Dergiler / Spor Bilimleri Dergisi / 2018 / Cilt: 29 - Sayı: 3

VERİ MADENCİLİĞİ VE SPOR ALANINDAKİ UYGULAMALARI

Data Mining and Its Applications in Sports

Sayfa
147–156
Yayın Tarihi
2018-12-25
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu verilerin analiz edilmesiyle gelecekteki müsabakaların skorları tahmin edilebilmekte, oyunda yeni stratejiler belirlenebilmekte, sporcu, antrenör, tesis, sporcu araç gereçleri seçimlerinde bu verilerden yararlanılabilmekte, performans değerlendirmesi, sporcu sakatlanma riskleri, bilet satış tahminleri ve analizleri yapılabilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Hızla gelişen teknolojiyle birlikte depolanan verilerde de çok fazla artış olmuştur.
📊
Temel Bulgular & Veri:Bunun için en etkin kullanılan yöntem veri madenciliği yöntemidir.
💡
Sonuç & Katkı:Bu verilerin analiz edilmesiyle gelecekteki müsabakaların skorları tahmin edilebilmekte, oyunda yeni stratejiler belirlenebilmekte, sporcu, antrenör, tesis, sporcu araç gereçleri seçimlerinde bu verilerden yararlanılabilmekte, performans değerlendirmesi, sporcu sakatlanma riskleri, bilet satış tahminleri ve analizleri yapılabilmektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Analiz · Spor · Tahmin

Özet

Hızla gelişen teknolojiyle birlikte depolanan verilerde de çok fazla artış olmuştur. Bu kadar çok veri arasından önemli ve istenilen verilerin ayırt edilebilmesi çok önemlidir. Bunun için en etkin kullanılan yöntem veri madenciliği yöntemidir. Veri madenciliği en kısa tanımıyla depolama ortamına kaydedilmiş çok fazla veri arasından istenilen, önemli ve değerli bilgilerin ortaya çıkarılmasıdır. Yeni bir konu olmakla birlikte çok fazla uygulama alanı bulunmaktadır. En fazla uygulama yapılan alanlar tıp, biyoloji ve genetiktir. Bu çalışmanın amacı veri madenciliğinin spor alanında kullanımının incelenmesidir. Ülkemizde sporda veri madenciliğiyle ilgili çok fazla bilimsel çalışma bulunmazken, yurtdışında bu alan oldukça gelişmiştir. Spor veri madenciliği teknikleri için oldukça uygun bir alandır. Sporcular, takımlar, müsabakalar ve sezonlarla ilgili çok fazla veri bulunmaktadır. Bu verilerin analiz edilmesiyle gelecekteki müsabakaların skorları tahmin edilebilmekte, oyunda yeni stratejiler belirlenebilmekte, sporcu, antrenör, tesis, sporcu araç gereçleri seçimlerinde bu verilerden yararlanılabilmekte, performans değerlendirmesi, sporcu sakatlanma riskleri, bilet satış tahminleri ve analizleri yapılabilmektedir.

Abstract

With the rapidly developing technology, there has been a great increase in stored data. It is very important to be able to distinguish important and desired data from so many data. The most effective method for this is the data mining method. In its shortest definition data mining is the process of extracting desired, significant and valuable information from a lot of data stored in a storage medium. Although data mining is a new issue, there are many application areas of it. Medicine, biology and genetics are the most used application areas. The purpose of this study is to examine the use of data mining in sports. While there are not many studies about data mining in sports in our country, this field has developed considerably in abroad. Sport is a very suitable field for the techniques of data mining. There are a lot of datum about the athletes, teams, competitions and seasons. By analyzing these datum, the scores of future competitions can be predicted, new strategies can be defined in a game. Furthermore; in the selection of athletes, coaches, facilities and sports equipments these datum can be used and we can make predictions about performance evaluations, injury risks of athletes, ticket sales

🔖

Bu Makaleye Atıf Yap

Murathan, T., Devecioğlu, S. (2018). VERİ MADENCİLİĞİ VE SPOR ALANINDAKİ UYGULAMALARI. Spor Bilimleri Dergisi, Cilt: 29 - Sayı: 3, 147–156. https://ajindex.com/articles/147678

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Akgöbek Ö, Çakır F. (2009). Akademik Bilişim: Veri Madenciliğinde Bir Uzman Sistem Tasarımı. Şanlıurfa: Harran Üniversitesi.
  2. Akpınar H. (2000). Anonim Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 29, 1-22.
  3. Albayrak M. (2008). EEG Sinyallerindeki Epilepti Form Aktivitenin Veri Madenciliği Süreci ile Tespiti. Doktora Tezi. Sakarya Üniversitesi,
  4. Fen Bilimleri Enstitüsü. Baloğlu UB. (2006). DNA Sıralarındaki Tekrarlı Örüntülerin ve Potansiyel Motiflerin Veri Madenciliği Yöntemiyle Çıkarılması, Yüksek Lisans Tezi. Fırat Üniversitesi,
  5. Fen Bilimleri Enstitüsü. Bigus JP. (1996). Data Mining With Neural Networks: Solving Business Problems From Application Development to Decision Support. New York. Bozkır AS, Mazman SG, Sezer EA. (2010). 2nd International Symposium on Information Management in a Changing World: Identification of User Patterns in Social Networks by Data Mining Techniques: Facebook Case Hacettepe University, Ankara.
  6. Byungho M, Jinhyuck K, Chongyoun C, Hyeonsang E, McKay R. (2008) A Compound Framework for Sports Results Prediction: A Football Case Study,” Knowledge-Based Systems, Elsevier Science Publishers B. V. Amsterdam, The Netherlands 21(7), 551-562.
  7. Cabena P, Hadjinian P, Stadler R, Verhees J, Zanasi A. (1998). Discovering Data Mining: From Concept to Implementation. New Jersey, Prentice Hall. Cao C. (2012). Sports Data Mining Technology Used in Basketball out come Prediction. Dublin Institute of Technology for the degree of M.Sc. in Computing (Data Analytics). Carson KL, Kyle WJ. (2014). Sports Data Mining: Predicting Results for the College Football Games Procedia Computer Science. 35, 710 – 719. Chang L, Wang H. (2006). Analysis of Traffic Injury Severity: An Application of Non-Parametric Classification Tree Techniques Accid. Anal. Prev. 38,1019–1027.
  8. Choros K. (2013). Temporal Aggregation of Video Shots in TV Sports News for Detection and Categorization of Player Scenes. In: Proceedings of the ICCCI 2013. Springer; 487-497.
  9. Çelikten Ö, Karacan H. (2013). Dinamik Verilere Yönelik Karar Tahmin Mekanizması Oluşturulması. Marmara Üniversitesi Fen Bilimleri Dergisi 25(3), 100-114.
  10. Duru N, Canbay M. (2007). International Earthquake Symposium: Veri Madenciliği ile Deprem Verilerinin Analizi. Kocaeli. FIBA (2008). Official Basketball Rules. 20.12.2017, http://www.fiba.basketball/
  11. Flinders, K. (2002). Football Injuries are Rocket Science. Vnunet.com. London. Günay SY, Arslanoğlu B, Kiriş A. (2015)