スポーツを通じたAI 入門

コース概要

第1部：AI時代にデータ分析とビジュアライゼーションが求められる理由

第1部では、スポーツにおけるAI 概要、すなわちスポーツ分析の歴史とスポーツデータを用いたAI 必要な理由を説明する。

• スポーツ・アナリティクスとビジネス・アナリティクスを結びつけ、利用可能なスポーツ・データの種類と収集方法の概要を説明します。
• 私たちは、スポーツデータが駆動するアプリケーションの種類のフレームワークを提供し、AI、コンピュータVision （CV）、機械学習（ML）とは何か、そしてそれらがどのように相互作用するのかの概要を説明します。
• 我々は、AI アシスタントの現在のパフォーマンスと、AI アシスタントから発生する幻覚のために、データを探索し視覚化する基本的なスキルを持つことがいかに必要であるかを強調する。
• バスケットボールのボックススコアのデータを使って、最初のデータ発見を行い、バスケットボール全体で使用される基本的な指標（4ファクターと効率指標）を作成し、エクセルの基礎を学びます。 
• パート1の最後では、Pythonを使用して、バスケットボールのショットデータを視覚化するだけでなく、選手のメトリクスを作成する方法と、意味のある視覚化を成功させるためのさまざまなツールや方法を紹介します。

パート2：機械学習入門

バスケットボールとサッカーの両方のデータを使って、記述的メトリクスだけでなく、予測メトリクスの作成方法を探ります。具体的には、次のようなことを学びます：

• 勝率を例にして、スポーツにおける重要な問題、例えば試合の中で「誰が勝つか」に答えるために、（教師あり学習技術を使った）機械学習モデルがなぜ必要なのかを示す。 
• また、「反事実分析」や「what-if」質問の概念も紹介し、タイムアウトを取るタイミングなど、試合中の決断の影響を測ることができる。 
• さらに、「モンテカルロ」シミュレーションも取り上げます。このシミュレーションでは、ELO指標を利用したチームパワーランキングを使って、シーズン終了時にチームがどの順位になるかを予測することができます。 
• 最後に、サッカーのゴール期待値モデルを自分で作成し、それを評価する方法も紹介する。 

第3回：コンピュータVision 選手トラッキングデータの紹介

コンピューター・Vision トラッキング・データは、過去10年間、スポーツ分析の定番となっている。

これは高度なトピックではあるが、ここでは、この技術がどのように機能し、どのように使用され、そしてスポーツにおけるこの技術の将来について、ハイレベルな概要を説明するにとどめる。

パート4：ChatGPTとLLM

このパートでは、AI、特にChatGPTと大規模言語モデルの最近の進歩に焦点を当てます。受講生は、これらがどのようなもので、どのように機能するかについて直感的に理解する必要があります。

さらに、スポーツでどのように活用できるかを強調し、生徒たちに自分で作る方法を紹介する。