당신은 주제를 찾고 있습니까 “스포츠 빅 데이터 – [승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 채널A 뉴스 이(가) 작성한 기사에는 조회수 3,659회 및 좋아요 17개 개의 좋아요가 있습니다.
스포츠 빅 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터 – 스포츠 빅 데이터 주제에 대한 세부정보를 참조하세요
주요 스포츠에서 핵심 역할을 한 스포츠 빅데이터, 점점 모든 분야에서 그 영역을 넓히고 있는데…
다양한 스포츠 선수들의 실력 향상에서 스포츠 팬을 위한 마케팅까지 알게 모르게 우리와 친숙해진 스포츠 빅데이터.
일상 속 스포츠 빅데이터를 만나본다.
제작지원 : 한국언론진흥제단
#스포츠빅데이터 #빅데이터 #스포츠 #축구 #프로축구 #야구 #메이저리그 #MLB #분데스리가 #bigdata #sports #K리그 #체조 #쇼트트랙 #요트 #승마 #일상 #스포츠마케팅 #마케팅 #팬 #KT #스포츠팬
▷ 공식 홈페이지 http://www.ichannela.com
▷ 공식 페이스북 https://www.facebook.com/channelanews
▷ 공식 유튜브 https://www.youtube.com/tvchanews
스포츠 빅 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
스포츠콘텐츠의 빅데이터 분석 활용과 전망 – KoreaScience
급성장하고 있는 빅데이터 시장에서 주목받는 스포츠분야의 초창기 빅데이터 활용 범주는 선수의 기량과 경기력 향상을. 위한 빅데이터 분석이 주를 이루었고, …
Source: koreascience.kr
Date Published: 7/18/2022
View: 6223
스포츠 빅데이터 활용을 위한 방안 – 한국학술지인용색인
정보통신기술과 IoT 등의 발전이 제4차 산업혁명을 이끄는 가운데 다양한 산업에서 빅데이터를 활용하여 관련 산업의 부흥을 주도하고 있다. 스포츠산업에서도 스포츠 …
Source: www.kci.go.kr
Date Published: 2/20/2021
View: 5857
[DAILY BIG DATA] 스포츠가 더욱 재밌어진다! – 데이터온에어
스포츠편 "스포츠, 빅데이터로 날개를 달다! <스포츠와 빅 "통계 빅데이터를 통해 승률을 높이다! <MLB 오클랜드 어슬레틱스 "최단기간에 완주 …
Source: dataonair.or.kr
Date Published: 3/5/2021
View: 5048
스포츠 빅데이터 활용과 전망 – 한국체육측정평가학회 : 논문
야구와 축구 종목을 중심으로 시작된 스포츠 빅데이터 논의는 테니스, 농구, 포물러 원 등 일부 종목에서 그 탐색적 분석 사례가 보고되고 있다. 스포츠 경기력 …
Source: www.dbpia.co.kr
Date Published: 9/29/2022
View: 5693
스포츠 빅데이터 활용과 전망 < 한국체육측정평가학회 < KISS
스포츠 과학·산업현장에서도 측정기술, 각종 센서, 첨단 통신기술, 모바일 데이터 활용 등 다양한 정형, 비정형 데이터들이 양산될 수 있는 환경으로 변모해 가고 있다. 빅 …
Source: kiss.kstudy.com
Date Published: 12/6/2021
View: 9572
국민체육진흥공단 – 문화 빅데이터 – 포털- 플랫폼 소개
체육으로 건강하고 행복한 국민 및 스포츠 산업의 활성화를 위하여 체육ㆍ스포츠 관련 정보를 수집ㆍ제공하는 체육종합정보 빅데이터 센터 …
Source: www.bigdata-culture.kr
Date Published: 8/29/2022
View: 264
스포츠콘텐츠의 빅데이터 분석 활용과 전망 – earticle
급성장하고 있는 빅데이터 시장에서 주목받는 스포츠분야의 초창기 빅데이터 활용 범주는 선수의 기량과 경기력 향상을 위한 빅데이터 분석이 주를 이루었고, …
Source: www.earticle.net
Date Published: 11/28/2022
View: 6162
주제와 관련된 이미지 스포츠 빅 데이터
주제와 관련된 더 많은 사진을 참조하십시오 [승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![[승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터](https://i.ytimg.com/vi/bMa1_movF64/maxresdefault.jpg)
주제에 대한 기사 평가 스포츠 빅 데이터
- Author: 채널A 뉴스
- Views: 조회수 3,659회
- Likes: 좋아요 17개
- Date Published: 2019. 1. 14.
