Laptop Coach

Паскаль Бауэр из DFB открывает позицию на Ph.D в спортивной аналитике в университете Саарбоюкена, которую сам будет супервайзить. Можно частично совмещать с работой, можно полностью, учеба оплачивается по государственной зарплате и грейдам, в первый год выйдет около 50 до налогов при условии полной занятости (что вполне приемлемо). Дедлайн до 22 августа, начало 1 октября, немецкий не нужен, но желателен, английского должно хватить. Скажу от себя - с полгода назад говорил с Паскалем о такой опции и совмещении с работой (у нас есть коллега, работающий 4 дня в неделю и остальные 3 дня пишущий Ph.D), но честно говоря, душа не настолько лежит к академии, да и отъехать до возраста Христа не хотелось бы, нагрузившись еще и этим) Но возможность хорошая, например, у Паскаля же в команде в DFB есть коллега, тоже совмещающий Ph.D с работой в федерации. https://www.uni-saarland.de/fileadmin/upload/verwaltung/stellen/Wissenschaftler/W2509.pdf

Вакансия в футболе Мой товарищ Олег, который уже несколько лет помогает нам с DS в xGLab, сейчас работает в аналитической компании. Он ищет Middle/Senior Data Scientist в свою команду. Домен: real-time и historical time-series аналитика в футболе Фуллтайм Можно работать удалённо из любой страны, либо офис в Москве или Минске ЗП до $4k Задачи: - Разработка предсказательных моделей для последовательностей событий в футболе; - Разработка ядра футбольной аналитики (игровые метрики, фитнесс-данные, продвинутые аналитики) на ивентовых (action detection) и трекинговых данных; - Получение закономерностей из временных рядов метрик футболистов; - Создание логики взаимодействия игроков на поле (сети пасов, среднее положение игроков на поле, классификация владений); - Подсчет фитнес-метрик в real-time режиме; - Адаптация моделей для расчета вероятностей событий по ходу матча. От вас хотят: - Понимание отличий между трекинговыми и ивент-данными; - Теорвер и матстат; - Классические алгоритмы ML для табличных данных (линейная и логистическая регрессия, бустинг (XGBoost, CatBoost), нейронные сети (TabNet)); - Будет плюсом опыт работы в спортивной аналитике или в беттинге Олег - самый ответственный и внимательный к деталям дсер из тех, с кем я работал, однозначно рекомендую. Резюме присылайте в личку на мой рабочий акк @EgorGroks

Наконец-то выложили позицию на разработчика в США. https://sportecsolutions.recruitee.com/o/aws-cdk-cloud-engineer

Все понимаю, привлечь аудиторию, сленг, кринж и йоу, но такое уже перебор.

В Нойкельне пока спокойно, но пожалуй, пора ретироваться.

Спустя полтора года интересно посмотреть, как меняется индустрия - GLT стало чаще использоваться, для нормальной визуализации требуется пока что много времени, и все еще долго пересматриваются моменты, чтобы быть уверенным в принятом решении. В целом, процесс такой: вообще задержка в доставке данных по положению тела где-то 15-20 секунд (у обычного трекинга, например, от 5, но улучшенных версий от 10-15), нужно время, чтобы либо синхронизировать данные с ивентом, либо на основе уже полученных лимб-данных получить момент паса, потом получить из этого нормальную визуализацию и отсмотреть момент еще раз вручную (а это делают 2 человека, чтобы избежать ошибки) - в итоге получается минимум минута, а то и больше. Как все может улучшиться - полностью внедрится automated event detection, быстрее будет делаться визуал, но вот не самая быстрая человеческая валидация никуда не уйдет - если иногда даже проверяются значения xG, то такие важные решения вряд ли кто-то решится автоматизировать. А тренировать людей быстро проверять моменты (и под давлением) затратно - оборудование на VAR дорогое, ставится только на матчи главных лиг, а последние спорные ситуации каждую неделю разбираются судьями (по крайней мере, в Германии) в рамках постоянного обучения в течение сезона.

