Machine Learning Approaches for Analyzing Time Series from Sports
Currently, sports is an incredibly data rich domain as it is possible to collect massive amounts of data from both training sessions and matches. Typically, this data comes in the form of time series such as sensor data (e.g., accelerations, heart rate, GPS, etc.), event stream data, and optical tracking data.
Praktische info:
Leertrajecten
Inschrijven?
- Inschrijvingen: tot 02 dec. 2021
- Prijs: gratis
georganiseerd door:
The availability of this data has driven an explosion of interest in the automated analysis of sports. The goal of this talk is to provide an overview of this area with illustrative examples arising out of work done in my research group. I will specifically focus on three things. First, I will motivate and explain the reoccurring challenges that we have encountered when working with time series arising from the sports world. Second, I will discuss some of the work we have done in terms of analyzing sensor data about runners. Third, I will overview our work on analyzing time series arising from professional football matches
AI for Time Series Seminars
Verscheidene onderzoeksgroepen in het Vlaams AI-onderzoeksprogramma verrichten onderzoek van wereldklasse in verband met tijdreeksen, zowel voor de ontwikkeling van algoritmes en tools, als voor een brede reeks toepassingen. In een recente rondvraag bij de Vlaamse AI-gemeenschap, bleek dat het onderwerp ’tijdreeksen’ het meest gevraagd werd om toekomstige workshops en cursussen over te organiseren. Met deze seminariereeks komen we aan die vraag tegemoet en brengen we onderzoekers die geïnteresseerd zijn in, of onderzoek verrichten naar, tijdreeksen samen. We bieden hen en andere belangstellenden een gevarieerd programma met nationale en internationale sprekers.
Klik op de afzonderlijke webinars onderaan om de video-opnames te (her)bekijken.
