StudyEnglishWords

2#

Математика хитрых баскетбольных движений. Rajiv Maheswaran - видеоролик

Изучайте английский язык с помощью параллельных субтитров ролика "Математика хитрых баскетбольных движений". Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь. Всего 341 книга и 1726 познавательных видеороликов в бесплатном доступе.

страница 4 из 7  ←предыдущая следующая→ ...

00:06:16
And it's very exciting, it's much more than the pick-and-roll.
Our computer started out with simple things
and learned more and more complex things
and now it knows so many things.
Frankly, I don't understand much of what it does,
and while it's not that special to be smarter than me,
we were wondering, can a machine know more than a coach?
Can it know more than person could know?
And it turns out the answer is yes.
The coaches want players to take good shots.
So if I'm standing near the basket
and there's nobody near me, it's a good shot.
If I'm standing far away surrounded by defenders, that's generally a bad shot.
But we never knew how good "good" was, or how bad "bad" was quantitatively.
Until now.
So what we can do, again, using spatiotemporal features,
we looked at every shot.
We can see: Where is the shot? What's the angle to the basket?
Where are the defenders standing? What are their distances?
What are their angles?
For multiple defenders, we can look at how the player's moving
and predict the shot type.
We can look at all their velocities and we can build a model that predicts
what is the likelihood that this shot would go in under these circumstances?
So why is this important?
We can take something that was shooting,
which was one thing before, and turn it into two things:
the quality of the shot and the quality of the shooter.
Это очень волнующе, даже больше, чем пик-н-ролл.
Наш компьютер начинал с простых вещей, стал учиться всё более и более сложным,
а сейчас знает так много, что, по правде, я не знаю столько, сколько он.
И не удивительно, что он знает больше меня.
Неужели машина может знать больше, чем тренер?
Может ли она знать больше, чем человек?
Оказалось, что да.
Тренеры хотят, чтобы игроки делали хорошие броски.
Если я стою здесь, у корзины, и никого нет рядом со мной, —
это хороший бросок.
Если я стою далеко, окружённый защитниками, — обычно это плохой бросок.
Но мы не знали, как оценить количественно «хороший» или «плохой» бросок.
До сих пор.
Используя пространственно- временные характеристики,
мы можем просмотреть каждый бросок,
узнать, откуда он сделан, какой угол по отношению к корзине,
где стоят защитники, каково их расстояние, под какими они углами.
Среди нескольких защитников мы можем увидеть, как двигается определённый игрок
и предугадать тип броска.
Мы можем вычислить их скорости и построить модель, которая предскажет
вероятность осуществления броска при данных обстоятельствах.
Почему это так важно?
Мы можем определить бросок,
который раньше был един, как состоящий из двух параметров:
качество броска и уровень бросающего.
скачать в HTML/PDF
share