fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

Aplicações de Machine Learning nos Esportes

Rafael Duarte por Rafael Duarte
fevereiro 19, 2020
em Blog, Data Science, Machine Learning, Python
0
24
COMPARTILHAMENTOS
803
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Você sabia que Machine Learning nos esportes já é uma realidade?

A esta altura, com certeza você já ouviu dizer que os dados estão dominando o mundo. Já não é mais novidade que nós temos gerado mais dados do que jamais havíamos feito, e esse número está crescendo exponencialmente.

Esse avanço já alcançou a maioria das áreas de negócio e de nossas vidas, e não mostra sinais de desacelerar.

Machine Learning nos esportes e Análise de Dados

Agora, vamos focar nos esportes, dando atenção especial ao Basquete. Desde sempre, estatísticas são parte fundamental dos esportes.

Boxscores, relatórios de olheiros, entre outros, já são amplamente difundidos. Mas, esse é apenas o primeiro passo em uma longa jornada.

Aqui, vamos analisar como Machine Learning e Ciência de Dados podem, e têm, impactado o Basquete.

Primeiramente, é importante esclarecer que esse não é um tutorial de código. Aqui, proponho uma conversa, expondo as vastas oportunidades que Machine Learning traz para os esportes. Pense nisso como food for thought.

Com isso em mente, vamos começar!

Análise de Dados nos esportes

Vamos começar com o básico. Em um projeto de Ciência de Dados, a análise exploratória tem um grande papel. Essa mentalidade não deve mudar ao abordarmos esportes.

Entender cada um dos detalhes do jogo, sempre tendo em mente o contexto real, é o primeiro passo.

Data Science e Machine Learning nos esportes

Na NBA, existe algo chamado Advanced Stats (Estatísticas Avançadas, em tradução livre). Aqueles boxscores clássicos já não são mais suficientes.

O resultado disso, foi a criação de novas métricas para serem analisadas, e entendermos como elas afetam os resultados dos jogos. Na NBA, essas métricas já estão sendo criadas e analisadas regularmente.

Transformando dados em insights

Após analisar seus dados minuciosamente, existem algumas outras coisas que podemos fazer.

Anualmente, é proposto um desafio de Data Science no Kaggle, promovido pela NCAA e Google Cloud, com o objetivo de prever os resultados das partidas do March Madness, reveleando possíveis zebras, azarões, times Cinderella, entre outras coisas.

Eles disponibilizam dados históricos do torneio, com diversas variáveis diferentes.

Times de basquete podem utilizar dados reais dos torneios em que estão inseridos, e usar modelos preditivos para testar como eles estariam no campeonato caso melhorassem esse ou aquele atributo, ou adicionar determinado jogador ao time.

Esse tipo de trabalho é excelente para olheiros, preparação para jogos contra um determinado time, avaliar o esforço e custo de novas estratégias táticas, e até mesmo determinar que habilidades os jogadores devem focar em melhorar, para se tornarem melhores jogadores.

Visão Computacional aplicada aos esportes

Todas as possibilidades mencionadas anteriormente são incríveis e funcionam maravilhosamente bem.

Entretanto, se seu objetivo é realmente atingir o mais alto nível, este tem que ser seu objetivo: Visão Computacional está dominando o mundo, e já chegou aos esportes.

Data Science e Machine Learning no Basquete
Créditos: Simone Francia | https://www.youtube.com/watch?v=PEziTgHx4cA

Na NBA, a empresa Kinexon é dona da maior fatia do mercado, e entrega o estado da arte em soluções para os times.

Acesso em tempo real às condições físicas dos jogadores, previsão de fadiga, mensuração de novas variáveis sob demanda, etc. 

Com esse tipo de tecnologia aplicado ao time, trabalhando para você e suas necessidades individuais, essas informações irão alimentar suas análises estatísticas e modelos de Machine Learning.

Com certeza, isso irá levar sua performance para o próximo nível.

Nem sempre está certo

Se você é fã de basquete, provavelmente já viu essa foto abaixo na internet. Ela mostra a evolução dos arremessos tentados na NBA. Temos que dar crédito ao Houston Rockets por terem sido pioneiros em aplicar de forma extensiva Ciência De Dados na NBA.

Créditos: Kirk Goldsberry | https://twitter.com/kirkgoldsberry/status/1217109175894831105

Resumidamente, análises demonstraram que o arremesso de 2 pontos de média distância é um arremesso de baixo aproveitamento que não vale a pena ser tentado.

