(di Marco Casalone) – L’architettura del modello Bundesliga Match Facts xGoals (nato dalla collaborazione tra la Deutsche Fußball Liga e Amazon Web Services) aiuta a comprendere come il Machine Learning (o ML, l’apprendimento automatico) stia rivestendo un ruolo sempre più importante nella raccolta e nell’analisi dei dati nel mondo del calcio.

Come primo step, gli esperti del colosso statunitense hanno provveduto alla formazione di una pipeline (ovvero un insieme di componenti di un software collegati tra loro a cascata) seguendo l’approccio CI/CD (acronimi di “continuous integration” e “continuous delivery“, pratiche che permettono agli sviluppatori di rilasciare nuovi codici in maniera molto più frequente e sicura), abbinandola successivamente ad un processo di gestione di tipo Ia C  (“Infrastructure as Code“), che consente un provisioning (cioè una assegnazione) dei dati molto più accurato e, soprattutto, la possibilità per i team di lavorare in ambienti separati, facilitando la testabilità del codice e riducendone i tempi di rilascio.
Completate queste operazioni si procede alla creazione dell’architettura del modello xGoals: l’acquisizione dei dati avviene attraverso due distinte applicazioni ideate e sviluppate da Amazon, AWS Fargate (utilizzato per la ricezione dei flussi di posizionamento sul campo dei calciatori e dei principali eventi del match) e Amazon API Gateway (che elabora metadati aggiuntivi come la composizione ed i nomi dei giocatori delle due squadre).
Tutti gli elementi raccolti attivano una funzione Lambda (conosciuta in informatica anche con il termine “funzione anonima“) che si occupa di un varietà di compiti una tantum come il deprovisioning (ossia la rimozione) automatico delle risorse inattive, l’estrazione e la pre-elaborazione dei rimanenti file ed alcuni test di qualità finale dei dati ottenuti.
Inoltre, AWS utilizza i propri prodotti sia per la memorizzazione delle statistiche degli incontri, in particolare attraverso i database Amazon DynamoDB (dedicato alla raccolta dei c.d “valori chiave” o “key-value“) e Amazon DocumentDB (che, oltre a registrare tutti i documenti, indicizza i dati nel più semplice e comprensibile formato JavaScript Object Notation, o JSON), che per la loro archiviazione, grazie a Amazon Simple Storage Service (conosciuto anche come Amazon S3) che, oltre a migliorare le prestazioni del match facts xGoals, conserva al suo interno anche i metadati riguardanti il monitoraggio e la sicurezza del modello.