‼️МЫ СНОВА В ЭФИРЕ‼️
Прю, Фиби и Пайпер вернулись в ваши уши с новым особым сезоном!

В этом сезоне Фил предложил а мы такие а классная идея давай го поговорить про аналитику вне диджитала. Типа про себя мы +- что-то понимаем, а что происходит у других аналитиков? Раскрывать весь список областей, куда мы заглянули, я не буду да. Но про новый выпуск расскажу!

Первый выпуск этого сезона мы посвятили спортивной аналитике и Бреду Питту: как данные собираются, как анализируются и куда это потом все забивается. Наш гость - Влад Шуфинский, автор каналов NBAtlantic и Цифры в спорте. Идите слушать и пишите нам как вам и Филу тоже напишите такую штуку придумал

Лена передает ссылки
"Слушайте и ставьте нам лайки, чтобы не пропускать новые выпуски:
на Яндекс.Музыке
в Apple Podcasts
в ВК
в Тelegram
на остальных платформах"

🧠 Лекция от Центра карьеры МФТИ* «Data Science в профессиональном футболе»

Прямо сейчас Евгений Шевелев рассказывал:

как DS уже меняет представление о футболе и работе футбольного клуба и почему в будущем каждый спортивный клуб будет иметь в своем штате специалистов по DS

К сожалению, пропустил анонс и только сейчас увидел у Евгения в сторис. Если кто в курсе деталей — пишите в комментарии.
Жду похожего выступления у нас в Вышке где-нибудь на ФКН. Хотя, на самом деле, такое уже было онлайн — на факультативе Артёма Ремнева (см. 12 неделю)

*мероприятие организовано в рамках цикла лекций «Искусственный интеллект в спорте» от Сбера.

В Твиттере наткнулся на статью от Давида Гарсии "Как смотреть футбольный матч". Он тренировал в структуре Колорадо Рапидс.
Решил сделать следующий эксперимент: саммаризация статьи -> перевод на русский от gpt-4o. Результат ниже. С одной стороны, учитывая, что я не внёс ни одной правки, текст складный и смысл передан верно. С другой, есть слова, вместо которых человек бы использовал синонимы (Осознайте в контексте паттернов футбола звучит как-то странно), а само саммари, как мне кажется, получилось немного поверхностным.
Ссылка

Как смотреть футбольный матч:

Эффективный просмотр футбольного матча требует понимания всей динамики игры, а не просто наблюдения за мячом. Вот как к этому подойти:

1. Тренируйте внимание
- Как и эксперты в любой области, сосредоточьтесь на ключевых аспектах игры, которые влияют на результат.
- Футбол — это решение задач, где команды стремятся забить больше голов, чем соперник, мешая его планам.

2. Оборонительная сторона игры
Изучите структуру обороны:
- Начните с передней линии (первой линии давления) и задней линии (игроков, защищающих ворота).
- Определите среднюю линию, вычитая число игроков передней и задней линий (всего 10 полевых игроков).
Наблюдайте за движениями:
- Обратите внимание на паттерны, например, когда защитники подключаются к полузащите или нападающие отходят назад.
- Выявляйте уникальные стили защиты команд через эти паттерны.

3. Атакующая сторона игры
Анализируйте атакующие стратегии, используя структуру обороны как ориентир:
- Определите атакующих игроков относительно передней и задней линий обороны.
- Рассчитайте число полузащитников и следите за динамическими движениями, такими как взаимозаменяемость (обмен ролями двух игроков) или ротации (перемещения трёх и более игроков).
Осознайте, как атакующие паттерны создают уникальный стиль игры.

4. Метод "Снаружи-Внутри"
Для команд с гибкими атаками сосредоточьтесь на оборонительном блоке:
- Определите форму блока (образуется задней и передней линиями).
- Анализируйте взаимодействие атакующих игроков с этим блоком, отмечая, сколько из них действует внутри и сколько — снаружи.
Понимание динамики гибких атак:
- Такие команды постоянно меняют игроков внутри и снаружи блока, вызывая замешательство у защитников, но при этом сохраняя структуру команды.

Используя эти подходы, зрители, тренеры и игроки могут лучше понимать тактику команд, роли игроков и общую динамику игры. Это повышает не только удовольствие от просмотра, но и стратегическое мышление о футболе.

Jan Van Haaren опубликовал свой ежегодный обзор футбольной аналитики.
В нём ссылки на:
- 49 исследований
- 63 блог-поста
- 22 статьи
- 9 подкастов
- 4 вебинара
- 3 книги
- 8 конференций и воркшопов
- 10 библиотек/репозиториев с кодом

Ссылка
Ссылка на пост о прошлогоднем обзоре

Arsenal AI

Я иногда посматриваю на вакансии в спортивном data science. Не для того чтобы устроиться в Даллас Маверикс, сидя в провинциальном российском городе, а интереса ради. Вакансии встречаются разного типа, но такую я вижу в первый раз.

