Spor Analitiği(SPR504)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| SPR504 | Spor Analitiği | 2 | 3 | 0 | 0 | 3 | 6 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | Türkçe |
| Türü | Zorunlu |
| Dersin Düzeyi | Yüksek Lisans |
| Dersi Veren(ler) | |
| Dersin Yardımcıları | |
| Dersin Amacı |
Spor alanında oluşmuş ya da oluşturulacak olan dijital kayıtlar aracılığıyla modern yapay öğrenme ve veri bilimi teknikleri kullanarak gerçekleştirilebilecek analitik süreçler, bu alanda iş geliştirme yapabilecek kişiler yetiştirilmesine katkı sağlamaktır. İş dünyasının birçok farklı dalında karşımıza çıkan veri odaklı proje geliştirme ve yapay öğrenme yöntemleri ile çıkarımlar yaparak verimliliği artırma konuları spor dünyasında da kendisine yer bulmaktadır. Takım ya da bireysel performansların artırılması, spor kulüplerini destekleyen fanların davranış analizlerinin yapılması, bir sonraki maçlara dair performans ve skor tahmini gibi konular, veri bilimi alanında işlenen tahminleyici ve belirleyici analiz teknikleri ile gerçekleştirilebilir. Spor Analitiği dersinin de temel amacı öğrencilere bu konularda derin bir görüş kazandırmaktır. |
| İçerik |
1. Veri Bilimi ve Yapay Öğrenmeye Giriş 2. Spor Analizi için veri edinme/oluşturma 3. Spor Analizi temelleri; Veri, Tanıtım, Spor Modelleri 4. Tanımlama Problemleri 1 5. Tanımlama Problemleri 2 6. Bireysel veya Takım Performans Analizi vaka çalışması 7. Ara Sınav 8. Tahminleme Problemleri 1 9. Tahminleme Problemleri 2 10. Skor Tahmini Vaka çalışması 11. Giyilebilir Teknolojiler ve Spor Analitiği 12. Davranış Analizi 13. Proje Sunumları 1 14. Proje Sunumları 2 |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan öğrenci aşağıdaki konularda yeterliliğe sahip olacaktır: 1. Yapay öğrenme ve veri bilimi yöntemleri ile spor alanında proje oluşturma ve geliştirme, 2. Spor analitiği alanında yapılmış projeleri hatırlayabilme ve açıklayabilme yetisi, 3. Gerçek dünyada karşılaşılan Spor alanındaki problemlerini algılayabilme ve analitik çözüm Üretebilme becerisi, 4. Spor analitiği alanında dünyadaki baskın trendleri algılayabilme ve buna adapte olabilme yetisi, |
| Öğretim Yöntemleri | |
| Kaynaklar |
Data Mining - Practical Machine Learning Tools, 2nd edition, Ian H. Witten & Eibe Frank, Morgan Kaufmann, 2005. ? Neural Networks - A Comprehensive Foundation, 2nd edition, Simon Haykin, Pearson/Prentice Hall,1999. ? Data Mining: Concepts and Techniques, Jiawei Han & Micheline Kamber, Morgan Kaufmann, 2000. ? Applied Statistics and Probabilities for Engineers, 4th edition, D.C. Montgomery & G.C. Runger, John Willey & sons, 2006. ? The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd edition, T. Hastie, R. Tibshirani & J. Friedman, Springer, 2009. ? Ceyda Mumcu, Ph.D. University of New Haven – https://www.newhaven.edu/faculty-staff-profiles/ceydamumcu.php ? Spor analizi ile ilgili python kullanarak yapılan veri projeleri: https://towardsdatascience.com/sports-analytics/home https://online.maryville.edu/online-bachelorsdegrees/sport-business-management/careers/sports-dataanalyst/ |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Toplam İş Yükü | 0 | ||
| Toplam İş Yükü / 25 | 0.00 | ||
| Dersin AKTS Kredisi | 0 | ||