Опоздать на 170 минут? Обычное дело для поезда в Германии Это национальная проблема и одновременно национальное веселье. Объясняю, почему поезда в Германии никогда не приезжают вовремя https://www.sports.ru/tribuna/blogs/football_texts/3249834.html Глеб Чернявский

Завтра выезжаю примерно в 5 утра из Берлина на учебу в Кельн (статью допишу на следующей неделе), и стопроцентно уверен, что как всегда опоздаю к первой паре. Вообще за почти 11 лет в Германии встречал всевозможные причины опоздания поездов - непогода, несчастные случаи на путях, а как-то раз поезд встрял на 5 часов, потому что где-то на путях нашли бомбу сороковых годов. Но самая шикарная причина была 2 года назад, когда поезд Мюнхен - Берлин опоздал на час просто потому, что машинист решил тупо не прийти. Я планировал приехать домой в 12 ночи, поспать до 6 утра и к 10 поехать в аэропорт, чтобы полететь к девушке в Кишинев через Румынию. Но вместо этого я оказался в Ганновере, приехал домой в 4 утра, поспал 2 часа, собрался и поехал в аэропорт, где пройдя все контроли, впервые в жизни спросоня спутал гейты и стоял в очередь на посадку до Клужа, хотя надо было в Яссы, и естественно, никуда не улетел. Но моя девушка максимально поддержала, успокоила, и, как ни странно, после этого я окончательно убедился, что хочу сделать ей предложение (что и случилось в ее приезд через месяц). Поэтому несмотря на все прошлые и будущие опоздания, отчасти и Дойче Бану я благодарен за свою текущую семейную жизнь)

Классная идея по определению игровых позиций на каждый фрейм от Дэвина Плюлера (Торонто). Зачем это нужно - во время матча игроки часто меняют позиции, что не отображается / коряво и вручную провайдерами данных и это мешает числовому анализу. Идея простая - в зависимости от положения игрока на поле, он видит разное количество сокомандников - допустим, у нас есть правый защитник, играющий в четверке чуть выше остальных. Если покрутить его на месте слева направо, то сначала он увидит вратаря / защитников, ближе к центру поворота уже большую часть команды, и к повороту на линию аута уже только игроков, что находятся впереди него. Игрок центра поля же, как его ни крути, скорее всего, будет видеть только несколько игроков в обзоре видимости . Используя информацию об этом, можно построить классификатор, который будет определять позицию по каждому фрейму и в том числе, помогать определять смены позиций. https://github.com/devinpleuler/research/blob/master/frame-by-frame-position.md

Классная идея по определению игровых позиций на каждый фрейм от Дэвина Плюлера (Торонто). Зачем это нужно - во время матча игроки часто меняют позиции, что не отображается / коряво и вручную провайдерами данных и это мешает числовому анализу. Идея простая - в зависимости от положения игрока на поле, он видит разное количество сокомандников - допустим, у нас есть правый защитник, играющий в четверке чуть выше остальных. Если покрутить его на месте слева направо, то сначала он увидит вратаря / защитников, ближе к центру поворота уже большую часть команды, и к повороту на линию аута уже только игроков, что находятся впереди него. Игрок центра поля же, как его ни крути, скорее всего, будет видеть только несколько игроков в обзоре видимости . Используя информацию об этом, можно построить классификатор, который будет определять позицию по каждому фрейму и в том числе, помогать определять смены позиций. https://github.com/devinpleuler/research/blob/master/frame-by-frame-position.md

После увлекательнейшей игры Англии удалось сделать лишь единственный аналитический вывод по итогам матча Испания - Италия: Лучано Спалетти похож на Парасольку.

Польский бородкастер TVP Sport дает возможность смотреть Евро с 4 разных камер: обычный бродкаст, бродкаст без комментариев, «тренерская камера» (видимо, 21 игрок минимум) и трансляция со статой от Hawk-Eye - подсвечиваются все игроки, траектории мяча, считаются метрики и строится инфографика (xG, скорость удара). Впечатляет, что задержка всего в несколько секунд - скорее всего, берутся совсем сырые данные (обычно у версии получше лаг в 10-20 секунд), но судя по всему, ивенты типо ударов уже распознаются автоматически.

Как и обещали - вместе с Антоном Имша из канала Pfosten raus проведем стрим по мотивам первого матчдэя и посмотрим вместе второй тайм Германия - Венгрия. За последние 5 дней вышло уже миллиард всевозможных материалов и столько же стримов о каждом матче, поэтому формат просто на поболтать и поделиться ощущениями (от великолепной гостевой формы Германии, например).

Ну что ж, после таких последних минут можно попрощаться с берлинским районом Нойкельн.

