6/18/15 Olympic Sports Science Ciclo de Seminários PESC Fabio Porto Laboratório Nacional de Computação Científica Comitê Olímpico Brasileiro Agenda l l l l l DEXL - LNCC The Olympic Lab Project Interdisciplinary Data Science SAHA – Sistema de Apoio Holistico a Atletas Final Remarks 2 1 6/18/15 Laboratório LNCC-MCTI DEXL (dexl.lncc.br) l l Fundado em 2009 Objetivo: – l Desenvolver técnicas, métodos, algoritmos para apoio `a Gerência e Análise de Dados Científicos Atuação: – Orientações de Mestrado e Doutorado l l l 3 Doutores e 2 Mestres formados 6 Doutorandos e 2 mestrandos 2 I.C. – Desenvolvimento – Parcerias l l l 6 programadores O.N., COB, EMC Research, INCT MACC INRIA – Montpellier – Team Associé DEXL – Pesquisas em Andamento Pattern Queries Seismic Data (EMC) Gene regulation Network Laboratório DEXL Astronomy Data Integration Astronomy Big Data Processing Olympic Laboratory (COB) Simulation analytics SimDB Simulation Data management 2 6/18/15 The Olympic Lab Project l Olympic Lab Project – – – – – – Funded by FINEP – R$ 13M Coordinated by: COPPE – Crie Lab Executed by: COB Institutions: COPPE,UFRJ, COB, UERJ, INTO, LNCC,UNIRIO Begin: January, 2010; Operation Start: December 2015 Facility 3 6/18/15 Main drives l Objective – l Approach – l To improve Brazilian position in world highperformance sports ranking To improve athletes results through scientific analysis over specific metabolic-behavioralphysiological-mechanical-nutritional condition Means – To build the first Latin America Research Center for High-Performance Athletes Principles Olympic Laboratory Science Technology Athletes 4 6/18/15 Activity Axes Performance support Research & Development Publication Olympic Laboratory Inter-disciplinarity 5 6/18/15 Disciplines l l l l l l l l l Medicine Physiotherapy Behavior Biomechanics Physiology Biochemistry Nutrition Training Computational Modeling Lab Process Model 6 6/18/15 INSTRUMENTS IN BIOMECHANICS 7 6/18/15 8 6/18/15 DATA CAPTURING AND ANALYSIS IN BIOCHEMISTRY 9 6/18/15 BLOOD EXTRACTION MASS ESCTOMETRY 10 6/18/15 Biochemistry data - Football 11 6/18/15 Behavior Carga Psicofisiológica Diagnóstico Estresse\ Fadiga e Recuperação Auto-eficácia Motivação Burnout Autoconfiança Concentração Metas Coping Fadiga Ansiedade précompetitiva 12 6/18/15 A science based on data Data Collection Protocol 13 6/18/15 Basis for Normalization Using Albumin Alb Relative amount of protein 12 10 8 6 ACC AMMF B05 4 EFSR EGOJ 2 PSCS RACS 0 l l VAGF Changes in albumin most likely reflect changes in total plasma protein concentration related to hydration Results for other proteins were therefore normalized using albumin (albumin assumed to be constant in each sample, and same for all individuals) LPS-Binding Protein 3.5 Relative amount of protein 3 2.5 2 1.5 ACC AMMF B05 EFSR 1 0.5 0 EGOJ PSCS RACS VAGF 14 6/18/15 PCA: F1 vs F2 Observations (axes F1 and F2: 48.08 %) 4 EFSR-T13 EFSR-T10 EFSR-T07 VAGF-T09 EFSR-T05 EFSR-T17 EFSR-T09 EFSR-T11 EFSR-T06 EFSR-T15 RACS-T08 EFSR-T12 VAGF-T13 EFSR-T01 RACS-T04 ACC -T02 PSCS-T05 VAGF-T10 EFSR-T14 ACC -T09 RACS-T12 ACC -T01 ACC -T05 RACS-T14 