Zum vierten Mal in den letzten fünf Jahren, Stats Perform erreicht Forschungspapier Finale
Stats Perform, der revolutionäre Marktführer für Sport-KI und Daten, gab heute bekannt, dass ein Forschungspapier, das vom KI-Team des Unternehmens verfasst wurde, als Finalist in der Forschungsspur auf der MIT Sloan Sports Analytics Conference 2020 nominiert wurde.
Der Research Paper Competition der Konferenz zeigt jedes Jahr die Finalisten, die Spitzenforschung enden, die die Art und Weise beeinflusst, wie Medien- und Profiteams in verschiedenen Sportarten die Leistung analysieren. Co-Autor von Dr. Will Gürpinar-Morgan, Dr. Daniel Dinsdale, Dr. Joe Gallagher, Mr. Aditya Cherukumudi und Dr. Patrick Lucey, Stats Perform es paper- "You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in Cricket Using a Personalized Deep Neural Network" führt ein neues Modell zur dynamischen Vorhersage des Schusstyps eines Batsmans in One Day International Cricket mithilfe von Ball-by-Ball-Opta-Ereignisdaten ein.
Durch die Annahme eines personalisierten Deep Learning-Ansatzes berücksichtigt das Cricket-Modell verschiedene Kontextfaktoren, einschließlich des Match-Status, der Lieferkurve eines Bowlers und verschiedene personalisierte Metriken für einen Batsman, basierend auf einem achtjährigen Archiv von Länderspiele. Dazu gehören Maßnahmen der Fähigkeit eines Batsman, Aggression und ihre bevorzugten Schlagzonen, wenn verschiedene Arten von Bowling konfrontiert. Unter Berücksichtigung all dieser Faktoren weist das Modell dann Wahrscheinlichkeiten für den Schusstyp und deren Endposition zu, wodurch das wahrscheinlichste Ergebnis hervorgehoben wird. Diese Erkenntnisse können das Storytelling während Live-Übertragungen verbessern und die Strategie und Taktik des Feldkapitäns informieren, wenn ein bestimmter Batsman streikt.
"Eine der größten Herausforderungen im Cricket ist es, das Match-up zwischen einem Bowler und einem Batsman zu bekommen. Es kann letztlich der Unterschied zwischen Gewinnen und Verlieren sein", sagte Stats Perform-Chefwissenschaftler Dr. Patrick Lucey. "Diese Arbeit unseres KI-Teams ist von Bedeutung, da sie auf viele verschiedene Elemente des Sports angewendet werden kann. Es ist nicht nur wertvoll, um Vorspielstrategien und Taktiken im Spiel zu informieren, sondern kann auch wichtige Handlungsstränge für Die Sender antreiben: Hervorheben, wo ein Spieler wahrscheinlich seinen nächsten Schuss trifft, wenn er die Situation des Spiels berücksichtigt. Dies kann ein tieferes und kraftvolleres Geschichtenerzählen ermöglichen."
In den letzten vier Jahren hat Stats Perform drei weitere Male das Finale des MIT Sloan Best Research Paper Track erreicht und 2016 und 2018 das beste Papier gewonnen.
"Es ist fantastisch, die Pionierarbeit unseres KI-Teams wieder von der Jury in Sloan anerkannt zu sehen, und ich freue mich darauf, diese Arbeit noch in dieser Woche auf der Konferenz vorstellen zu sehen", sagte Lucey.
Das Paper Abstract ist auf der Website der Konferenz verfügbar und das vollständige Papier wird in den kommenden Tagen zur Verfügung gestellt.
Über Stats Perform
Stats Perform sammelt die reichsten Sportdaten der Welt und transformiert sie durch revolutionäre künstliche Intelligenz (KI), um die tiefgründigsten Einblicke in Medien und Technologie, Wetten und Teamleistung freizuschalten. Mit Unternehmenswurzeln, die fast 40 Jahre alt sind, umarmt und löst Stats Perform die Dynamik des Sports, die für digitale und Broadcast-Medien mit differenziertem Storytelling, Tech-Unternehmen mit zuverlässigen und schnellen Daten, um ihre Innovationen zu treiben, Sportbücher mit In-Play-Wetten und Integritätsdiensten oder Teams mit erstklassiger KI-Analysesoftware. Als führendes Sportdaten- und KI-Unternehmen arbeitet Stats Perform mit den weltweit führenden Sportmedien, Tech-Unternehmen, Sportbüchern, Teams und Ligen zusammen.
Quellversion auf businesswire.com anzeigen: https://www.businesswire.com/news/home/20200302005814/en/
Kontakte:
Reed Findlay, Stats Perform Corporate Communications Manager
media.relations@statsperform.com+1 847-583-2642