- Video Url link: https://www.youtube.com/watch?v=bMa1_movF64
스포츠 빅데이터 활용을 위한 방안
정보통신기술과 IoT 등의 발전이 제4차 산업혁명을 이끄는 가운데 다양한 산업에서 빅데이터를 활용하여 관련 산업의 부흥을 주도하고 있다. 스포츠산업에서도 스포츠 관련 분야에서 발생하는 복잡･다양한 데이터를 수집･분석하여 유의미한 데이터로 재가공하여 관련 산업의 진흥을 위하여 활용하고 있다. 고부가가치 및 신성장산업으로 평가받고 있는 스포츠 관련 시장에서 국가 경쟁력과 역량을 강화하기 위해 스포츠 빅데이터에 대한 개념을 정립하고 특성을 이해하여 스포츠 빅데이터를 적극적으로 활용할 때라 할 수 있다. 이에 스포츠 건설업, 스포츠 제조업, 스포츠 서비스업에서 스포츠 빅데이터가 어떻게 활용되고 있는지 알아보고, 데이터의 활용과 보호, 관련 법령의 부재 및 전문인력 부족과 같은 스포츠 빅데이터 활용상의 문제점을 파악하고자 하였다. 스포츠산업에서 스포츠 빅데이터의 활용을 위하여 「스포츠산업진흥법」 에 법적근거를 마련하고, 스포츠 빅데이터 센터의 설립 및 운영 방안에 대하여 논하였다.
The concept and role of sports has expanded, and industries in related fields have diversified. The sports industry paradigm is changing as a result of the fusion and compounding of new technologies and sports that emerged during the Fourth Industrial Revolution. While the need for sports big data in the sports industry has been recognized and its role has been emphasized, an analysis of the issues that are preventing the active use of big data in sports It will be an important essence for activation. The sports construction industry, sports manufacturing industry, and sports service industry are already using sports big data to build smart stadiums and provide customized sports equipment and services to consumers. In order to utilize sports big data, it is necessary to prepare a conceptual arrangement of sports big data and a legal basis for utilizing it from the viewpoint of the sports industry. A sports big data center must be established and operated based on these concepts and legal grounds. By granting the status of a public research institution to the establishment and operation of the Sports Big Data Center, it is possible to respond to threats related to personal information in a pan-governmental manner and to use safe data, and to comply with the Personal Information Protection Law. By applying the exceptions for data collection and analysis specified in the above, it will be possible to generate custom information required by the sports industry by collecting and analyzing more data. The Sports Big Data Center will first provide sports-related data that the country has through the sports big data open system, and provide quality information to various consumers who want to use sports big data such as the public and sports-related businesses. Must be able to do. Secondly, comprehensive management and operation of the data market can be activated by operating a big data exchange for sports to form a market for data to be traded between consumers and suppliers. A support system must be built. Finally, by training professionals related to the sports big data specialist training system and supporting systems that can make use of them, sports big data in the sports industry are actively utilized. I have to do so.
