كأس العالم 2018: 5 تقنيات متغيرة للعبة في كرة القدم

منذ بداية القرن الحادي والعشرين ، لعبت التكنولوجيا دورًا حيويًا في إعادة تعريف الأيديولوجيات التقليدية. الرياضة قطاع استفاد كثيرًا من هذا ، مما أدى إلى تحسين اللعب بهوامش ضخمة. واحدة من هؤلاء هي كرة القدم. تعرف على التقنيات المستخدمة في كأس العالم لتغيير اللعبة.

يمكن القول إن كرة القدم هي الرياضة الأكثر شعبية في العالم. وفقًا لموقع FIFA.com ، شاهد ما مجموعه 3.2 مليار شخص مشاهدة كأس العالم لكرة القدم 2014. لكن هل تعلم أن التكنولوجيا تلعب دورًا حاسمًا في جعل كرة القدم ما هي عليه اليوم؟ في الواقع ، يمكن اعتبار كرة القدم الحديثة قطاعًا مستقلاً لتكنولوجيا المعلومات خاصًا بها بسبب التطبيقات الواسعة للتقنيات الجديدة والقديمة في الرياضة.

كيفية البحث عن حرف في جافا

تتضمن التقنيات المستخدمة في كأس العالم تقنيات قديمة مثل التعرف على الصور وتحليل الأنماط ومقاربات العصر الجديد مثل الذكاء الاصطناعي والحوسبة السحابية. في الواقع ، بالنسبة لأي شخص لديه المهارات اللازمة ولديه شغف باللعبة ، يمكن أن تكون وظيفة تقنية في مجال كرة القدم بمثابة حلم يتحقق.





في هذه المدونة ، سنناقش خمس تقنيات رئيسية تحدد طريقة الاستمتاع بكرة القدم كما نعرفها.

البيانات الضخمة والتحليلات

هناك الكثير من البيانات المتضمنة في مجال الرياضة ، وخاصة البطولة العالمية مثل FIFA. على سبيل المثال ، لتحليل وتصميم الخوارزميات التنبؤية بشكل شامل ، نحتاج إلى 185 حقلاً جيدًا من البيانات - وهذا مجرد الحد الأدنى لكل لاعب.



ليست كل البيانات التي تم إنشاؤها واستخدامها للتحليلات اليوم منظمة. تشتمل البيانات اليوم على مكونات غير منظمة مثل مقاطع الفيديو والصور ومنشورات الوسائط الاجتماعية وغير ذلك الكثير. وهذا ما يسمى بالبيانات الضخمة. من الواضح أنه يمكن إجراء تحليلات بسيطة باستخدام البيانات النصية والرقمية ، ولكن عندما يتعلق الأمر بالخوارزميات المعقدة مثل تحليلات أداء الفريق وتنبؤات إحصائيات صحة اللاعب وما إلى ذلك ، فإن الرياضيات البسيطة والأدوات التقليدية مثل Microsoft Excel ليست جيدة بما فيه الكفاية. تتضمن الكثير من التحليلات في كرة القدم الحديثة أدوات مثل Apache Hadoop و Apache Spark و Apache Kafka بسبب طبيعة البيانات.

كأس العالم 2018: 5 تقنيات متغيرة للعبة في كرة القدم - Edureka Blog Edureka

إذا كنت من مشجعي كرة القدم ، فقد تعلم أن ألمانيا فازت بكأس العالم 2014 FIFA بتدمير منافستها. لكن ، هل تعلم أن هذا الفريق الوطني استمد أفكاره باستخدام نظام معقد لتحليل البيانات الضخمة؟ كريستيند ماتش إنسايتس ، تم إطلاق هذه الأداة في عام 2012 وتم تطويرها مع المدير العام للمنتخب الألماني ، أوليفر بيرهوف ، الذي يقود المهمة. بدأ هذا المشروع الشامل في الظهور عندما بدأت مجموعة من حوالي 50 طالبًا في Deutsche Sporthochschule Koeln ، في إنشاء قاعدة بيانات شاملة تحتوي على إحصائيات عن جميع اللاعبين المشاركين في البطولة القادمة. وكما هو متوقع ، كانت مجموعة كبيرة من هذه البيانات عبارة عن فيديو من ثماني كاميرات ميدانية مختلفة تحيط بالملعب. يتم عرض الملعب ، وفقًا لمنشئي الأدوات ، على أنه شبكة بواسطة قاعدة البيانات. في كل سيناريو ، يتم تعيين معرف فريد لكل لاعب. يتيح ذلك تتبع حركاتهم وأفعالهم رقميًا مما يسمح بدوره لأي شخص بقياس مؤشرات الأداء الرئيسية ، بما في ذلك عدد اللمسات وسرعات الحركة ومتوسط ​​وقت الاستحواذ.



باستخدام هذه البيانات ، صمم الطلاب خوارزمية ابتكرت نموذجًا نهائيًا. أصبح هذا النموذج أساسًا لاستراتيجيات الفريق الألماني الوقائية ضد جميع خصومه.

إذا كنت مهتمًا بمعرفة المزيد من الحقائق حول تحليلات البيانات ، هذا هو مكان جيد للبدأ.

