Beden Eğitimi ve Spor Yüksekokulu - besyo@gelisim.edu.tr
Memnuniyet ve Şikayetleriniz için   İGÜMER
 Beden Eğitimi ve Spor Yüksekokulu - besyo@gelisim.edu.tr

Antrenörlük Eğitimi (İngilizce)








 Spor Bilimciler Data Bilimini Nasıl ve Neden Öğrenmeli?


Yaşadığımız büyük data çağında, datalar spor bilimciler tarafından çoktan yük takibi, antrenman programlama, maç simülasyonu ve performans değerlendirmesi gibi geniş bir alanda kullanılmaya başlandı.


Teknolojik gelişmeler, karar verme süreçlerini antrenörlerin yalnızca bilgi birikimleri doğrultusundaki öngörüleriyle karar aldığı dönemin çok ötesine taşıdı. Veri biliminin koçlukta yeri olmadığı zihniyeti solmaya başlıyor, ancak hala bu zihniyette direnen antrenörlerin olduğunu etrafınızda sıkça görebilirsiniz. Sosyal medyada veya çevrenizde veriye dayalı karar alma prensibini benimsemiş modern spor bilimcilere "Bilgisayarın başından kalk ve maç izle!" denildiğini sık sık duyabilir veya okuyabilirsiniz. Yine eski yöntemlerde direnen antrenörlerle konuştuğunuzda, yeni yöntemler açıkçası inanılmaz derecede önemli. Ancak “antrenörlük yapmak için elektronik tablolara ihtiyacım yok” veya “koçun gözü her zaman üstündür” gibi ifadelerle sıklıkla karşılaşabilirsiniz.
 
Veri ve antrenörlük sadece bir arada bulunmamalı, birbirini tamamlamalıdır. Teknoloji geliştikçe, antrenörler ve uygulayıcıların gelecekteki olayları tahmin etmekte kullandıkları veri hacmi de oldukça yüksek bir oranda artmaktadır. Son yıllarda spor organizasyonları, özellikle takım sporlarında, sporcuların antrenman ve maçlar sırasında organizma üzerinde yük oluşturan hareketlerini ve sağlık istatistiklerini içeren büyük miktarda veri toplayabilen spor teknolojilerini kullanmaya başlamıştır. Toplanan veriler, sporcuların sahadaki bireysel hareketlerinden belirlenerek, antrenman modellemesinden otomatik taktik analizlere kadar birçok amaç için kullanılmaktadır. Fiziksel stresin bazı yönleri ölçülebilse de (örneğin kat edilen mesafe, yüksek yoğunluklu koşu, ani yön değiştirme), bir birey üzerindeki tüm fiziksel stres faktörleri asla tam olarak ölçülemeyecektir. Ancak bu noktada eldeki büyük verileri gelecek hakkında tahminler yapabilen makina öğrenmesi modelleriyle işleyerek gelecekteki performans ve sakatlıklar konusunda oldukça yüksek doğrulukta tahminler yapılabilmektedir. Bu noktada makine öğrenmesi modellerinin gelecekte spor bilimlerinin uygulama alanlarına devrim niteliğinde yenilikler getireceğini görmek çokta zor değildir. Diğer bir ifadeyle teknolojinin gelişimine paralel olarak artacak veri miktarı klasik istatistiğin verileri işlemesinde yetersiz kalmasına sebep olacaktır. Dolayısıyla gelecekte spor bilimlerinde makine öğrenmesi yöntemleri bir zorunluluk olarak karşımıza çıkacağını şimdiden söylemek hiçte erken değildir.
Öğr. Gör. Deniz ŞENTÜRK