스포츠 빅데이터 활용과 전망
비즈니스 영역과 과학계가 전통적인 관점의 자료 생성, 분석, 활용 차원을 넘어서는 데이터를 대량 생산하게 되면서 대용량 데이터에 대한 새로운 시각이 등장하였다. 스포츠 과학·산업현장에서도 측정기술, 각종 센서, 첨단 통신기술, 모바일 데이터 활용 등 다양한 정형, 비정형 데이터들이 양산될 수 있는 환경으로 변모해 가고 있다. 빅데이터는 새로운 데이터 환경에서 기존의 데이터 처리 기술의 한계를 극복하면서 대용량 데이터 수집, 저장, 관리 및 실시간 분석을 통해 경제적인 가치를 추출할 수 있는 차세대 아키텍쳐로 이해되고 있다. 야구와 축구 종목을 중심으로 시작된 스포츠 빅데이터 논의는 테니스, 농구, 포물러 원 등 일부 종목에서 그 탐색적 분석 사례가 보고되고 있다. 스포츠 경기력, 마케팅 또는 건강증진 분야에서 빅데이터의 활용 의의와 가치가 부각되고는 있지만 빅데이터의 효용성과 전략적 가치에 대한 충분한 근거를 제공할 만한 실질적인 빅데이터 인프라 또는 적용사례는 아직 발견되지 않고 있다. 그러나 향후 스포츠 빅데이터 생성 가능성이 커지고 있는 만큼 관련 융합적 지식과 기술에 대한 이해가 선행되어야 하며 이를 뒷받침 할 다양한 교육 프로그램에 관심을 가져야 할 필요가 있겠다. #빅데이터 #스포츠과학 #스포츠마케팅 #스포츠산업 #Big Data #Sport Industry #Sport Marketing #Sport Science
스포츠 빅데이터 활용과 전망
초록보기 비즈니스 영역과 과학계가 전통적인 관점의 자료 생성, 분석, 활용 차원을 넘어서는 데이터를 대량 생산하게 되면서 대용량 데이터에 대한 새로운 시각이 등장하였다. 스포츠 과학·산업현장에서도 측정기술, 각종 센서, 첨단 통신기술, 모바일 데이터 활용 등 다양한 정형, 비정형 데이터들이 양산될 수 있는 환경으로 변모해 가고 있다. 빅데이터는 새로운 데이터 환경에서 기존의 데이터 처리 기술의 한계를 극복하면서 대용량 데이터 수집, 저장, 관리 및 실시간 분석을 통해 경제적인 가치를 추출할 수 있는 차세대 아키텍쳐로 이해되고 있다. 야구와 축구 종목을 중심으로 시작된 스포츠 빅데이터 논의는 테니스, 농구, 포물러 원 등 일부 종목에서 그 탐색적 분석 사례가 보고되고 있다. 스포츠 경기력, 마케팅 또는 건강증진 분야에서 빅데이터의 활용 의의와 가치가 부각되고는 있지만 빅데이터의 효용성과 전략적 가치에 대한 충분한 근거를 제공할 만한 실질적인 빅데이터 인프라 또는 적용사례는 아직 발견되지 않고 있다. 그러나 향후 스포츠 빅데이터 생성 가능성이 커지고 있는 만큼 관련 융합적 지식과 기술에 대한 이해가 선행되어야 하며 이를 뒷받침 할 다양한 교육 프로그램에 관심을 가져야 할 필요가 있겠다.
