Ir para o conteúdo

Consultor de IA em Arnhem

Para federações desportivas, clubes e programas de desenvolvimento de talentos na região de Papendal. Criamos ferramentas que permitem acompanhar e comparar jovens atletas, como as que criámos para a Van Amersfoort Racing.

Com a Van Amersfoort Racing, desenvolvemos uma ferramenta para acompanhar e comparar jovens pilotos

“[…] Estamos muito satisfeitos com a nossa colaboração e confiantes de que esta será uma ferramenta muito útil na procura de jovens pilotos talentosos.” Francisco Freitas, Desenvolvimento de Negócio na Área Desportiva - Van Amersfoort Racing (VAR)

Leia o caso de estudo

O que revelam todos esses dados de treino sobre um único atleta?

Em Papendal, o TeamNL Sport Science Centre aplica os dados recolhidos diretamente ao treino. Num clube ou programa regional de desenvolvimento de talentos, os dados de GPS, frequência cardíaca e testes ainda estão muitas vezes dispersos por aplicações e folhas de cálculo. Ao reuni-los, pode ver como uma semana de treino afetou cada atleta.

Agende uma conversa
Sprinter in startpositie op een atletiekbaan

Os treinadores revêem os treinos, os olheiros acompanham a evolução

Fale connosco sobre os seus dados desportivos

Uma visão geral por atleta

GPS, frequência cardíaca, sensores de salto, momentos de avaliação e aplicações de treino associados por nome e data, para que a equipa técnica possa ver uma semana de treinos numa única vista.

Feedback durante o treino

Para a DutchSail, desenvolvemos um dashboard em tempo real que permite aos treinadores acompanhar o desempenho dos seus velejadores no simulador AC-40.

Acompanhar e comparar talentos

Para a Van Amersfoort Racing, desenvolvemos em Python e Dash uma ferramenta que permite à equipa acompanhar e comparar jovens pilotos.

Continua a funcionar após a época

Novos sensores, uma nova geração de atletas, outro treinador: com gestão e melhoria contínua, mantemos as integrações e os modelos atualizados quando algo muda.

A pergunta do treinador vem antes do sensor

  1. Definir uma decisão

    Por exemplo, quem passa para uma equipa de nível superior ou que carga de treino um atleta consegue suportar após uma lesão.

  2. Rever uma época

    Com os dados de uma época anterior, avaliamos se as medições teriam fundamentado melhor essa decisão.

  3. Integrar na semana de treinos

    Se funcionar, o resumo passa a fazer parte da rotina da equipa técnica e do atleta, com um responsável e gestão contínua.

Isto é útil para a sua federação, o seu clube ou o seu programa de formação de talentos?

Avalie connosco numa conversa

Adequa-se se

Treina ou seleciona atletas com uma equipa técnica permanente, já recebe medições de GPS, frequência cardíaca, momentos de avaliação ou de um simulador, e uma decisão recorrente, como a carga de treino ou a progressão dos atletas, pode ser mais bem fundamentada.

Não se adequa se

As suas medições ainda não permitem comparações ao longo de uma época, ou a decisão depende sobretudo do olhar de um treinador experiente. Nesse caso, comece por avaliações regulares e um dashboard simples.

O que determina a dimensão do projeto

O número de atletas e de sistemas de medição; se os fornecedores de sensores e aplicações disponibilizam uma exportação ou integração; se pretende consultar os dados em tempo real ou após o treino; e se a gestão fica a cargo da sua equipa ou da nossa.

Quem pode ver os dados de um atleta?

A frequência cardíaca, o sono e as lesões podem facilmente constituir dados de saúde. Defina antecipadamente o que o treinador, o olheiro e a equipa médica podem ver. Configuramos essas permissões de acesso na plataforma.

Feedback em tempo real, seleção de talentos ou carga de treino: onde é que os seus dados podem gerar resultados primeiro?

Feedback em tempo real

Escolha esta opção se os treinadores precisarem de fazer ajustes durante a sessão e os dados das medições já chegarem em formato digital, como acontece com o simulador de vela da DutchSail.

