Машинне навчання може визначити найбільш переплачуваних і недоплачуваних футбольних зірок світу

У великій книзі Майкла Льюїса “Грошовий м’яч” (за якою також знято чудовий фільм 2011 року) генеральний менеджер бейсбольної команди “Окленд Атлетікс” використовував підхід, заснований на даних, щоб зібрати конкурентоспроможну бейсбольну команду, незважаючи на обмежені кошти.

Новий проект з комп’ютерних наук з Технологічного університету Лоуренса в Мічигані використовує машинне навчання і науку про дані для того, щоб зробити для 6082 європейських футболістів одну і ту ж саму річ – за допомогою обчислювальної моделі, яка обчислює найбільш переоплачуваних і недооплачуваних гравців у світі на основі їхньої майстерності. (Остання група – це та, в якій менеджери в стилі Біллі Біна, ймовірно, повинні бути найбільш зацікавлені!)

“У спорті прийнято порівнювати індивідуальні показники, – розповів Digital Trends Ліор Шамір, один із співавторів дослідження. “Однак футболісти володіють комбінацією навичок, тому просто порівняння кількості голів дає дуже часткове уявлення про справжню цінність гравця. Ми розробили обчислювальну модель, яка поєднує 55 вимірюваних атрибутів, що відображають здібності гравців. Порівнюючи цю модель із зарплатами гравців, ми можемо оцінити зарплату кожного гравця, виходячи з його продуктивності на полі, а також у порівнянні з усіма іншими гравцями”.

Ці 55 атрибутів включають такі деталі, як точність забитих м’ячів і пасів, поведінкові риси, такі як агресивність, і здібності, включаючи швидкість, прискорення і контроль м’яча. Вимірювання проводилися експертами ФІФА, і хоча Шамір визнає, що існує певна суб’єктивність, використання 55 різних вимірювань, як ми сподіваємося, означає, що суб’єктивність в кінцевому підсумку буде збалансована.

Дослідження показує, що здебільшого майстерність і винагорода тісно пов’язані між собою, хоча є зірки, яким значно переплачують, а є й такі, яким недоплачують. Ліонель Мессі з “Барселони” очолив список найбільш переплачуваних гравців сезону 2016-2017 років, незважаючи на те, що він є топ-гравцем, в той час як Бернардо Сілва виявився найбільш недоплачуваним.

Звичайно, Шамір зазначає, що модель не враховує інші причини, чому футболіст може бути високооплачуваним поза межами його дій на футбольному полі. “Модель не враховує дохід, який спортсмен-суперзірка може генерувати за межами поля”, – сказав він. “Продажі сувенірної продукції, права на трансляції та розширення фан-бази – все це є важливими аспектами при укладанні контракту зі спортсменом”.

Так що ж таке “take home”, якщо ви не футбольний фанат? За словами Шаміра, це той факт, що подібні дослідження дають уявлення про те, що нас чекає в майбутньому, коли мова йде про те, як нам будуть платити в майбутньому.

“Обчислювальний підхід за своєю природою є об’єктивним, а отже, може вирішити проблему працівників, які вважають, що їм недоплачують порівняно з їхніми колегами”, – сказав він. “Важко звикнути до думки, що машини визначають наші зарплати, підвищення або бонуси, але цей день, насправді, дуже близький”.

Рекомендації редакції

• Сканер на основі машинного навчання не дає підробкам потрапити на полиці магазинів
• Нова система машинного навчання може ідентифікувати терористів за їхніми ручними знаками “V for Victory

Source: digitaltrends.com