초록보기 본 연구는 태권도에서 근래에 경기종목으로 채택되어 시행되고 있는 품새 경기에 대한 내용분석으로서, 유급자(태극1장∼8장) 및 유단자(고려∼일여) 품새(전체 17개)에 포함된 기본기술 및 세부기술들의 다양한 특징에 따라 체계적 분류를 시도하였다. 자료의 수집은 세계태권도연맹 및 대한태권도협회 그리고 국기원에서 사용하는 태권도 품새 교본, 선행연구 및 관련문헌을 바탕으로 자료 수집하였다. 자료분석은 PASW 18.0 Ver Program을 이용하여 분류기준별(신체분절, 기술목적, 기본기술, 동작의 방향) 빈도분석(frequency analysis)을 실시하였으며, 결과를 요약하면 다음과 같다. 유급자 및 유단자 품새에 포함된 모든 기술동작들의 약 2/3는 태권도의 준비자세인 서기와 기본방어 동작인 막기와 관련된 세부기술들이 반복적으로 수행되는 형태로 구성되어 있었다[유급자 67.9%, 유단자67.3%]. 그리고 전반적으로 모든 상지(손) 및 하지(발)의 세부기술들은 공격을 위한 동작(offensive actions)보다는 방어를 위한 동작(defensive actions)의 비율(32.0% vs. 68.0%)이 월등히 높았으며, 곡선(회전)동작(curve(rotation)movements)보다는 직선적 동작(liner movements)이 훨씬 많았다(47.7% vs. 52.3%). 또한 태권도의 대표적인 상징인 발차기 동작의 비율은 손동작에 비하여 현저하게 낮았다. 그리고 태권도의 품새는 급(級) 또는 단(段)이 올라갈수록 동작의 다양성 및 난이도가 높은 것으로 인식되어 있으나 본 연구의 결과에서는 급 또는 단의 고저(高低)를 인식할 수 있는 체계적인 특징을 볼 수가 없었다. 태권도에서 겨루기에 이어 품새가 경기화 되면서 태권도 현장뿐만 아니라 관련분야 연구자들에게도 품새 기술의 구성에 대한 관심이 높아지고 있다. 품새의 급은 기술동작의 완성도에 따라 높아지는 승급체계를 가지고 있으며 이러한 위계적 단계는 유단자 품새에서도 동일하게 적용되고 있는 것으로 인식되어 있다. 하지만 본 연구의 결과에 의하면 대부분의 품새는 급 또는 단의 변화에 따른 동작의 다양성 및 난이도가 위계적으로 구성되어 있지 않다는 것을 알 수 있었다. 따라서 품새 경기의 변별력을 높이고 심판 판정의 객관성 및 정확성을 높이기 위해서는 현재 사용되고 있는 품새의 급 또는 단의 위계적 단계에 따라 기술동작의 다양성 및 난이도가 고려된 체계적 구성이 될 수 있도록 보완이 필요할 것으로 판단된다.
초록보기 이 연구는 대학운동선수의 스포츠 정서지능척도(SEIS)의 요인구조를 탐색하고 잠재평균분석을 통하여 성별에 따른 스포츠 정서지능의 차이를 검증하기 위한 목적으로 진행되었다. 자료 및 표본은 2012년 3월 현재 대학연맹에 소속되어 있는 대학부 운동선수를 모집단으로 설정한 후 각 대학팀 소속의 선수를 대상으로 수집하였으며 총 1163명의 자료가 분석에 활용하였다. 연구목적에 따른 자료 분석은 SPSS 18.0과 AMOS 18.0을 이용하여 EFA 및 CFA, 타당도 및 잠재평균분석을 실시하였으며 유의수준은 .05로 설정하였다. 그리고 EFA와 CFA, 타당도 및 잠재평균분석 적합도는 TLI, RMSEA, AVE, 개념신뢰도를 이용하였다. 연구결과, 첫째, 스포츠 정서지능척도의 요인구조는 4요인으로 추출되었다. 둘째 수집된 자료를 이용하여 4요인 구조의 적합도와 타당도를 검증한 결과 적합기준을 충족하는 한편 타당성을 가지고 있는 것으로 나타났다. 셋째, 성별에 따른 스포츠 정서지능의 잠재평균분석을 실시한 결과 정서활용에서 유의한 차이가 있으며 여자선수들이 남자선수들 보다 정서활용이 높은 것으로 나타났다.
