Antes do fim de semana do Grande Prêmio, a maioria de nós prefere compartilhar ou tentar compartilhar e assumir que o domingo chegará ao topo. A cientista de dados Mariana Antaya levou esses bate -papos em outro estágio e criou um modelo de aprendizado de máquina para prever os resultados da corrida da F1. Até agora, seu modelo chamou corretamente os vencedores dos três Grand Prix nesta temporada.
Conversando com o Motorsport.com, Antaya disse: “Eu sou realmente um grande fã da Fórmula 1”. “O aprendizado de máquina e todos esses algoritmos são realmente amplamente utilizados no grupo 1
“Então, eu queria prever o vencedor como uma prática divertida, apenas para ver, como, quão bem ficamos bem com os dados disponíveis” ”
Para fazer isso, Antia começa a criar um modelo próprio. Equipado com os tempos de volta do Grande Prêmio da Austrália do ano passado, que foi incentivado no armazenamento de dados da API Fastf 1, estabelecendo os resultados da corrida de 2024 com o desempenho da qualificação em 2025.
Depois que os novatos foram removidos do programa, o Antaya reconheceu que havia “intervindo” porque não tinha informações contra ele porque começou a treinar seu modelo. Usando o equipamento de reforço de gradiente, Antia previu os tempos de volta para a competição para o Albert Park, e seu programa foi escolhido corretamente por Lando Norris como vencedor.
“Eu disse no final do vídeo, este é definitivamente um modelo comum e não sabia que seria a previsão certa”, disse Anta. A partir daí, o projeto começou a crescer à medida que a comunidade de F1 se reuniu para ver quantas raças mais antigas poderiam ligar corretamente.
Ele acrescentou: “Eu queria que fosse um tipo de coisa lotada”. “Então, todo o público pode dizer ‘Eu realmente quero que você inclua dados meteorológicos’ ou ‘Eu realmente quero que você inclua sessões de prática no modelo’ ‘
“Eu queria que as pessoas me dissessem que queriam adicionar outros recursos ao modelo para melhorá -lo na temporada”.
Formulário 1 fã Mariana Antaya
Foto: Mariana Antaya
E melhorar, porque as corridas do modelo de aprendizado de máquina continuam a prever os vencedores. Isso não significa que seja perfeito, e a Anta agora está adicionando mais pontos de dados ao programa para ajudar a melhorar sua precisão.
“Mais dados estão prestes a ajudar o modelo a aprender mais e será capaz de fazer uma previsão melhor”, explica ele. “Se você tiver tantos dados, será uma mente muito pequena, eu acho, e não será capaz de entender muito”.
Para estender a mente de seu modelo, Aunta acrescentou as informações climáticas perante o Grande Prêmio japonês, que tinha oportunidades de chuva e temperaturas de rastrear enquanto estavam em Suzuka. Além disso, os motoristas também foram adicionados ao desempenho depreciativo úmido e usaram o programa para prever adequadamente a vitória de Max Vertpen na corrida.
O próximo grande passo do modelo avançou neste fim de semana do que o Grande Prêmio da Arábia Saudita, quando este ano foi treinado no desempenho de cada equipe até agora. Antia explicou que a fita de informações adicionais ajudaria a entender seu programa de que equipes como McLaren e Williams foram um passo adiante em 2021, enquanto outras como a Red Bull não estão se apresentando de forma consistente e estavam em 2021.
“Agora estamos considerando outra imagem geral do carro e da equipe bem”, explicou.
‘Surpresa’ da série
Publicar E o Tiktok está aumentando em popularidade com cada upload da série e os clipes chegaram a atingir a Fórmula 1. Um punhado de equipes de F1 na grade chegou a Antia após a mão das equipes de F1 começaram a fazer o upload e agora ele está ansioso para descobrir o quão próximo os modelos de previsão usados na série.
“Estou chocado (por resposta). Estou realmente muito surpreso”, diz ela. “Eu realmente não tenho nenhuma idéia (festas como isso), isso é uma caixa preta para mim, espero saber, mas
Hanna Smitz, a principal estratégia de Red Bull Racing
Foto: Peter Fox – Figura Getty
Três dos cinco vencedores de corridas previram adequadamente que Antia não está ganhando glória porque ela espera tornar o Profeta mais preciso. Antes do Grande Prêmio de Miami, o cientista de dados diz que quer começar a experimentar processos de aprendizado de máquina mais complexos para aumentar a precisão de suas previsões e reduzir o erro absoluto médio do modelo, que pode ser pensado como a diferença média entre a previsão do modelo e os resultados das cores.
No entanto, a precisão do modelo pode aumentar graças à implementação de dados adicionais e novos processos, a Antaya está ciente de que a F1 sempre terá material indesejado.
“Acho que isso sempre será a barreira”, acrescenta. “É realmente difícil dizer que um carro de segurança está prestes a ser um carro de segurança e está prestes a desencadear mais alguns fluxos do evento.
“Talvez possamos extrair dados passados sobre a porcentagem de falhas durante a corrida, e isso é algo que podemos adicionar como outros recursos, mas
Neste artigo
Aprenda primeiro para atualizações por e-mail de notícias em tempo real sobre esses tópicos e assine
Inscreva -se no aviso de notícias
