3 分で読了
0 views

CAMP: 手腕を見抜くクリケット選手評価の新指標

(CAMP: A Context-Aware Cricket Players Performance Metric)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

ケントくん

ねえ博士、クリケットって難しそうだけど、新しい選手評価方法が出たって聞いたよ!

マカセロ博士

そうなんじゃ、ケントくん。新しい指標CAMPが登場したんじゃよ。この評価方法は選手の試合への貢献を、より正確に測るために考案されたものじゃ。

ケントくん

へえ、どんな風に選手を評価するの?

マカセロ博士

CAMPは試合の文脈や相手の強さを考慮し、試合のどの場面で活躍したかによって選手の貢献を評価するんじゃ。これにより、より公平で正確な評価ができるんじゃよ。

ケントくん

それって、ちょっと難しそうだけど納得できるね。従来の方法より良いってこと?

マカセロ博士

そうじゃ、従来の単純な統計に頼らず、プレイヤーの真の実力を浮き彫りにするため、主観性を排除しより客観的な評価が期待できるんじゃ。

ケントくん

すごい!どうやって有効性を確かめたの?

マカセロ博士

過去の試合データを基にして、CAMPによる評価が実際の「マンオブザマッチ」賞と一致するかを分析したんじゃ。その結果、非常に高い一致を示し、信頼性が証明されたんじゃよ。

ケントくん

なるほどね!でも博士、これからはどんな点が議論されるんだろう?

マカセロ博士

班成績が異なる条件下で普遍的に適用できるか、評価が完全に客観的になり得るか、などの点が議論されているんじゃ。また、データの偏りや欠損が影響する可能性や、戦術や心理面への適応可能性についても探求が必要じゃ。

引用情報

M. S. Ayub, N. Ullah, S. Ali, I. U. Khan, M. M. Awais, M. A. Khan and S. Faizullah, “CAMP: A Context-Aware Cricket Players Performance Metric,” arXiv preprint arXiv:2307.13700v1, 2023.

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
オーバーラップするバイクラスタリングとブール行列分解の視覚化
(Visualizing Overlapping Biclusterings and Boolean Matrix Factorizations)
次の記事
層ごとの発散を考慮した重み集約
(L-DAWA: Layer-wise Divergence Aware Weight Aggregation in Federated Self-Supervised Visual Representation Learning)
関連記事
教師あり機械学習における不確実性の要因
(Sources of Uncertainty in Supervised Machine Learning – A Statisticians’ View)
IoVにおけるゼロデイ攻撃検出のためのブロックチェーン対応オープンセットフェデレーテッドラーニングフレームワーク
(Zero-X: A Blockchain-Enabled Open-Set Federated Learning Framework for Zero-Day Attack Detection in IoV)
ランダウアー限界を超える伝導と量子ワイヤにおける電荷ポンピング
(Conductance beyond the Landauer limit and charge pumping in quantum wires)
回帰のためのオムニ予測器と凸関数の近似ランク
(Omnipredictors for regression and the approximate rank of convex functions)
二重深部仮想コンプトン散乱観測量のGPD感度
(Sensitivity of Double Deeply Virtual Compton Scattering observables to GPDs)
リモートセンシングVQAにおける言語バイアスの克服
(Overcoming Language Bias in Remote Sensing Visual Question Answering via Adversarial Training)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む