초록보기 본 연구는 남자 테니스 선수의 경기력을 나타내는 방법에 있어서, 스포츠데이터 분석에 적용되지 않았던 인공지능기법을 활용하여 남자 테니스 선수의 개인 경기기록을 시각화하고자 하였다. 본 연구에서는 남자 테니스 선수228명이 2005년부터 2010년까지 출전한 4대 그랜드슬램 대회 2,060세트에 대해서 최종 진출한 라운드(1∼7라운드)로 구분하여 Microsoft Excel 2010로 수집 및 정리하였으며, 자료의 시각화를 위하여 SOM toolbox가 적용된Matlab 14.0 소프트웨어를 이용하여 새몬의 매핑과 자기구성지도를 설계하였다. 새몬의 매핑은 3차원으로 설계하여 적용하였으며, 자기구성지도는 [17 13] 크기로 나타났으며, 훈련을 마친 후의 양자화 오차는 1.451, 지형화 오차는 0.066으로 나타났다. 본 연구를 통하여 얻은 결론은 첫째, 새몬의 매핑은 대용량 자료의 경우에는 시각화된자료를 해석하는데 어려움이 있었다. 둘째, 3차원 새몬의 매핑을 통하여 투영할 경우, x-y, x-z, y-z 좌표 간 비교를 통하여 자료를 재해석하는데 용이하였고, 셋째, 자기구성지도를 이용할 경우, 대용량 자료를 대표할 수 있는 뉴런을 이용하여 각 변인의 특성을 고려하여 자료처리 일련의 과정을 시각화 할 수 있었다.
초록보기 본 연구는 예측 모형을 이용하여 프로야구 8개 구단의 관중수를 예측하는 연구로서 구단별 최적의 예측모형을 산출하기위해 1982년부터 2012년까지의 연간자료를 사용 하였으며, 이 자료에 적합하다고 예상되는 4가지 최적의 예측모형을 이용하여 2012년의 내장 관중수를 예측하기 위한 목적에서 실시되었다. 제시한 4가지 예측방법 중첫 번째는 SPSS18.0통계 프로그램을 이용 자동생성모형으로 산출 하였으며, 두 번째 모형은 Excel을 이용한 다항식추세모형으로 R제곱이 가장 큰 함수모형을 찾아 예측 값을 계산하며, 세 번째는 Box-Jakins가 제시한ARIMA(자기회귀누적이동평균)모형을 기본으로 예측변수가 포함된 다변량ARIMA( p, d, q)모형을 사용하였다. 네 번째는 최근린법으로 최근에 주목을 받고 있는 카오스 이론을 바탕으로 한 방법을 사용 예측관중수를 산출 하였다. 이상과 같은 네 가지 예측 방법을 이용 8개 구단별 4가지 예측모형을 수립하고 수립된 모형을 통하여 생성된 4개의 예측관중수의 평균값을 최종 예측관중수로 제시하였다. 그 결과 2012년 구단별 예상되는 내장 관중 수는 각각 삼성:471580, 롯데:1117688, KIA:507052, SK:1014763, LG:1016579, 한화:445237, 두산:1177542, 넥센:435202명으로 제시되었고, 일반적으로 다변량 예측분석 방법이 단변량 보다는 예측력이 뛰어난 결과를 보이는 것과 같이 본 연구에서도 2012년의 한 해에서는 일치하는 결과를 나타내었다.
초록보기 본 연구의 대상은 2012년 런던올림픽대회 평행봉 결승경기에 출전한 우수선수 8명을 대상으로 하였으며, 결승경기를 정면과 측면 관중석에서 2대의 Sony Video camera로 현장에서 직접 촬영하였으며, 자료분석의 정확성을 높이기 위해 대회 운영위원회로부터 결승경기 출전선수의 성적표를 수집하였다. 연기내용(시작점수, 최종점수, 난도,연기요소그룹)을 체조 국제심판 5명과 함께 국제체조연맹에서 새롭게 개정한 채점규칙을 근거로 1차 분석한 후, 수집된 선수 성적표 자료와 비교하여 분석한 결과 다음과 같은 결론을 얻었다. 첫째, 난도요소에서 D난도를 총 34회(42.5%) 실시하여 선수들이 가장 선호하는 기술로 나타났고, E난도는 총 27회(33.75%), C난도는 총 15회(18.75%)실시하여 D난도와 E난도를 선호하는 것으로 나타났다. 