ذكاء الأعمال (BI) وتصور البيانات

هذا مجال من مجالات التكنولوجيا واضح في جميع الرياضات تقريبًا لأنه يحتل صدارة نسبة المشاهدة. تعد الجداول والمخططات والرسوم البيانية والخرائط الحرارية المشتقة وتصور البيانات وذكاء الأعمال من المجالات التي تحدد الرياضات الحديثة منذ بداية القرن الحادي والعشرينشمئة عام. كل شخص على دراية بالمخططات الشريطية التي تحتوي على نقاط اللاعبين ، والفطائر التي توضح توزيع الفريق ، وجداول الترتيب. كل هذا ليس سوى تصوير شامل باستخدام ذكاء البيانات.

لفهم الاختلاف الذي يجلبه تصور البيانات إلى الطاولة ، دعنا نأخذ مثالاً بسيطًا عن عدد اللاعبين من كل بلد المسجلين لكل فريق في FIFA الآن. إليك البيانات ، أولاً في شكل جدول ثم في شكل خريطة حرارية لخريطة العالم.


سؤالان فقط الآن:

  1. أيهما أكثر إرضاءً من الناحية البصرية؟
  2. أي من هذين الأمرين يثير المزيد من الأفكار؟

إلى حد بعيد ، الجواب على كلا السؤالين هو الخرائط. لا يجعل تصور البيانات من جاذبية النظر إليها فحسب ، بل يسهل أيضًا فهمها واستخلاص الأفكار منها. عندما يتعلق الأمر بتصور البيانات في FIFA ، يتم استخدام أدوات مثل IBM Cognos و Tableau و QlikView في الغالب.

إنترنت الأشياء (IoT)

ناقشنا في القسمين السابقين تحليل البيانات والإبلاغ عنها. دعنا الآن نلقي نظرة على كيفية جمع هذه البيانات.

يتم إجراء معظم عمليات جمع البيانات الحالية باستخدام الأساليب التقليدية مثل المستوى XY أو تحليل الشبكة في الميدان لتحديد موقع اللاعب والكرة ، وأجهزة التتبع الخارجية لاكتشاف الحركة والسرعة وما إلى ذلك ، ولكن مع الأجهزة الذكية القابلة للارتداء وإنترنت الأشياء التي تأخذ العالم من خلال العاصفة ، كان هناك الكثير من البحث والتطوير حول تطبيقات هذه التقنيات في الرياضة.

لفهم هذا بشكل أفضل ، دعنا نأخذ مثالاً على أداة Match Insights لفريق كرة القدم الألماني التي ناقشناها سابقًا. تم اشتقاق جميع البيانات التي تم جمعها للنموذج النهائي خارجيًا. في الواقع ، كما تمت مناقشته ، يتطلب تحليل موقف اللاعب وحركته من الفريق العمل على مجموعة من الرموز المعقدة. ثم حلل هذا البرنامج قنوات الفيديو من ثماني كاميرات مختلفة ثم توصل إلى نتيجة. بكل صدق ، هذه مهمة محمومة وتستغرق وقتًا طويلاً.

إن تبسيط هذا الأمر سهل مثل الصفع على متتبع ذكي على ذراع كل لاعب. في الواقع ، لا يمكن استخدام أجهزة التتبع الذكية هذه فقط لاشتقاق موقع اللاعب ، بل يمكن استخدامها أيضًا لتسجيل إحصائيات أخرى مثل المسافة المقطوعة وسرعة الحركة ومعدل ضربات القلب وغير ذلك الكثير. بناءً على هذه الفكرة نفسها ، تم تقديم تتبع الكرة وتتبع الخط وغير ذلك من ابتكارات العصر الجديد في كرة القدم.

مصدر الصورة: IBM

إنترنت الأشياء هو مجال واسع بحيث أن IBM لديها فريق متخصص يعمل على مشروع واسع باستخدام إنترنت الأشياء المعرفي ، كما يسمونه. لقد ابتكر الفريق العديد من حلول الأجهزة والبرامج التي تم إنشاؤها على أساس الذكاء الاصطناعي الشهير لشركة IBM ، وهو IBM Watson.

حوسبة سحابية

  • جمع البيانات - تحقق
  • تحليل البيانات - تحقق
  • تقارير البيانات - تحقق

لقد غطينا ثلاثة من الأنشطة الرئيسية المتعلقة بالبيانات ، ولكن هناك ركيزة أخرى مفقودة - تخزين البيانات.

إذا كان هذا في عام 2003 ، لم يكن هناك سوى عدد قليل من الخيارات لهذا - الأجهزة المحلية أو الحالات البعيدة. ولكن كما نعلم بالفعل ، فإن كمية البيانات التي يتم جمعها لأي لعبة مفردة اليوم عالية جدًا بحيث يتعذر على كمبيوتر صغير التعامل معها. علاوة على ذلك ، فهي ليست بيانات منظمة بسيطة. أفضل حل لتخزين هذا النوع من البيانات في السحابة. لا تعد السحابة نظامًا سهل الإعداد فحسب ، بل إنها اقتصادية أيضًا عندما يتعلق الأمر بتخزين أجزاء ضخمة من البيانات غير المنظمة.