Арсенал ищет AI/Deep Learning Research Engineer для обучения/внедрения нейросеток, в т.ч. и LLM. Описание вакансии, как обычно в Европе, содержит много воды и "за всё хорошее против всего плохого", но если попытаться выжать суть, то требуется универсальный DL-солдат, который будет работать в различных доменах (текст, видео, изображения, геоданные, ну и таблички само собой) и внедрять весь этот ваш ИИ в аналитическую работу канониров. По описанию, похоже, что слово Research здесь не для красного словца: работа реально предполагает чтение статей и отслеживание SOTA (т.е. лучших) решений в индустрии.

Как обычно в иностранных вакансиях в требованиях перечислен весь стек DL-фреймворков (PyTorch, JAX, и даже, прости Господи, Tensorflow c Keras), так что непонятно, то ли Арсенал, в стиле БигТеха, смотрит не на знание конкретных фреймворков, а на общий инженерный уровень, то ли пока в этом направлении (DL/AI) у канониров ничего нет и поэтому на чём человек умеет писать, то и будет (так себе подход, ну да ладно).

На самом деле приятно видеть, что передовые команды стараются идти в ногу со временем и открывают такие вакансии с чёткими направлениями работы, а не "Нам нужен дата/BI/продукт аналитик с экспертным знанием машинного обучения, дата инженерии и фронтэнда за три копейки".

Вакансия
@number_in_sport

смотрите, что есть!!

Как статью назовёшь, столько цитирований и соберёт!

Исследователи посчитали, что очень смешные названия научных статей снижают на 33% их цитирования

8 студентов психологов попросили оценить от 1 до 7 заголовки статей, насколько они приятные и забавные

Приятные - дающие чувство счастливого наслаждения, дружелюбные и милые. Забавные - вызывающие улыбку или смех.

Вот пример и забавных, и приятных статей: “Beware of a half-tailed test”, “The unicorn, the normal curve, and other improbable creatures”

Так вот приятные заголовки слабо увеличивают количество цитирований, а у забавных статистически значимой связи нет. Но прям значительно смешные играют даже в минус..

Возможные объяснения этого эффекта авторами статей:

- несерьезные и подрывают доверие к статье
- содержат меньше профессиональных слов, их сложнее найти
- скрывают за юмором не важные результаты

Вот наконец и вакансия на разработчика - переезд возможен, работать можно внутри Германии откуда угодно, английского хватит.

https://sportec-solutions.jobs.personio.de/job/1968775?language=de&display=en

В Psychology of Sport and Exercise обсуждаются финты в футболе. Авторы обнаруживают значительные различия в когнитивной обработке подлинных и обманных действий.

https://doi.org/10.1016/j.psychsport.2025.102819

🔥 Отдам бесплатно 4 билета на сегодняшний матч:
Динамо Москва - Динамо Махачкала
19:30, ст. Динамо
D307, 1 ряд, 7-10 места

Вакансия BI-аналитика с навыками data-инженера для разработки отчётов и аналитических решений

Что-то пропустил это видео: очень классная презентация от DS Пармы про то, как работать с трекинговыми данными и как масштабировать инфраструктурные решения (на примере AWS). [если техническая часть не интересует - пропускайте следующий абзац]

В целом, брать спотовые инстансы и скейлиться горизонтально - хорошее решение, особенно когда все надо пост-матч (а это скаутинг). Но вот когда будет переход на лайв и если будет скелетал, объемы данных возрастут сильно на одну игру (например, по одному крупному провайдеру в лайве с 140+ метров в json / xml до 13 гигов, пост-матч с 50 метров до 730 метров в паркетах), нужен будет нормальный месседж брокер, а лайв потребует serverless из-за быстроты. Это будет отдельный уровень удовольствия, но если думать заранее, то в целом ничего страшного нет.

С 28 минуты можно посмотреть примеры красивых скаутинговых, предматчевых и послематчевых отчетиков в Tableau, как итог выхлопа всей инфры + смеси разных данных (Transfermarkt, Statsbomb, StatsPerform). Выглядит очень и очень приятно.

https://www.youtube.com/watch?v=wZ96Y6j0rzU

Заседание 267: Темы будущих научных проектов исследований спорта

⌚️ 14 апреля 2025, 19:40-21:00
📍 K417
🔗 https://nesuniversity.zoom.us/j/5317421123?pwd=DpqJbj8Y6RzbqDQTaoHWDafMF2D8bw.1
🗣 Дмитрий Дагаев

Аннотация: В этом докладе будет представлено несколько тем для новых проектов НУЛ исследований спорта

Player Pressure Map -- A Novel Representation of Pressure in Soccer for Evaluating Player Performance in Different Game Contexts

Заслуживающая внимания статья о детекции и анализе прессинга — как командного, так и индивидуального.

https://arxiv.org/abs/2401.16235