이와 같이 연기구성에서 D난도 기술을 완벽하게 수행하고 E난도 기술의 감점을 최소화 하는 것이 올림픽대회에서 메달 획득을 하는데 있어 가장 중요한 요인으로 나타났다. 둘째, 그룹요소 힘·정지 다리스윙 요소그룹(Group Ⅳ)에서는 3개 계통의 기술을 총 21회 실시해 동일 그룹요소를 응용하여 실시하는 것으로 나타났고, 양봉에 매달려서 하는 스윙동작(Group Ⅲ)에서 10개 계통의 기술을 총 20회실시하여 평행봉 연기구성을 할 때 선수들의 기능적인 측면과 특성에 따라 다양한 기술을 연기구성에 포함시키는것이 중요하다고 나타났다. 셋째, 시작점수를 높이기 위해 선수들이 높은 난도의 기술을 구사하였고, 내리기 요소그룹에서도 D난도 Double salto bwd. p (dismount)기술을 8명의 선수 중 6명이 실시하여, 성공적인 착지 및 연기내용의 마무리를 완벽하게 수행하기 위해 선수들이 가장 선호하는 기술로 나타났다. 반면 높은 난도의 내리기를 선택한 선수 2명은 각각 2위, 5위를 차지하였으며, 높은 난도의 내리기 동작은 시작점수를 높이기 위해서 필요하며, 감점의 위험성과 연기 마무리라는 점에서 신중히 선택하는 것이 중요하다고 사료된다.
초록보기 본 연구는 중국의 대표적인 주전 남자선수 3명을 대상으로 국제 주요 탁구경기의 득점시스템을 분석하여, 대표선수들의 국제대회 및 올림픽을 대비한 전략적 훈련방안을 위한 피드백을 제공하는데 목적이 있다. 대상자들은 구별 득점률에서 3구, 리시브, 4구의 득점순으로 나타났다. 서비스는 비교적 단순한 기술을 구사하는 경향으로 나타났으며, 득점률이 가장 높은 지역은 짧은 중앙코스의 A5지역이었다. 리시브 구질은 포커트를 주로 사용(32.6∼45.9%)하였고, 다음으로는 포핸드/백핸드 리시브에서 구사횟수 대비 평균 20%의 득점률이 나타났다. 대상자들의 3구 5구득점구는 집중적으로 포핸드/백핸드드라이브로 나타났으며, 포핸드드라이브 득점 비율이 3구보다 5구에서 더 높게나타났다. 3구와 5구의 득점지역은 대상자 모두 긴 코스의 A1, A2, A3에서 가장 높은 득점률이 나타났다. 4구와6구의 득점률과 득점지역에서, 대상자들은 3구 5구 조건과 유사한 결과로 나타났으며, 비교적 긴 코스의 A3 지역보다 A1 지역에서 득점률이 더 크게 나타났다. 대상자들의 서비스 구사와 득점 빈도가 가장 높은 A5 지역의 조건에서, 연관성 분석에 의한 3구 득점시스템 결과는 다음과 같다. WH는 A5→B5→A3(백핸드드라이브 득점), A5→B6(B1)→A1 (포핸드드라이브), A5→B4→A3(백핸드드라이브), A5→B6(B2)→A2의 순으로 나타났고, ML은 A5→B1→A1(백핸드드라이브)의 득점시스템이 대상자들 중 가장 높은 연관성으로 나타났고, 두 번째는 A5→B1→A3의 백핸드드라이브 시스템으로 나타났다. 다음 순으로는 A5→B4→A2, A5→B6→A2의 중앙코스의 득점시스템으로 나타났다. WL은 A5→B1→A1(A3)의 양핸드드라이브에 의한 득점시스템의 연관성빈도가 가장 높게 나타났으며,상대선수가 짧은 중앙 코스인 B5 지역으로 리시브 할 때 낮은 연관성 빈도로 나타났다.
키워드에 대한 정보 스포츠 빅 데이터
다음은 Bing에서 스포츠 빅 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터
- 채널A
- 채널A 뉴스
- 채널A NEWS
YouTube에서 스포츠 빅 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [승리의 법칙, 스포츠 빅데이터 #4] 일상 속 스포츠 빅데이터 | 스포츠 빅 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.