Только что прочитал, наверное, самую немецкую статью про Евро, какую только можно придумать - в ней на полном серьезе рассказывают, можно ли смотреть Евро во время работы. Представьте, что вы в Германии и вдруг сомневались - вот подробная инструкция: 1. Смотреть во время работы нельзя - могут даже уволить. 2. На работу надо приходить вовремя, уходить раньше без разрешения (пусть даже и с благой целью притопить за какую-нибудь сборную) нельзя. Перерыв для просмотра матча надо обговорить заранее. 3. На рабочем компьютере или телефоне смотреть матч нельзя, а на личном телефоне можно, но только во время перерыва. 4. А вот радио на работе слушать можно, но только если это не мешает работать и не отвлекает коллег. Но лучше обговорить заранее с начальством, могут и не разрешить. Так, время 18:01, можно и пост выложить, и к стартовому свистку успеть. https://www.morgenpost.de/wirtschaft/article242608720/Darf-ich-waehrend-der-Arbeitszeit-EM-Spiele-schauen.html

Хорошая технология от Адидас, дающая больше качественных данных о мяче. Зачастую в трекинге пропадают координаты и скорость, что влияет на качество как скаутинговых статистик (xP, xR, EPV), так и медийных. А пример со вчерашнего матча Румынии и Украины подчеркивает важность хорошей синхронизации между всеми типами данных - второй гол был явно не с 9 метров. Видимо, у УЕФА не самая лучшая синхронизация, и скорее всего, не самый лучший QA в лайве. https://www.sports.ru/amp/post/3247460/ https://www.sports.ru/amp/post/3247460/

Хорошая технология, дающая больше информации о мяче - частота выше, скорее всего, выше и качество данных (удавалось сравнить). Зачастую в трекинге бывают дыры в координатах и скорости мяча, что неверно считает как и простые статистики типо скорости и расстояния удара, так и дает шумы в ожидаемые пасы, EPV и т.д. А второй гол вчерашнего матча Румынии и Украины показывает важность правильной синхронизации разных типов данных - удар был явно не с 9 метров, поэтому у УЕФА либо слабая синхронизация, либо нет QA, либо и то, и другое. https://www.sports.ru/amp/post/3247460/

Хорошая технология, позволяющая четко отслеживать движение мяча - с помощью обычного трекинга это часто не получается сделать достаточно качественно, бывают пробелы в несколько секунд, странные скорости и координаты. Тут же и частота, и качество выше. Хорошее положение мяча позволяет не только считать статистики типо скорости мяча, но и помогать в распознавании ивентов. Но вот касаемо скорости и расстояния от ворот - видимо, вчера технология не сработала, второй гол Румынии был точно не с 9 метров. https://www.sports.ru/amp/post/3247460/

Хорошая технология, позволяющая четко отслеживать движение мяча - с помощью обычного трекинга это часто не получается сделать достаточно качественно, бывают пробелы в несколько секунд, странные скорости и координаты. Тут же и частота, и качество выше. Хорошее положение мяча позволяет не только считать статистики типо скорости мяча, но и помогать в распознавании ивентов.

На Ютуб-канале Pysport (это NPO, посвященное open-source библиотекам для спортивной аналитики) вышли видео со встречи в Лондоне перед конференцией Опты. Можно посмотреть все 3 (в сумме идут час), но одно из них натолкнуло на размышление. StatsPerform рассказывает, что они научились генерить полноценный трекинг из бродкаст-трекинга с помощью diffusion networks (грубо говоря, GenAI), добавляя контекста с помощью ивентов. Недавно удавалось сравнить качество синхронизации ивентов и полноценного оптического трекинга с синхронизацией ивентов и бродкаст-трекинга одного французского провайдера - там разница в количестве ссинхронизированных ивентов была в среднем почти 30%, то есть почти треть ивентов от них просто вылетали. Общаясь с клубами, все предпочитают иметь меньше допинфы, но по всем ивентам, потому что если нессинхронихировался очевидный пас или удар, тренеру будет без разницы на качество данных, а доверие подорвется. Но только руками добавлять что-то по пропущенным 2% гораздо проще, чем по 32%, поэтому пока что такие решения кажутся довольно бестолковыми для детального анализа. Но может, это только пока что, и такой метод действительно даст прорыв - хотя кажется, что снимать панораму и с нее выцеплять точные данные будет в перспективе быстрее и дешевле. https://youtube.com/@pysport-fg2mu?si=uENInwVVpGqYjWjE