O ideal, é arremessar bolas de 3, ou penetrar o garrafão para bandejas fáceis ou cavar faltas. Assista um jogo do Houston Rockets, vai ver isso em ação de forma maestral (Obrigado, James Harden).

Os jogadores estão arremessando cada vez mais bolas de 3, de cada vez mais longe da cesta. O jogo está completamente diferente, e temos que culpar (ou agradecer?) a Ciência de Dados por isso.

Tudo isso é muito legal e divertido até que te atinja.

Carmelo Anthony teve passagem pelo Houston Rockets e isso quase custou sua carreira. Tendo sido um jogador extremamente dominante no começo dos anos 2000, Melo tinha como carro chefe seu arremesso de média distância.

Após 10 dias com o time, eles o liberaram. Um jogador eleito 10 vezes como All-Star, elite da NBA, quase teve que se aposentar por causa do que análises estatísticas mostraram sobre ele. Se você quiser ler mais sobre essa história, clique aqui.

https://www.youtube.com/watch?v=kJ5PypdzsNk&t=22s

Felizmente, ele conseguiu se recuperar, foi contratado pelo Portland Trailblazers, e recentemente acertou um arremesso no último segundo para vencer a partida, que, irônicamente, foi um arremesso longo de 2 pontos. Aos 0:21 do vídeo acima, você pode assistir esse belo arremesso.

Isso significa que Analytics é ruim para o esporte?

De forma alguma. Mas também não é tudo. Analise seus dados minuciosamente, analise os jogadores, use todos os modelos do mundo, mas sempre assista aos jogos, veja por si mesmo se os dados estão contando a história real.

Com Visão Computacional nós podemos medir coisas que jamais haviam sido mensuradas, diminuido aquelas “coisas que a estatística não mostra” nos esportes, mas elas ainda existem.

Uma reflexão sobre Data Science nos esportes

Essa foi apenas uma breve conversa sobre o assunto, e como eu disse, é apenas uma reflexão.

Espero que você tenha achado esse artigo interessante e inspirador, e caso tenha qualquer dúvida, ou apenas queira falar de basquete, conecte-se comigo no LinkedIn e confira meus projetos no GitHub. 

Lá, inclusive, tenho uma proposta completa que apresentei a um time de Basquete, para implementar um projeto de Ciência De Dados na equipe. Você pode conferir o projeto na íntegra aqui.

Para ler mais sobre Machine Learning e Basquete, recomendo esse post do Towards Data Science.

Compartilhar2Compartilhar10Enviar
Post Anterior

Como Analisar Ações da Bolsa com Python

Próximo Post

Séries Temporais (Time Series) com Python

Rafael Duarte

Rafael Duarte

Relacionado Artigos

Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Carlos Melo da Pós Graduação em Data Science do Sigmoidal
Aeroespacial

Oportunidades no Setor Espacial para Cientistas de Dados

por Carlos Melo
janeiro 15, 2025
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 2025
Próximo Post
Séries Temporais (Time Series) com Python

Séries Temporais (Time Series) com Python

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    451 compartilhamentos
    Compartilhar 180 Tweet 113
  • Equalização de Histograma com OpenCV e Python

    112 compartilhamentos
    Compartilhar 45 Tweet 28
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    385 compartilhamentos
    Compartilhar 154 Tweet 96
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    368 compartilhamentos
    Compartilhar 147 Tweet 92
  • Redes Neurais Convolucionais com Python

    92 compartilhamentos
    Compartilhar 37 Tweet 23
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025
Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

janeiro 22, 2025
Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

janeiro 21, 2025

Seguir

  • 🇺🇸 Green Card por Habilidade Extraordinária em Data Science e Machine Learning

Após nossa mudança para os EUA, muitas pessoas me perguntaram como consegui o Green Card tão rapidamente. Por isso, decidi compartilhar um pouco dessa jornada.

O EB-1A é um dos vistos mais seletivos para imigração, sendo conhecido como “The Einstein Visa”, já que o próprio Albert Einstein obteve sua residência permanente através desse processo em 1933.

Apesar do apelido ser um exagero moderno, é fato que esse é um dos vistos mais difíceis de conquistar. Seus critérios rigorosos permitem a obtenção do Green Card sem a necessidade de uma oferta de emprego.

