Sportinformatik - Datenanalyse und -visualisierung

Aktuelles

Inhalte

Die Vorlesung ist für Studierende in Bachelorstudiengängen zu den Fächern Sportwissenschaft und Informatik konzipiert. Sie gibt eine Einführung in Themen und Methoden der Sportinformatik.

Die Sportinformatik umfasst primär die folgenden Gegenstandsbereiche:

  • Datenaufnahme
  • Datenanalyse
  • Modellbildung und Simulation
  • Datenbanken und Expertensysteme
  • Visualisierung und Präsentation
  • Kommunikation 

Für die praktische Arbeit in Sportinformatik ist der Einsatz einer geeigneten Programmiersprache erforderlich. In diesem Kurs wird dazu eine Einführung in die freie Programmiersprache R gegeben. R gilt zunehmend als die Standardsprache für statistische Problemstellungen, Datenanalyse und deren graphischer Aufbereitung sowohl in der Wirtschaft als auch in der Wissenschaft. 

Anhand von Beispielen, z.B. der Ergebnisaufbereitung von großen Sportevents, wird eine Einführung in Algorithmik gegeben, die in der zugehörigen Übung durch Implementierungen vertieft wird.

Weitere Gegenstände der Vorlesung sind Grundlagen der Signalverarbeitung: Sampling und Resampling bei Sensordaten, Filter, Synchronisierung, Korrelation, und Fourieranalyse. Anwendungen, die in der Vorlesung besprochen werden, liegen z.Z. in GPS Tracks, Spiroergometrie, HRV (heart rate variability), Beschleunigungssensorik.

Für die Modellierung und Simulation in der Sportinformatik führen wir in diskrete dynamische Systeme sowie in gewöhnliche Differentialgleichungen und deren numerische Lösung ein. Anwendungen dazu sind Performanzmodelle in Ausdauersportarten und die Modellierung und Planung von Trainingsbelastung (TRIMP).

Übungen

Die Übung begleitet die zugehörige Vorlesung:

  • Installation und Konfiguration von R und R-Studio
  • Programmieren in R
  • Daten einlesen + plotten
  • Schleifen, Funktionen, Rekursion in R
  • Komplexe 2D Plots, Matrizen und Vektoren
  • Mittelwerte und Standardabweichungen, Rekursion und Visualisierung
  • Synchronisieren von Datensätzen, Detektion von Ausreißern
  • Simulation von Performanzmodellen

Lernziele

Erfolgreiche Studierende werden

  •   ein Verständnis dafür entwickeln, wie Methoden aus der Informatik in sportorientierten Anwendungen zum Einsatz kommen,
  •  in der Lage sein, eigenständig zu sportwissenschaftlichen Fragestellungen Methoden für die Datenanalyse- und Visualisierung zu entwickeln und
  • Methoden der Sportinformatik in der Programmiersprache R implementieren können.

Zielgruppe

Studierende der Sportwissenschaft, Informatik und Information Engineering in Bachelorstudiengängen.    

Empfohlene Voraussetzung

Studierende der Sportwissenschaft sollten zuvor den Kurs Mathematik für Biologen besucht haben. Studierende der Informatik, bzw. Information Engineering, sollten eine einführende Informatikveranstaltung gehört haben und Interesse an Programmieranwendungen in der Sportinformatik mit bringen.

Leistungsnachweis

Durch erfolgreiche Bearbeitung der Übungsaufgaben.

Literatur

  • Alan Oppenheim, Ronald Schafer, John Buck, Discrete-time Signal Processing, Prentice-Hall, 2010.
  • Alan Oppenheim, Ronald Schafer, John Buck, Zeitdiskrete Signalverarbeitung, 2. Auflage, Pearson Studium, 2004.

Weitere Literaturhinweise werden in der Veranstaltung bekannt gegeben.