تتيح الحوسبة السحابية تخزين البيانات عن بُعد. بالإضافة إلى ذلك ، توفر معظم حلول السحابة الحالية أدوات متكاملة يمكنها المساعدة في التحليل وإعداد التقارير أيضًا. ميزة أخرى كبيرة لاستخدام نظام سحابي بدلاً من جهاز محلي هي مشكلات الأمان والخصوصية التي تتناولها الحوسبة السحابية. يتم تشفير معظم المثيلات السحابية بمفاتيح خاصة مما يجعل من الصعب اختراقها أو الوصول إليها بشكل غير مبرر. ونظرًا لأن التخزين يمكن أن يكون مرنًا ، فلن تكون هناك حاجة لحذف البيانات القديمة لإفساح المجال للبيانات الأحدث. سيضمن ذلك جودة عالية وقيمة أكبر في التحليلات التاريخية. أخيرًا ، يمكن الوصول إلى البيانات المخزنة على السحابة من أي جهاز وأي مكان. تجعل هذه المرونة أيضًا الحوسبة السحابية خيارًا مثاليًا لتخزين البيانات الرياضية.

تشمل الحلول السحابية الشائعة المستخدمة اليوم Amazon Web Services و Microsoft Azure و IBM Bluemix و Google Cloud Platform.

الذكاء الاصطناعي (AI) والتعلم الآلي (ML)

عندما يتعلق الأمر بالتقنيات الشائعة ، هناك عدد قليل جدًا منها يمكن أن يمنح الذكاء الاصطناعي والتعلم الآلي فرصة للحصول على أموالهم. مع كمية البيانات التي يتم إنشاؤها ، ليس من الصعب تصميم ذكاء آلي يمكنه التنبؤ بالمستقبل حرفيًا. قبل بضع سنوات ، كان ضجيج FIFA يدور حول بول الأخطبوط الذي يمكنه توقع الفائزين في كل مباراة. بالتأكيد ، حقق المخلوق العضوي معدل نجاح أعلى بقليل من 85 بالمائة ، لكننا ننتقل إلى عالم رقمي الآن والعرافة ليست جزءًا منه حقًا.

للتعويض عن خسارة هذا المخلوق الاستثنائي ، عملت مجموعة من محللي البيانات في Google على نظام التعلم الآلي الذي استمد رؤى تاريخية من ألعاب كرة القدم لجيل كامل وتوقع نتيجة كل مباراة في كأس العالم 2014 FIFA. نجح النظام في التنبؤ بـ 14 من أصل 16 تطابقًا تم استخدامه فيها ، مما يجعله أكثر كفاءة بنسبة ثلاثة بالمائة تقريبًا من المخلوق البحري المستخدم سابقًا. علاوة على ذلك ، وفقًا لمنشئيها ، حدث الخطأان بسبب الأخطاء وعدم الاتساق في البيانات.

لكي نكون صادقين تمامًا ، لا تتنبأ خوارزمية الذكاء الاصطناعي أو التعلم الآلي بالفائز حقًا ، بل تقوم فقط بتكديس المزايا بالترتيب ، مما يمنحنا احتمال فوز كل فريق بالمباراة.

باستخدام خوارزمية تعلم آلي بسيطة وأنيقة ، يمكننا الوصول إلى النتيجة التالية لكأس العالم FIFA لهذا العام: * تنبيه المفسد *

مصدر الخوارزمية: Kaggle

ملاحظة: كلما انخفض الرقم ، كانت احتمالات هذا الفريق أفضل.

لا يمكن استخدام الذكاء الاصطناعي والتعلم الآلي لهذه الأنواع من التحليلات فحسب ، بل يمكن أيضًا استخدامهما لتحسين أداء اللاعب ، وأتمتة حلول ذكاء الأعمال اليومية وغير ذلك الكثير.

هنا كأس العالم لكرة القدم 2018! بقدر ما نحب هذه الرياضة جميعًا ، نأمل أن يساعدنا التعرف على التقنيات التي تقف وراء جعل الرياضة على ما هي عليه في تقديرها أكثر.

هذه هي التقنيات الخمس الشائعة في FIFA التي تغير اللعبة كما نعرفها. يقدم كل منهم نصيبه العادل من المزايا مما يجعل الرياضة أفضل مما كانت عليه من قبل - للاعبين والمشجعين على حد سواء. والأكثر من ذلك أنه إذا كانت لديك مجموعة المهارات اللازمة ، يمكنك حتى الحصول على وظيفة مرتبطة بتكنولوجيا المعلومات في مجال الرياضة.

نأمل أن تكون قد أحببت تغطيتنا للتقنيات في FIFA ، إذا كنت تعرف أي تطبيقات أخرى للتقنيات الشائعة في FIFA أو الرياضة بشكل عام ، فأخبرنا بذلك عن طريق الكتابة إلينا في قسم التعليقات أدناه. تأكد من الاشتراك في مدونتنا لمزيد من تغطية FIFA والتقنية.