Seleção de talentos

Escolha esta opção se selecionar talentos todos os anos e tiver resultados de testes de várias gerações. O nosso conselho: tenha em conta o mês de nascimento, caso contrário o modelo aprenderá a reproduzir decisões de seleção anteriores.

Carga de treino

Escolha esta opção se as lesões e a sobrecarga de treino forem o que mais lhe custa e já registar dados de GPS, frequência cardíaca ou RPE por sessão de treino. Comece por uma visão geral no Power BI.

Os nossos casos de estudo desportivos levam-nos à pista e à água

A Data Science Lab existe desde 2016 e é parceira da Databricks e da Microsoft. Para a Van Amersfoort Racing e a DutchSail, trabalhámos com Python, Dash, Kafka e Grafana. A partir de Amesterdão, podemos reunir-nos nas suas instalações, nas nossas ou online.

Agende uma reunião de apresentação

A conversa começa com uma decisão da sua equipa

Stef Stoelwinder

Stef Stoelwinder

Desenvolvimento de Negócio

Stef é o seu ponto de contacto. Na primeira conversa, discutimos que decisão a sua equipa quer fundamentar, que medições já existem e quem vai trabalhar com os resultados.

Sobre que atletas ou escolhas para a equipa tem a nossa equipa técnica dúvidas neste momento?

Descreva brevemente de que atletas, medições ou escolhas para a equipa se trata. Receberá uma resposta por email ou agendaremos uma primeira conversa nas suas instalações, nas nossas ou online.

Introduza um endereço de e-mail válido.

Diga-nos como podemos ajudar.

Perguntas frequentes

Não. São casos de estudo nossos na área do desporto, que referimos aqui como exemplos do que fazemos com dados de desempenho e de talento. A base da equipa DutchSail fica em Scheveningen. Não publicámos nenhum caso de estudo com um clube, federação ou programa de desenvolvimento de talentos em Arnhem.

O nosso escritório fica na Westerdoksdijk, em Amesterdão. Podemos reunir-nos nas suas instalações, nas nossas ou online. Pode conhecer o nosso trabalho neste setor na página dados e IA para o setor do desporto.

Em Papendal, nos arredores de Arnhem, o TeamNL Sport Science Centre apoia federações e programas de desporto de alto rendimento. Mede, entre outros aspetos, força, técnica, resistência e recuperação, e utiliza equipamento de teste e medição para dar feedback imediato durante o treino. O NOC*NSF tem aí o seu escritório, e federações como a Atletiekunie e a KNWU estão aí sediadas.

Não construímos equipamento de medição. Mas ligamos os resultados dos testes aos dados diários de GPS, frequência cardíaca e aplicações de treino, para que a equipa técnica também acompanhe a evolução entre dois testes. Isso exige data engineering e um acordo sobre quem gere os dados: a federação, o clube ou o programa.

Testando esse enviesamento desde o início. As crianças nascidas no mesmo ano civil são consideradas da mesma idade, mas podem ter quase um ano de diferença. Uma análise da formação do PSV publicada em 2018 no Demos, o boletim do NIDI, mostrou uma representação excessiva de jogadores relativamente mais velhos: o efeito da idade relativa. Um modelo que aprende com seleções anteriores reproduz esse efeito.

Por isso, compare os atletas com outros nascidos na mesma parte do ano e observe a sua evolução ao longo de várias avaliações, em vez de se basear num único teste. O juízo do treinador continua a ser determinante; o modelo ajuda a identificar quem lhe possa ter passado despercebido. Pode ler como aconselhamos a criação de modelos justos e transparentes em Responsible AI.

Apenas sob condições rigorosas. A autoridade neerlandesa de proteção de dados, Autoriteit Persoonsgegevens (AP), classifica os dados sobre quanto uma pessoa se movimenta, dorme e pesa como dados de saúde. Trata-se de uma categoria especial de dados pessoais: o seu tratamento é proibido, salvo se se aplicar uma exceção prevista no RGPD e existir um fundamento jurídico. Segundo a AP, o consentimento de um trabalhador numa posição de dependência nunca pode ser livre; um atleta também pode depender de quem lho pede.

