Chapter 1 Objective of the project1

Chapter 1 Objective of the project
1.1 Overview

Professional sport competition in recent last years become a very hard, for elite athletes nowadays
conventional training is not enough. Because of the economic interest in sport the study of the
athletes had become more scientific, trying to improve the performance as much as possible. A good
approach to innovate this problem is Data Mining, a set of technique used to find patterns and made
prediction in many fields to study the sport performances in various ways.

The overall aim of this project is to take sports training and match data and extract relationships
between these using data mining and machine learning techniques.

Some of data for this project is provided by the Company Apollo and it relates to training session
from this year of a basketball team which is playing in the National Basketball Association, in
United States. Basically the data are recorded every tenth of a second of position, velocity distance
and Body Load. In the deployment of our project we find out that was the data was not enough and
we decided to use data form the matches.
For this analysis we used mostly data from internet rather than data from Apollo, in particular we
used the statistics of all the matches of the 2010/2011 season. We considered all the most common
statistics such as points, rebounds, shooting percentage, but only of the New York Knicks.

The goal of the company is to understand how to evaluate and asses a basketball sport performance, so it will be possible to understand the key aspect which lead to a victory.

To achieve this must understand the specific field of application, in this case Sport science, then select the appropriate Machine Learning techniques, and finally how to present this data.

Αποτελέσματα (Ελληνικά) 1:

κεφάλαιο 1 στόχος του έργου
1.1 Επισκόπηση

επαγγελματικό αθλητισμό του ανταγωνισμού κατά τα τελευταία τελευταία χρόνια έχει γίνει μια πολύ σκληρή, για την ελίτ αθλητές στις μέρες μας
συμβατική εκπαίδευση δεν είναι αρκετό. λόγω του οικονομικού ενδιαφέροντος στον τομέα του αθλητισμού η μελέτη των
αθλητές είχαν γίνει πιο επιστημονική, προσπαθώντας να βελτιώσουμε την απόδοση όσο το δυνατόν περισσότερο. ένα καλό
προσέγγιση για την καινοτομία αυτού του προβλήματος είναι η εξόρυξη δεδομένων,ένα σύνολο τεχνική που χρησιμοποιείται για να βρείτε τα πρότυπα και έκανε
πρόβλεψη σε πολλούς τομείς για να μελετήσει τις αθλητικές επιδόσεις με διάφορους τρόπους.

ο γενικός στόχος του προγράμματος αυτού είναι να λάβει αθλητική κατάρτιση και τα δεδομένα αγώνα και να εξαγάγετε τις σχέσεις μεταξύ αυτών των
χρήση εξόρυξης δεδομένων και τεχνικές μηχανικής μάθησης.

ορισμένα από τα δεδομένα για το έργο αυτό παρέχεται από τον Απόλλωνα εταιρείας και σχετίζεται με προπόνηση
από φέτος μια ομάδα μπάσκετ που παίζει στην εθνική ένωση καλαθοσφαίρισης, σε
Ηνωμένες Πολιτείες. βασικά τα δεδομένα καταγράφονται κάθε δέκατο του δευτερολέπτου της θέσης, της ταχύτητας απόστασης
και το φορτίο του σώματος. στην ανάπτυξη του έργου μας θα βρούμε ότι ήταν τα στοιχεία δεν ήταν αρκετά και
αποφασίσαμε να χρησιμοποιήσουμε τα δεδομένα αποτελούν τους αγώνες.
για την ανάλυση αυτή που χρησιμοποιείται ως επί το πλείστον τα στοιχεία από το διαδίκτυο αντί για τα δεδομένα από τον Απόλλωνα, ιδίως εμείς
χρησιμοποιούνται τα στατιστικά όλων των αγώνων της σεζόν 2010/2011. που εξέτασε όλα τα πιο κοινά
στατιστικά στοιχεία, όπως τα σημεία, ριμπάουντ, τα γυρίσματα ποσοστό, αλλά μόνο από τις νέες Νικς Υόρκη.