ACC -T11 ACC -T17 RACS-T11 RACS-T05 RACS-T13 -T15 RACS-T07 RACS-T06 EFSR-T03 AMMF-T17 EFSR-T08 ACC -T13 EFSR-T04 ACC ACC -T18 VAGF-T14 VAGF-T08 ACC PSCS-T09 -T04 VAGF-T03 RACS-T15 RACS-T01 ACC -T06 ACC -T10 PSCS-T06 ACC -T08 RACS-T10 PSCS-T12 RACS-T02 VAGF-T15 PSCS-T10 PSCS-T11 ACC -T03 ACC -T07 PSCS-T14 PSCS-T01 RACS-T09 AMMF-T18 RACS-T03 ACC -T16 PSCS-T17 ACC -T12 PSCS-T07 VAGF-T17 VAGF-T05 RACS-T17 RACS-T16 VAGF-T06 VAGF-T01 VAGF-T11 PSCS-T08 PSCS-T16 PSCS-T13 VAGF-T12 PSCS-T15 VAGF-T02 AMMF-T13 ACC -T14 PSCS-T03 EFSR-T16 AMMF-T09 PSCS-T02 2 0 F2 (16.78 %) PSCS-T04 VAGF-T16 VAGF-T07 PSCS-T18 Individual-ACC Individual-AMMF AMMF-T11 EGOJ-T13 Individual-VAGF EGOJ-T17 VAGF-T04 AMMF-T07 EGOJ-T09 AMMF-T14 AMMF-T10 AMMF-T12 AMMF-T15 AMMF-T05EGOJ-T14 AMMF-T16 -2 B05-T05 B05-T09 B05-T17 Individual-EFSR Individual-EGOJ Individual-PSCS EGOJ-T03 B05-T06 B05-T10 B05-T14 B05-T03 B05-T18 B05-T13 B05-T15 B05-T01 B05-T12 B05-T11 B05-T08 B05-T16 B05-T07 B05-T02 -4 Individual-B05 EGOJ-T16 AMMF-T06 AMMF-T01 EGOJ-T15 AMMF-T08 EGOJ-T11 EGOJ-T08 EGOJ-T05 EGOJ-T07 EFSR-T02 EGOJ-T06 AMMF-T02 EGOJ-T02 EGOJ-T12 EGOJ-T10 EGOJ-T01 AMMF-T03 AMMF-T04 EGOJ-T04 Individual-RACS B05-T04 -6 -8 -6 -4 -2 0 2 4 6 8 F1 (31.30 %) Big Data in e-Sports l l Reflects the data deluge observed as a result of athletes scientific follow-up Input from different disciplines: sportomics (ref. L. Cameron, LBP) l Instruments capturing/generating data 30 15 6/18/15 In Science and Beyond l “Scientists are spending most of their time manipulating, organizing, finding and moving data, instead of researching. And it’s going to get worse” – Office Science of Data Management challenge - DoE Topic of the decade USP-IAG e-Science l “In the future, e-Science will refer to the large scale science that will increasingly be carried out through distributed global collaborations enabled by the Internet. Typically, a feature of such collaborative scientific enterprises is that they will require access to very large data collections, very large scale computing resources and high performance visualization back to the individual user scientists. It is a scientific process that uses global networks of computing infrastructures (often referred to as the "cyberinfrasctructure"), datagathering instruments, analytic software, and of course, scientists themselves. ” l 32 National eScience Centre, Uk COB - LNCC 2013 16 6/18/15 Big Data - Dimensions Velocidade Valor Tempo real Individual sensores Veracidade modalidade Web-user esporte Multi aproximação offline texto midia equipamentosVolume MB GB TB PB instrumentos database Img,video, audio 33 Variedade e-Science Life-Cycle Phenomenon observation Hypothesis Formulation Modeling Experiment in-silico Publication 17 6/18/15 SAHA – Cockpit for e-Sports SAHA – SISTEMA DE APOIO HOLISTICO AO ATLETA 18 6/18/15 Objetivo Projeto SAHA l Desenvolver um programa de pesquisa em Modelagem Computacional centrado no método científico em apoio à melhoria de desempenho dos atletas. – Meta l Desenvolver métodos, modelos e técnicas com foco na gerência e análise de dados produzidos pela pesquisa