Chicago/Londres - 2 de março de 2020 - Stats Perform, líder revolucionária em AI e dados esportivos, anunciou hoje que um artigo de pesquisa de autoria da equipe de AI da empresa foi selecionado como finalista na faixa de pesquisa da Conferência de Análise Esportiva do MIT Sloan de 2020.
Todos os anos, o Concurso de Trabalhos de Pesquisa da conferência destaca os finalistas que apresentam pesquisas de ponta que influenciam a maneira como a mídia e as equipes profissionais, em vários esportes, analisam o desempenho. Com coautoria do Dr. Will Gürpınar-Morgan, Dr. Daniel Dinsdale, Dr. Joe Gallagher, Sr. Aditya Cherukumudi e Dr. Patrick Lucey, o artigo da Stats Perform- "You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in Cricket Using a Personalized Deep Neural Network" - apresenta um novo modelo para prever dinamicamente o tipo de chute de um batedor no críquete de um dia internacional usando dados de eventos Opta bola a bola.
Ao adotar uma abordagem personalizada de aprendizagem profunda, o modelo de críquete leva em conta vários fatores contextuais, incluindo o estado da partida, a trajetória de lançamento de um lançador e várias métricas personalizadas para um batedor com base em um arquivo de oito anos de partidas internacionais. Essas métricas incluem medidas da habilidade, da agressividade e das zonas de ataque preferidas de um batedor ao enfrentar diferentes tipos de boliche. Levando em conta todos esses fatores, o modelo atribui probabilidades para o tipo de tacada e sua localização final, destacando o resultado mais provável. Esses insights podem aprimorar a narrativa durante as transmissões ao vivo e informar a estratégia e as táticas empregadas pelo capitão de campo quando um batedor específico estiver no strike.
"Um dos maiores desafios enfrentados no críquete é acertar a combinação entre um lançador e um batedor. Em última análise, isso pode ser a diferença entre ganhar e perder", disse o cientista-chefe da Stats Perform, Dr. Patrick Lucey. "Esse trabalho da nossa equipe de AI é importante porque pode ser aplicado em muitos elementos diferentes do esporte. Além de ser valioso para informar as estratégias pré-jogo e as táticas durante o jogo, ele pode gerar histórias importantes para as emissoras: destacando onde um jogador provavelmente acertará sua próxima tacada, levando em conta a situação do jogo. Isso pode facilitar uma narrativa mais profunda e poderosa."
Nos últimos quatro anos, Stats Perform chegou à final do MIT Sloan Best Research Paper Track outras três vezes, ganhando o prêmio de melhor artigo em 2016 e vice-campeão em 2017 e 2018.
"É fantástico ver mais uma vez o trabalho pioneiro da nossa equipe de AI ser reconhecido pelo júri da Sloan e estou ansioso para ver esse trabalho ser apresentado na conferência no final desta semana", disse Lucey.
O artigo completo pode ser baixado no site do MIT Sloan Best Research Paper Track aqui.