ο στόχος της εταιρείας είναι να καταλάβουμε πώς να αξιολογήσει και να εκτιμήσουν ένα άθλημα μπάσκετ απόδοσης,έτσι θα είναι δυνατό να κατανοήσουμε τη βασική πτυχή που οδηγούν σε μια νίκη.

για να επιτευχθεί αυτό πρέπει να κατανοήσουν το ακριβές πεδίο εφαρμογής, σε αυτό το άθλημα της επιστήμης περίπτωση, στη συνέχεια, επιλέξτε τις κατάλληλες τεχνικές μηχανικής μάθησης, και, τέλος, πώς να παρουσιάσει αυτά τα δεδομένα .

Αποτελέσματα (Ελληνικά) 2:

Κεφάλαιο 1 στόχος του έργου
1.1 Επισκόπηση

ανταγωνισμού του επαγγελματικού αθλητισμού τα τελευταία τελευταία χρόνια να γίνει μια πολύ σκληρή, για τους αθλητές σήμερα
συμβατική εκπαίδευση δεν είναι αρκετό. Λόγω την οικονομική ενδιαφέρον στον αθλητισμό η μελέτη του το
αθλητές είχε γίνει πιο επιστημονική, προσπαθεί να βελτιώσει την απόδοση όσο γίνεται περισσότερο. Ένα καλό
προσέγγιση να καινοτομήσουν αυτό το πρόβλημα είναι εξόρυξη δεδομένων, ένα σύνολο τεχνική χρησιμοποιείται για να βρείτε σχέδια και έκανε
πρόβλεψη σε πολλούς τομείς να μελετήσει τις παραστάσεις του αθλητισμού σε διάφορα τρόπους.

ο συνολικός στόχος αυτού του έργου είναι να πάρετε αθλητική κατάρτιση και να ταιριάζουν με τα δεδομένα και να εξαγάγετε σχέσεις
μεταξύ αυτών χρησιμοποιώντας εξόρυξη δεδομένων και η ρούχων εκμάθηση τεχνικών.

μερικά από στοιχεία για το έργο αυτό παρέχεται από την εταιρεία Απόλλωνα και σχετίζεται με προπόνηση
από φέτος μια ομάδα μπάσκετ που παίζει στον εθνικό σύλλογο μπάσκετ, εν
Ηνωμένες Πολιτείες. Βασικά τα δεδομένα καταγράφονται κάθε δέκατο του δευτερολέπτου της θέσης, απόσταση ταχύτητα
και το φορτίο του σώματος. Στην ανάπτυξη του σχεδίου μας, ανακαλύπτουμε ότι ήταν τα δεδομένα δεν ήταν αρκετό και
αποφασίσαμε να χρησιμοποιήσουμε τα δεδομένα φόρμας τους αγώνες.
Για την ανάλυση αυτή χρησιμοποιήσαμε ως επί το πλείστον δεδομένων από το Διαδίκτυο και όχι δεδομένων από τον Απόλλωνα, ιδίως εμείς
χρησιμοποιούνται τα στατιστικά στοιχεία για όλους τους αγώνες της σεζόν 2010/2011. Εξετάσαμε όλα τα πιο κοινά
στατιστικά στοιχεία, όπως σημεία, ριμπάουντ, ποσοστό γυρίσματα, αλλά μόνο του New York Knicks.

ο στόχος της εταιρείας είναι να κατανοήσουν πώς να αξιολογήσουν και γαϊδούρια μια αθλητική απόδοση του μπάσκετ, έτσι θα μπορέσουν να κατανοήσουν την ουσιαστική πτυχή την οποία θα οδηγήσει σε νίκη.

για το σκοπό αυτό πρέπει να καταλάβει το πεδίο της επιστήμης εφαρμογή, εν προκειμένω αθλητισμό και στη συνέχεια επιλέξτε τις κατάλληλες τεχνικές μηχανικής μάθησης, και, τέλος, πώς να παρουσιάσει αυτά τα δεδομένα.