Para isso, o aplicante precisa comprovar, por meio de evidências, que está entre os poucos profissionais de sua área que alcançaram e se mantêm no topo, demonstrando um histórico sólido de conquistas e reconhecimento.

O EB-1A valoriza não apenas um único feito, mas uma trajetória consistente de excelência e liderança, destacando o conjunto de realizações ao longo da carreira.

No meu caso específico, após escrever uma petição com mais de 1.300 páginas contendo todas as evidências necessárias, tive minha solicitação aprovada pelo USCIS, órgão responsável pela imigração nos Estados Unidos.

Fui reconhecido como um indivíduo com habilidade extraordinária em Data Science e Machine Learning, capaz de contribuir em áreas de importância nacional, trazendo benefícios substanciais para os EUA.

Para quem sempre me perguntou sobre o processo de imigração e como funciona o EB-1A, espero que esse resumo ajude a esclarecer um pouco mais. Se tiver dúvidas, estou à disposição para compartilhar mais sobre essa experiência! #machinelearning #datascience
  • 🚀Domine a tecnologia que está revolucionando o mundo.

A Pós-Graduação em Visão Computacional & Deep Learning prepara você para atuar nos campos mais avançados da Inteligência Artificial - de carros autônomos a robôs industriais e drones.

🧠 CARGA HORÁRIA: 400h
💻 MODALIDADE: EAD
📅 INÍCIO DAS AULAS: 29 de maio

Garanta sua vaga agora e impulsione sua carreira com uma formação prática, focada no mercado de trabalho.

Matricule-se já!

#deeplearning #machinelearning #visãocomputacional
  • Green Card aprovado! 🥳 Despedida do Brasil e rumo à nova vida nos 🇺🇸 com a família!
  • Haverá sinais… aprovado na petição do visto EB1A, visto reservado para pessoas com habilidades extraordinárias!

Texas, we are coming! 🤠
  • O que EU TENHO EM COMUM COM O TOM CRUISE??

Clama, não tem nenhuma “semana” aberta. Mas como@é quinta-feira (dia de TBT), olha o que eu resgatei!

Diretamente do TÚNEL DO TEMPO: Carlos Melo &Tom Cruise!
  • Bate e Volta DA ITÁLIA PARA A SUÍÇA 🇨🇭🇮🇹

Aproveitei o dia de folga após o Congresso Internacional de Astronáutica (IAC 2024) e fiz uma viagem “bate e volta” para a belíssima cidade de Lugano, Suíça.

Assista ao vlog e escreve nos comentários se essa não é a cidade mais linda que você já viu!

🔗 LINK NOS STORIES
  • Um paraíso de águas transparentes, e que fica no sul da Suíça!🇨🇭 

Conheça o Lago de Lugano, cercado pelos Alpes Suíços. 

#suiça #lugano #switzerland #datascience
  • Sim, você PRECISA de uma PÓS-GRADUAÇÃO em DATA SCIENCE.
  • 🇨🇭Deixei minha bagagem em um locker no aeroporto de Milão, e vim aproveitar esta última semana nos Alpes suíços!
  • Assista à cobertura completa no YT! Link nos stories 🚀
  • Traje espacial feito pela @axiom.space em parceria com a @prada 

Esse traje será usados pelos astronautas na lua.
para acompanhar as novidades do maior evento sobre espaço do mundo, veja os Stories!

#space #nasa #astronaut #rocket
  • INTERNATIONAL ASTRONAUTICAL CONGRESS - 🇮🇹IAC 2024🇮🇹

Veja a cobertura completa do evento nos DESTAQUES do meu perfil.

Esse é o maior evento de ESPAÇO do mundo! Eu e a @bnp.space estamos representando o Brasil nele 🇧🇷

#iac #space #nasa #spacex
  • 🚀 @bnp.space is building the Next Generation of Sustainable Rocket Fuel.

Join us in transforming the Aerospace Sector with technological and sustainable innovations.
  • 🚀👨‍🚀 Machine Learning para Aplicações Espaciais

Participei do maior congresso de Astronáutica do mundo, e trouxe as novidades e oportunidade da área de dados e Machine Learning para você!

#iac #nasa #spacex
  • 🚀👨‍🚀ACOMPANHE NOS STORIES

Congresso Internacional de Astronáutica (IAC 2024), Milão 🇮🇹
  • Projeto Aeroespacial do final de semana!👨‍🚀
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.