centrada no atleta 37 Desafios l l l l Uniformizar os tipos de dados de acompanhamento Integrar dados Analisar os dador Disponibilizar os dados 19 6/18/15 Do atleta Ao e-Atleta Hemolab 20 6/18/15 Ciência do Esporte Integrada Bioquímica Nutrição Fisiologia Psicologia Sistema SAHA Medicina Treinamento Fisioterapia Modelo Abstrato Athlete Data Collection Data Uniformization Routine Analysis type Data Contextualization Data Loading Data Management Trajectory synthesis Data Analytics Data Analyses 21 6/18/15 Arquitetura do Sistema Abordagem l Atleta e seus elementos observáveis l Variação dos elementos observáveis – – – l Tempo Estado do treinamento Observações pseudo-contínuas – – l Variáveis de observação Coleta de material em diversos momentos da vida do atleta Interpolação provê uma simulação de variação contínua no tempo Observações discretas – Registros pontuais do estado do atleta l l l Medicação Lesão … 22 6/18/15 Trajetória l l l l Modelar o processo de acompanhamento do atleta como a trajetória um elemento virtual no espaço de valores válidos Análise topológica de trajetórias Elemento de uniformidade entre as disciplinas Trajetória: – – – Atleta Rotina (sequencia de estados) Elemento Observável Modelo de Trajetória Um caminho espaço-temporal de um objeto em movimento. (Spaccapietra et al., 2008) 23 6/18/15 Estados l Divisão do tempo segundo semântica do treinamento time E1 E2 Estados de Treinamento 24 6/18/15 Rotina Intervalo de Tempo Rotina A E0 E1 E2 E3 Elem. Ob. 1 Elem. Ob. 2 Elem. Ob. 3 Depósito de Dados SAHA (simplificado) 25 6/18/15 SAHA - Home Departamentos 26 6/18/15 Departamentos Atleta 27 6/18/15 Rotina de Treinamento Rotina Executada 28 6/18/15 Gráficos comparativos 29 6/18/15 Int’l Association of Computer Science in Sport (http://www.iacss.org/) Prof. Martin Lames Technische Univ. Munchen 30 6/18/15 Comentários Finais l l Sportomics é uma nova abordagem de melhoria no esporte através da investigação científica interdisciplinar A ciência da computação tem um papel fundamental no desenvolvimento da sportomics com: – l técnicas, modelos, metodologias Sportomics é uma fundamentalmente uma ciência de dados 61 Comentários l Sportomics é centrada no ser humano – – l Análise integrada é um grande desafio – – l Tratamento de informações qualitativas Medições de homens/mulheres normais não refletem as de atletas Correlações desconhecidas Métodos de investigação Mecanismos de coleta de informações com menor impacto no atleta e em sua atividade 31 6/18/15 Colaboradores l Membros do Laboratório DEXL – – – – – – l UNIRIO – – l Prof. L. C. Cameron Dr. Adriana Bassini COB – – Dr. Sidney Cavalcante, Julio Noronha l UFJF l INTO l COPPE- Crie – – – – 63 Prof. Ana Maria de C. Moura MSc Frederico Corrêa da Silva Bolsista Debora Cerqueira Bolsista Dionisio Porto Bolsista Enver Choque Bolsista Adolfo Simões Prof. Mauricio Bara Dr. José Inacio Salles Prof. Marcos Cavalcante Gilberto Sanpaio Equipe SAHA Esp. Dionisio Porto Esp. Adolfo Simões Esp. Enver Choque Esp. Debora Cerqueira MSc Frederico Corrêa da Silva 32 6/18/15 Obrigado !J Fabio Porto ([email protected]) 65 33