Επιστήμη δεδομένων για την ανάλυση αθλητικών δεδομένων

Περίληψη

Αυτή η διδακτορική διατριβή επιχειρεί να διεισδύσει στον τομέα της Επιστήμης Δεδομένων (DS), και η Ανάλυση Αθλητικών δεδομένων καθίσταται καθοριστική στο σχηματισμό του μέλλοντος των επαγγελματικών αθλημάτων. Η εργασία παρουσιάζει μια εκτενή εξερεύνηση της εφαρμογής τους στο επαγγελματικό μπάσκετ, εστιάζοντας ιδιαίτερα στο National Basketball Association (NBA). Το βασικό στόχος αυτής της έρευνας είναι η χρήση τεχνικών Μηχανικής Μάθησης (ML) και Εξόρυξης Δεδομένων (DM) για τη βαθύτερη κατανόηση της απόδοσης των παικτών, των μοτίβων τραυματισμών και των οικονομικών επιπτώσεων, επιτρέποντας έτσι πιο ενημερωμένη λήψη αποφάσεων στη διαχείριση των αθλημάτων.Οι στόχοι αυτής της έρευνας είναι πολλαπλοί. Πρώτον, αναζητά να θέσει ως πρότυπο τις υπάρχουσες αναλύσεις απόδοσης και να προτείνει προηγμένα αλγοριθμικά μοντέλα για τη βελτίωση της προβλεπτικής δύναμης και της κατανόησης των μετρικών απόδοσης παικτών και ομάδων στο μπάσκετ. Αυτό περιλαμβάνει μια λεπτομερή ανάλυση δεδομένων NBA από το 199 ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This thesis ventures into the realm of Data Science (DS), and Sports Analytics are becoming pivotal in shaping the future of professional sports. This thesis presents a comprehensive exploration of their application within professional basketball, particularly focusing on the National Basketball Association (NBA). The primary aim of this research is to employ Machine Learning (ML) and Data Mining (DM) techniques to deepen the understanding of player performance, injury patterns, and economic impacts, thereby enabling more informed decision-making in sports management. The objectives of this research are manifold. First, it seeks to benchmark existing performance analytics and propose advanced algorithmic models to enhance the predictive power and understanding of player and team performance metrics in basketball. This involves a detailed analysis of NBA data spanning from 1996 to 2023, providing a longitudinal perspective on the evolution of the game and its players. Second, the study ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/56447
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/56447
ND
56447
Εναλλακτικός τίτλος
Data science for sports analytics
Συγγραφέας
Σαρλής, Ευάγγελος (Πατρώνυμο: Γεώργιος)
Ημερομηνία
2024
Ίδρυμα
Διεθνές Πανεπιστήμιο της Ελλάδας. Σχολή Επιστήμης και Τεχνολογίας. Τμήμα Επιστήμης και Τεχνολογίας
Εξεταστική επιτροπή
Τζώρτζης Χρήστος
Ευαγγελίδης Γεώργιος
Λύκας Αριστείδης
Μανταλίδης Δημήτριος
Μποζάνης Παναγιώτης
Κατσαλιάκη Κορίνα
Περιστέρας Βασίλειος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΆλλες Επιστήμες Μηχανικού και Τεχνολογίες ➨ Μηχανική και Τεχνολογίες, άλλοι τομείς
Επιστήμες Μηχανικού και ΤεχνολογίαΆλλες Επιστήμες Μηχανικού και Τεχνολογίες ➨ Μηχανική, διεπιστημονική προσέγγιση
Λέξεις-κλειδιά
Επιστήμη δεδομένων; Ανάλυση αθλητικών δεδομένων; Μηχανική μάθηση; Εξόρυξη δεδομένων; Τεχνητή νοημοσύνη; Ανάλυση δεδομένων; Στατιστική ανάλυση; Αθλητική επίδοση; Αθλητική απόδοση; Εξόρυξη κειμένων
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.