última vez, todavía tienen ese historial de ser campeones del mundo actual, de ser un equipo que generalmente funciona bien – y es en su continente de origen. Ello significa que tienen una buena oportunidad por lo general, no independientemente de su equipo, pero tienen antecedentes de realizar bien en los torneos.”

“Es muy fácil pensar que más datos están buenos, pero hasta que sepa cómo vas a utilizar y qué se puede aprender de él, a veces pueden ser datos por causa de los datos”, dice.

El modelo de las estadísticas

 

ESTADÍSTICAS ha modelado la Copa del mundo algo diferente. A diferencia de su rival, tiene datos de jugador individual en cuenta para lo que llama “¿Qué pasa si?” Analytics.

 
 

Según Pablo, esto significa que las estadísticas efectivamente pueden utilizar datos de jugador individual para elaborar no sólo un equipo se desempeño, sino también cuantificar el impacto del intercambio de los jugadores dentro y fuera de la escuadra. En caso de Mo Salah, reclamos estadísticas su sistema sería capaz de calcular el impacto en Egipto si él es suficiente ajuste para jugar o no.

 

“Usted puede tapar en estas diferentes situaciones y que serían capaces de generar un resultado y que medida cualquiera sería número de goles marcado o concedido, o simplemente la probabilidad de ganar: ¿cómo ese jugador aumentar o disminuir las posibilidades?” Pablo explica.

“Veamos este, ejecutar las simulaciones y esto realmente nos dirá: Salah Mo puede ser 0.3 de una meta, o si él no está jugando y entra otro jugador, que reduce la probabilidad de ganar en un 3% o 10% o realmente podría aumentarlo dependiendo el equipo que realmente juegas contra.”

¿Por qué creer las estadísticas en que el enfoque individual funciona mejor que mirando los equipos?

 

“Todo el mundo sabe que si te estás perdiendo a tus jugadores estrellas va a impacto en el rendimiento – no necesitan una compleja red neural para decirle que,” dice Pablo. “Si te estás perdiendo en el conjunto de datos, realmente va a sesgar sus probabilidades y sus predicciones”.

 

“Sabemos que agregando en estas características adicionales de los jugadores que tengamos impactos mejor porque lo que somos capas de hacerlo mejor es modelo de las relaciones directas entre individuos, y aunque es un deporte de equipo, sabemos que ciertos individuos tienen una mayor influencia en el resultado de algunos otros.

“Si te estás perdiendo un full-back por ejemplo, potencialmente va a ser tan importante que falta a un mediocampista central, por lo que tiene para tener en cuenta para ello y como resultado de que estamos realmente seguros en el modelo que hemos generado.”

Dime quién va a ganar, maldita sea

Anuncio
 

¿Ahora llegamos a la importante pregunta: qué país los dos modelos predicen la va a ganar? En ambos casos, como nerds de estadísticas adecuadas, han entregado pronósticos probabilísticos que contienen algo más matizar que usted compañero de Dave, que jura ciega que Alemania va a ganar otra vez porque él tiene un buen presentimiento.

 

Pedí las estadísticas para sus predicciones y tristemente, a pesar de la compañía estando dispuestos a decirme acerca de todos los datos tiene acceso y cómo se haría realidad una predicción , me dijeron que ellos no se publican sus predicciones este año. ¿Por qué? ¿Por miedo a equivocarte? No, la respuesta es mucho más sencilla: se trata de información valiosa, y sólo quieren derramar los frijoles a pagar los clientes.

 

Sin embargo, tenemos una predicción de Opta. Precios perennes ganadores de la Copa del mundo Brasil (no mencionar 2014) como el más probable es que una vez más – de campeones dándoles un 14.2% de probabilidades de ganar. Esto significa que si usted corrió la Copa del mundo con los mismos equipos exactamente 20 veces, sólo usted esperaría a Brasil a ganar alrededor de tres veces. Como su compañero Dave, Opta también le gusta Alemania – dándoles un 11.4% de posibilidades de nuevo llevándose a casa el trofeo.

 

Otra empresa que le gusta predecir y tiene una cantidad de miedo de exactitud en sus resultados es EA Sports. Para las tres últimas copas del mundo, se ha predicho acertadamente el ganador final de la Copa del mundo.

Utilizando los datos detallados tiene en los jugadores y ranking de equipo en FIFA 2018 y su complemento de la Copa del mundo, funcionó una simulación del torneo y Francia fueron los ganadores eventual, derrotando a Alemania en la final. Dado predijo que Alemania y España para las copas mundiales 2010 y 2014 respectivamente, esto podría ser un buen grito.

 

Entonces es azul, una empresa famosa por utilizar AI para predecir el flujo y reflujo de gestión en algunos de los supermercados más grandes del mundo. Dio vuelta recientemente a su mano a la predicción de la Copa del mundo. Campo izquierdo sí, pero su tecnología se ha analizado cada partido internacional jugado desde 1872, ejecutando simulaciones sobre 1 millón de la Copa del mundo y cree que Brasil son los favoritos para ganar a Rusia, con un 22,5% de probabilidades de ganar.

¿Y qué pasa con Inglaterra? La mala noticia para Gareth Southgate es que Opta da a su equipo humilde oportunidad de 1,9%, mientras que azul allá sube esto un poco a 5.7%.

Si Opta y azul allá están bien, es muy probable que podamos esperamos perder otra tanda de penaltis. Suspiro.

See Campaign: https://www.techradar.com/news/world-cup-2018-predictions-with-big-data-who-is-going-to-win-what-and-when
Contact Information:
James O’Malley

Tags:
, Wire, Artificial Intelligence Newswire, United States, Spanish

image


Keywords:  afds, afdsafds

Tags:  News