Tez No	İndirme	Tez Künye	Durumu
694667		A data driven performance evaluation framework for sports analytics / Spor analitiği için veri güdümlü performans analiz çerçevesi Yazar:AYŞE ELVAN AYDEMİR Danışman: DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL ; PROF. DR. ALPTEKİN TEMİZEL Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Enformatik Enstitüsü / Bilişim Sistemleri Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Spor = Sports ; İstatistik = Statistics Dizin:	Onaylandı Doktora İngilizce 2021 141 s.
Performans değerlendirmesi çok boyutlu ve çok kriterli olmasının yanı sıra zorlu bir değerlendirme problemdir. Bu problemin uygulama alanlarından birisi olan futbolda oyuncu performansları oyuncuların sahadaki görevlerini ve istatistiklerini etkileyen diğer faktörleri (oyun süresi, rakibin gücü, müsabakanın stili) göz önüne alarak birçok değişken üzerinden değerlendirilmelidir. Bu alanda, oyuncuların saf istatistikleri oyuncu performansına yönelik bilgi verme konusunda yetersiz kalmaktadır. Bunun sebebi oyuncunun pozisyonunun yansıra, bu istatistikleri etkileyen birçok dış etmen bulunmasıdır. Bu etmenlerden bazıları, oyun suresi, sakatlıklar, müsabaka zorluğu ve karakteristikleri, rakibin gücü, oyundaki aksiyonların önemi, oyuncu pozisyonu vs. gibi faktörlerdir. Buna ek olarak futbolda oyuncu transferleri transfer ücretleri ve oyuncu değerlemesi bakımından genelden farklı finansal dinamiklere sahiptir. Oyuncuların transfer ücretleri oyuncu performansına ek olarak takım ve müsabaka özellikleri ile oyuncunun popülaritesi gibi faktörler bu dinamikleri etkileyen etkenlerden bazılarıdır. Bu çoklu etken seti, transfer ücretlerinin tespitini zorlayıcı bir makine öğrenmesi problemine dönüştürmektedir. Bu tez dinamik, olasılıksal, bağlama bağlı, hiyerarşik ve tabandan-tepeye bir yaklaşımla bilinmezlik altında performans analizini veri-tabanlı, gereksinim değişimlerine uyum sağlayan uyarlanır bir çerçeveye oturtmaktadır. Buna ek olarak, sunulan çerçeve performans değerlendirmeleri ve farklı veri kaynaklarını birleştirerek transfer ücretlerini makine öğrenmesi topluluk yöntemleriyle modellemektedir. Önerilen çerçeve genellenebilir olup diğer takım sporlarına da uyarlanabilir niteliktedir.
Performance evaluation is a challenging, multidimensional and multi-criteria assessment problem. One application area is the player transfers in football (soccer), where player performance must be evaluated in-line with their responsibilities on the field. In this area of study, raw player performance statistics are not representative because of the external factors impacting the performance such as time-played, injuries, competition difficulty and characteristics, strength of the opponent, impact of actions in the game as well as the positions played. In addition, transfer market has unique financial dynamics in terms of transfer fees and player valuation. Some of the factors that affect transfer fees are athletic performance, properties of clubs and competitions and player popularity. The rich set of factors makes modelling transfer fees a challenging machine learning problem. This thesis provides a dynamic, context-dependent, probabilistic and hierarchical bottom-up approach for evaluating performance under uncertainty for custom requirements. Furthermore, the proposed framework links the performance metrics and various data sources to model transfer fees using machine learning ensembling methods. The proposed framework is generic and it can be adapted to other team sports.