Se recorrer ao consentimento explícito e o jovem atleta tiver menos de 16 anos, este deve ser dado por um dos pais ou pelo responsável legal; a partir dos 12 anos, a própria criança pode retirá-lo. Defina, através de data governance, o que o treinador, os observadores e a equipa médica podem consultar. A avaliação jurídica da sua situação cabe ao seu consultor jurídico ou encarregado da proteção de dados.

As medições chegam num fluxo contínuo e são processadas enquanto a sessão decorre. Para a DutchSail, desenvolvemos um dashboard em tempo real para o simulador AC-40, com dados do treino como o comportamento na condução e a afinação das velas. Nesse caso de estudo, utilizámos, entre outras ferramentas, Python, Kafka, uma plataforma para este tipo de fluxos de dados, e Grafana, software para dashboards.

O processamento em tempo real só compensa se o treinador puder intervir durante a sessão. Se a equipa técnica só consultar os dados depois, o processamento após o treino é mais simples de desenvolver e gerir. A maior dificuldade costuma estar na origem dos dados: nem todos os sensores ou simuladores disponibilizam os seus dados através de uma interface.

“The experts at Data Science Lab helped us streamline our dataflow by looking at the broader picture as well as solving the difficult IT issues we had […]” Dirk-Jan Korpershoek, DutchSail

Normalmente, dois tipos. A carga externa é o que o atleta faz, como a distância percorrida, os sprints e os saltos registados por GPS e sensores. A carga interna é o efeito desse esforço no atleta, medido pela frequência cardíaca e pela session-RPE: a intensidade que o próprio atleta atribui ao treino após a sessão. Segundo a TeamNL, em 2018 os desportos coletivos já utilizavam sistemas GPS, monitores de frequência cardíaca e sensores de salto nos treinos.

Acrescente o histórico de lesões fornecido pela equipa médica e poderá ver, para cada atleta, como a carga se relaciona com as queixas físicas. Há um risco a ter em conta: se o clube mudar de fornecedor de GPS, os valores anteriores e posteriores à mudança muitas vezes não são diretamente comparáveis. Registe essa mudança antes de treinar um modelo.

No programa Sport de Gelderland, a Topsport Gelderland e a Gelderse Sport Federatie colaboram na iniciativa Sportief Groot Worden. São realizados testes de motricidade, identificadas as preferências desportivas e recolhidos dados sobre a atividade física e a prática desportiva de crianças do ensino básico. Daí resultam perfis de atividade física que servem de base aos municípios e a atividades nos bairros e comunidades locais.

Esses dados dizem muito ao nível de um bairro ou de uma escola, mas só permitem tirar conclusões sobre cada criança após várias avaliações. Em 2016, ainda antes da entrada em vigor do RGPD, a AP classificou os dados sobre as capacidades motoras dos alunos como dados de saúde no contexto de projetos de saúde nas escolas. Um dashboard Power BI ao nível do bairro é, por isso, muitas vezes um primeiro passo mais sensato do que um modelo para cada criança.

Quando a pergunta é o que aconteceu, não o que vai acontecer. Uma visão semanal da carga de cada atleta, ou dos resultados dos testes por grupo, responde a muitas perguntas dos treinadores sem necessidade de um modelo. Além disso, com poucos atletas ou apenas algumas épocas de dados, é pouco provável que um modelo aprenda muito que um treinador experiente ainda não consiga ver. Comece com dashboards Power BI baseados em dados interligados. Se o principal problema for a falta de capacidade para ligar as exportações de sensores e aplicações, pode integrar um data engineer na equipa através de cedência de profissionais. Se já tomou essa decisão e pretende que construamos o modelo e o mantenhamos em produção, conheça a nossa consultoria de data science em Arnhem. Se também pretende que construamos e façamos a gestão de soluções de IA, saiba mais sobre a nossa consultoria de IA em Arnhem.