通过体育介绍AI

课程大纲

第 1 部分：为什么AI时代需要数据分析和可视化？

在第一部分中，我们将概述AI 在体育领域的应用：体育分析的历史以及利用体育数据进行AI 的必要性。

• 我们将体育分析与商业分析联系起来，并概述现有体育数据的类型和收集方式。
• 我们提供了体育数据驱动的应用类型框架，并概述了什么是AI、计算机Vision (CV) 和机器学习 (ML)，以及它们是如何相互作用的。
• 我们强调了AI 助手目前的表现，以及由于AI 助手产生的幻觉，如何需要具备探索和可视化数据的基本技能。
• 我们将利用篮球比赛的数据，进行初步的数据发现，并创建篮球比赛中常用的基础指标（4 项因素和效率指标），从而教授 Excel 的基础知识。 
• 在第一部分的最后，我们将演示如何使用 Python 以及各种工具和方法创建球员指标，并将篮球投篮数据可视化，从而成功实现有意义的可视化。

第 2 部分：机器学习简介

我们将使用篮球和足球数据，探索如何创建预测性指标和描述性指标。具体来说，在这部分课程中，我们将学习以下内容：

• 以获胜概率为例，说明为什么需要机器学习模型（使用监督学习技术）来回答体育运动中的重要问题，如比赛中 "谁会获胜"。 
• 我们还将介绍 "反事实分析 "或 "假设 "问题的概念，这些问题可以衡量比赛中的决定所产生的影响，例如何时暂停。 
• 此外，我们还将介绍 "蒙特卡洛 "模拟，通过使用 ELO 指标的球队实力排名，预测球队在赛季结束时的排名。 
• 最后，我们还将向您展示如何创建自己的足球预期进球价值模型，以及如何对其进行评估。 

第 3 部分：计算机Vision 和球员跟踪数据介绍

在过去十年中，计算机Vision 和跟踪数据一直是体育分析的主要内容。

尽管这是一个高级话题，但我们将只是对其工作原理、使用方法以及该技术在体育领域的未来做一个高层次的概述。

第 4 部分：ChatGPT 和法律硕士

在这部分课程中，我们将重点介绍AI的最新进展，特别是围绕 ChatGPT 和大型语言模型的进展。学生应该对它们是什么以及如何工作有一个直观的认识。

此外，我们还将重点介绍如何在体育运动中使用这些设备，并向学生展示如何制作自己的设备。