Sports Data Mining

Seminar Knowledge Engineering und Lernen in Spielen

In TuCAN finden Sie die Veranstaltung unter der Nummer 20-00-0228-se.

Achtung Terminverschiebung: Bis auf weiteres beginnt das Seminar bereits um 16.30h!

Ort und Zeit

jeweils Mittwochs, 16:30 - 17:55, Raum E302.

Inhalt

Im Rahmen dieses Seminars werden wir versuchen eine Bestandsaufnahme des aktuellen Stands der Forschung in diesem Gebiet. Wir werden uns darauf sowohl auf Bücher (z.B. Schumaker, Solieman, Chen (eds.) Sports Data Mining, Springer 2010) als auch auf aktuelle Forschungsarbeiten, die auf Workshops, Konferenzen, oder Journalen im Bereich der Künstlichen Intelligenz veröffentlicht wurden (z.B. in diesem Workshop). Ein genaue Themenauswahl wird rechtzeitig bekannt gegeben.

Es wird erwartet, daß Studenten die ihnen zugeteilten Materialien in einem ca. 45-minütigen Kurz-Vortrag (30 min Vortrag, 15 min Diskussion) vorstellen. Der Vortrag sollte jedoch inhaltlich über diese Materialien hinausgehen und eine selbständige Auseinandersetzung mit dem gewählten Thema demonstrieren.

Themen

Besprochen werden einzelne Kapitel aus folgenden beiden Büchern:

Die zugrundeliegenden Artikel sind z.T. nicht besonders lang, es wird hier insbesondere bei den Kapiteln aus [SSC] die angegebene Literatur als Grundlage für eigene Recherche verstehen. Die Arbeiten aus [LM1] behandeln vorwiegend Techniken, um aus Sport-Resultaten Reihungen zu erstellen. Auch diese sind zumeist nicht lang, setzen aber zumeist Grundkenntnisse in Linearer Algebra voraus.

Vortragstermine

Im Moment sind folgende Vorträge geplant. Mit NN gekennzeichnete Themen sind noch verfügbar.
 

14.5.2014

  • Stahr: Sports Data Mining: The Field and Methodology [SSC, Chapters 1 and 2, Folien]
  • Gleser: Data Sources for Sports [SSC, Chapter 3 + LM1, Chapter 17, Folien]

21.5.2014

  • Kaesdorf: Research in Sports Statistics [SSC, Chapter 4, Folien]
  • Kogge: Tools and Systems for Sports Data Analysis [SSC, Chapter 5, Folien]

28.5.2014

  • Wolf: Predictive Modeling for Sports and Gamining [SSC, Chapter 6, Folien]
  • Geukes: Multimedia and Video Analysis for Sports [SSC, Chapter 7, Folien]

11.6.2014

  • Schelmbauer: Web Sports Data Extraction and Visualization [SSC, Chapter 8, Folien]
  • Lüttgen: Betting and Gaming [SSC, Chapter 12, Folien]

18.6.2014

  • Stecher: Massey's Method [LM1, Chapter 2, Folien]
  • Bräutigam: Colley's Method [LM1, Chapter 3, Folien]

25.6.2014

  • Born: Keyner's Method [LM1, Chapter 4, Folien]
  • Cherepanov: Elo's System [LM1, Chapter 5, Folien]

2.7.2014

  • Schmidt: The Markov Method [LM1, Chapter 6, Folien]
  • Park: The Offense-Defense Rating Method [LM1, Chapter 7, Folien]

9.7.2014

  • Joppen: Ranking by Reordering [LM1, Chapter 8, Folien]
  • Xu: Point Spreads [LM1, Chapter 9, Folien]

16.7.2014

  • Weidmann: Handling Ties [LM1, Chapter 11, Folien]
  • Nguyen: Rank Aggregation 1 [LM1, Chapter 14, Folien]
  • NN: Rank Aggregation 2 [LM1, Chapter 15]

Vorkenntnisse

Grundkenntnisse im Bereich des maschinellen Lernens und des Data Minings sind hilfreich, können aber auch während des Seminars im Selbststudiums nachgeholt werden.

Vorträge

Es wird erwartet, daß Sie die Vorträge mit Folien begleiten. Falls Sie keinen Laptop haben, bitte die Folien rechtzeitig zu senden, damit wir sie auf unserem Laptop einspielen bzw. testen können. Die Vorträge und/oder Folien können wahlweise auf Deutsch oder Englisch gehalten werden.

Benotung

In die Gesamtnote fließen die Ausarbeitung des Vortrags (Folien), die Präsentation, die Beantwortung von Fragen zum Vortrag, sowie die aktive Teilnahme an der Diskussion bei den Vorträgen anderer ein. Eine schriftliche Ausarbeitung ist nicht notwendig.

Im Vordergrund der Gesamtbenotung steht jedoch die selbständige Auseinandersetzung mit den vorgestellten Methoden. Für eine sehr gute (1.x) Beurteilung muß Ihr Vortrag über eine blosse inhaltliche Wiedergabe der Techniken hinausgehen. Einfliessen lassen können Sie z.B. eigene Erfahrungen, Ideen, oder auch Demos. Eine exakte Wiedergabe des Inhalts der Papiere führt nur zu einer Beurteilung mit 2.x, außerordentlich schwache Leistungen in einem der genannten Punkte, insbesondere mangelnde Mitarbeit im Seminar, zu 3.x oder schlechter.

Anmeldung

Die Anzahl der Teilnehmer ist auf max. 20 beschränkt. Die endgültigen Plätze werden in der Vorbesprechung vergeben, wobei frühere Anmeldungen bevorzugt werden. Anmeldungen bitte per E-mail an ml-sem@ke.
Kontakt

small ke-icon

Knowledge Engineering Group

Fachbereich Informatik
TU Darmstadt

S2|02 D203
Hochschulstrasse 10

D-64289 Darmstadt

Sekretariat:
Telefon-Symbol+49 6151 16-21811
Fax-Symbol +49 6151 16-21812
E-Mail-Symbol info@ke.tu-darmstadt.de

 
A A A | Drucken | Impressum | Sitemap | Suche | Mobile Version
zum Seitenanfangzum Seitenanfang