Spor Yönetimi Disiplinlerarası Tezsiz Yüksek Lisans

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/
Ders İçeriğini Yazdır
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
Scroll to Top