اگر علاقه‌مند به تحلیل داده و فوتبال باهم هستید، این مسابقه می‌تواند چالش خیلی خوبی برای شما باشد.

برای مطالعه قوانین شرکت در مسابقه به اینجا مراجعه کنید.

در زمان مسابقه می‌توانید سوال‌های خود را از قسمت "سوال بپرسید" مطرح کنید.

همچنین پیش از پایان مسابقه، کد سوالات خود را در بخش "بارگذاری کد سوالات" قرار دهید.

یک هفته بعد از پایان مسابقه و داوری سوال‌های نقل‌ و انتقالات و نیمکت توسط هیئت داوران، نفرات برتر از طریق بلاگ کوئرا اعلام و جواب‌های افراد برتر جهت نشر دانش با شما از آن طریق به اشتراک گذاشته خواهد شد.

یک ساعت پس از اتمام مسابقه، وبینار آموزشی برگزار خواهد شد که ابتدا آمار مسابقه را بررسی می‌کنیم و در ادامه راه حل سوالات را خواهیم دید. برای شرکت در وبینار، به صورت کاربر مهمان از طریق لینک زیر اقدام به ورود کنید: https://vc.sharif.edu/ch/quera

نیمکت


فرض کنید که اولین بازی تیم بعد از فصل نقل‌ و‌ انتقالات انجام شد و شما به دادگان آن دسترسی دارید. با استفاده از این مجموعه‌دادگان جدید و مُدلی که در مرحله احتمال گُل آماده‌ کرده‌اید، اقدام به آنالیز موقعیت‌های گُل تیم کاپیتان‌سوباسا (تیم میهمان) در این بازی بکنید.

توضیح تصویر

به نظر شما براساس موقعیت‌های گُل و خروجی مُدل ارزیابی موقعیت شوت شما، کدام تیم شایستگی بُرد این بازی را داشت؟

دادگان🔗

دادگان این بازی در آدرس زیر در دسترس می‌باشند. توجه‌ داشته‌باشید که برای کار با این دادگان، ابتدا آن‌ها را به صورت کامل دانلود کنید.

دادگان این بازی شامل دو نوع داده است:

  1. دادگان رخداد (event data): این دادگان نشان می‌دهد که چه رخداد‌هایی روی توپ مانند شوت، سانتر و دریبل، توسط چه بازیکنی از چه تیمی، در چه مختصاتی از زمین و در چه زمانی صورت گرفته است. برای دسترسی به مستندات این دادگان به آدرس زیر مراجعه کنید. فایل ‍‍Sample_Game_2_RawEventsData.csv از دادگان این سوال به عنوان دادگان رخداد این بازی شناخته می‌شود.
  2. دادگان ردیابی‌ (tracking data): این دادگان به ازای ۲۵ فریم بر ثانیه، مختصات تمامی بازیکنان و توپ را در طول بازی نشان می‌دهد. فایل‌های ‍‍Sample_Game_2_RawTrackingData_Away_Team.csv و Sample_Game_2_RawTrackingData_Home_Team.csv به‌ ترتیب، دادگان ردیابی تیم میهمان (Away) و میزبان (Home) این بازی می‌باشند.

هنگامی که فایل دادگان را به صورت فایل csv بخوانید، همچون ما، از ساختار آن تعجب خواهید کرد! متاسفانه شرکت تهیه‌کننده دادگان، مستندات کافی جهت فهمیدن این ساختار را در اختیار شما قرار نداده است! در عوض، برای کمک به شما در کار با دادگان این مسابقه و بصری‌سازی آن‌ها، فایل‌های Metrica_Viz.py و Metrica_IO.py از طریق اینجا و اینجا که شامل تابع‌های کمکی می‌باشند، در اختیار شما قرار گرفته‌است.

با مطالعه مستندات هرتابع، می‌توانید ساختار دادگان را متوجه شوید، همچنین از آن‌ تابع‌ها در کار خود بهره ببرید و کار خود را تسریع ببخشید. توجه داشته باشید که در صورت نیاز، بایستی که تغییراتی اندک در داخل این توابع نیز بدهید!

توجه داشته‌ باشید که دادگان ردیابی و رخداد از لحاظ زمانی با همدیگر همگام‌سازی شده‌اند. در نتیجه شما بایستی بتوانید که با استفاده از این سه فایل، اقدام به بازسازی کامل یک لحظه شوت‌زنی همانند تصویر زیر بکنید. در تصویر زیر، دایره‌های آبی نشان دهنده بازیکنان یک تیم، دایره‌های قرمز هم نشان‌دهنده بازیکنان تیم مقابل آن می‌باشند. همچنین دایره سیاه‌ نشان‌دهنده توپ است.

توضیح تصویر

در دادگان این سوال، مختصات زمین در ابعاد x و y بین صفر و یک می‌باشند. مختصات (۰,۰) بالا سمت چپ زمین، مختصات (۱,۱) پایین سمت راست زمین و مختصات مرکز زمین نیز (۰.۵,۰.۵) می باشد. توجه‌ داشته باشید که ابعاد واقعی زمین در این بازی ۱۰۵ متر در طول (x) و ۶۸ متر در عرض (y) است و شما بایستی که این تغییر مقیاس مختصات را در نظر داشته‌باشید. فراموش نکنید که شما به اطلاعات جزیی‌تر در مورد یک زمین فوتبال در ویکی‌پدیای فارسی دسترسی دارید.

ارزیابی🔗

برای این مرحله، ‌فقط گزارش‌های ده نفر برتر مجموع گام‌های اول و دوم، بعد از پایان زمان مسابقه مورد داوری قرار خواهند گرفت. در صورتی که شخصی از آن ده نفر، گزارش خود را ارسال نکرده‌باشد. گزارش نفر بعدی طبق جدول امتیازات مورد ارزیابی قرار خواهد‌گرفت. نحوه ارزیابی این گزارش‌ها در قسمت ارزیابی سوال نقل‌ و انتقالات توضیح داده شده‌است.

هشدار🔗

توجه داشته‌باشید که در راه‌‌حل خود برای این سوال، حتما بایستی از مُدلی که در جواب سوال احتمال گُل ساخته‌اید، استفاده کنید. نحوه استفاده از این مُدل کاملا بستگی به خلاقیت و ایده‌پردازی شما دارد.

خروجی🔗

گزارش PDF (حداکثر یک صفحه متن + حداکثر یک صفحه پیوست نمودار و عکس) خود را جهت اطلاع‌ کاپیتان سوباسا، بارگذاری کنید.

توجه

انتظار می‌رود افرادی که در گام‌دوم- احتمال گُل خوب عمل کرده باشند و دارای توانایی کار با داده خام و کاربردی‌سازی تحلیل‌داده هستند، بتوانند امتیاز مناسبی از این مرحله کسب کنند.

ارسال پاسخ برای این سؤال
در حال حاضر شما دسترسی ندارید.