📰 Футбольная аналитика: учёные доказали, что «тупой» пас в аут — это новый мета-мув
Представь: ты врубаешься в прямой эфир матча открытия Чемпионата мира. Судья дает свисток, первый удар по мячу — и вдруг какой-то игрок намеренно выбивает сферу аж на половину поля соперника, прямо в аут. Казуал почешет репу: «В чем логика добровольно отдавать владение через пять секунд после старта?». Но если бы ты был Джесси Дэвисом, ты бы знал — это идеальная расстановка для гола.
Дэвис — профессор компьютерных наук в бельгийском KU Leuven и глава его Sports Analytics Lab. Эта лаборатория с момента основания более десяти лет назад находится на передовой футбольной аналитики. Хотя исследовательская группа применяет модели машинного обучения к разным видам спорта — баскетболу, волейболу, хоккею на траве — самое сильное влияние они оказывают именно на футбольном поле. Дэвис и его команда используют продвинутую аналитику данных, чтобы выявлять, скажем так, сдвигающие парадигму находки, которые меняют процесс принятия решений в профессиональных клубах. «Его лаборатория — самая влиятельная в мире футбольной аналитики», — говорит Уго Риос-Нето, руководитель отдела скаутинга данных в бельгийском «Андерлехте». Они помогли командам лучше оценивать составы, придумали методы оценки эффективности тех или иных стратегий и разработали алгоритмы, вскрывающие скрытые тактические паттерны.
Как, например, ценность удара в аут рядом с воротами соперника с последующим вбрасыванием из-за боковой — прием, который за последние пару лет замелькал в топ-лигах мира. Чтобы доказать статистическую пользу этого, казалось бы, нелогичного хода, группа Дэвиса собрала тренировочный датасет из более чем 1,4 миллиона пасов и около 60 тысяч вбрасываний — частично с ЧМ-2022. Они использовали ансамблевые модели деревьев решений, чтобы симулировать тактику. Итог, который исследователи представили в статье 2024 года с говорящим названием «Boot it»: когда мяч находится в центральной трети поля, выбивание его в аут на половине соперника может поставить тебя в 10 действий (пасов и дриблингов) от гола. А это огромное дело в игре, где бывает полторы тысячи действий за матч, а забивают редко. Суть, объясняет Дэвис, — ты готовишь почву для возврата мяча в выгодной позиции.
Помимо точечных инсайтов на день игры, Дэвис занимает уникальную нишу в мире спортивной аналитики: многие клубы уже нанимают внутренние команды данных, чтобы сохранить конкурентоспособность. Он выкладывает большую часть своих исследований в открытый доступ через инструменты аналитики с открытым кодом, но академическая жизнь даёт ему свободу браться за более сложные задачи — например, за стандартизацию игровых данных. Этот проект упростит разбор записей матчей и поиск выигрышных стратегий.
Самому Дэвису 45, он вырос в Висконсине, с детства фанател от баскетбола и американского футбола. Футбол долго был для него почти незнакомцем, пока в колледже ЧМ-2002 (где великая Бразилия всех разорвала) не затянул его в свои сети. Но мысль о том, чтобы анализировать этот вид спорта, даже не приходила. В аспирантуре по компьютерным наукам он работал с рентгенологами, анализируя отчёты маммографии.
[[MEDIA_BLOCK_0]]
В октябре 2010-го Дэвис устроился в KU Leuven профессором информатики, изучая пересечение ИИ и здравоохранения с упором на мониторинг спортивных показателей. Его команда комбинировала пульс с другими метриками, чтобы понять, не перетренировался ли атлет, и углублялась в биомеханику бега....
🔗 Полный текст статьи читайте у нас на сайте: Читать на TechLoot
📢 ТехноЛут
