Vyhodnocení treninkových jednotek prostřednictví pokročilé datové analytiky

Lukáš Hodboď

Diplomová práce

Evaluation of training units through advanced data analytics

Anotace:

Tato diplomová práce se zaměřuje na automatizaci vyhodnocení tréninkových jednotek pro profesionální sportovce, zejména běžce na střední a dlouhé tratě. Hlavním problémem je neexistence automatizovaného vyhodnocování tréninkových jednotek, což způsobuje nadměrnou manuální práci a méně efektivní vedení tréninkového deníku. Cílem práce je navrhnout způsob vyhodnocení tréninkových jednotek z dat generovaných sportovními hodinkami Garmin, který zohledňuje klíčové obecné tréninkové ukazatele (OTU) a speciální tréninkové ukazatele (STU). V rámci práce bylo použito prvních pět kroků metodiky CRISP-DM: porozumění kontextu, porozumění datům, příprava dat, modelování a vyhodnocení. K dosažení cíle byl proveden kvalitativní výzkum pomocí rozhovorů s profesionálními běžci, analýza dostupných softwarových nástrojů a zpracování dat z Garmin hodinek. Následně byly vytvořeny predikční modely pro predikci typu a obtížnosti tréninku. Výsledky práce ukazují, že vyhodnocení tréninkových jednotek lze automatizovat pomocí tvrdých metrik OTU a STU, což zjednodušuje proces vyhodnocení tréninkového deníku pro sportovce i trenéry. Avšak pro vyhodnocení pomocí RPE (Rating of Perceived Exertion) nebylo k dispozici dostatek dat pro porovnání, jelikož čeští vrcholoví sportovci tuto metriku nepoužívají. Tato práce tak přispívá k lepšímu vyhodnocování tréninkových cyklů, což může mít pozitivní dopad pro sportovce na jejich tréninkový proces a dosažení cílů.

Abstract:

This master's thesis focuses on the automation of training unit evaluations for professional athletes, particularly middle and long-distance runners. The main problem is the lack of automated training unit evaluations, which leads to excessive manual work and less efficient training diary management. The aim of the thesis is to propose a method for evaluating training units from data generated by Garmin sports watches, which takes into account key general training indicators (OTU) and special training indicators (STU). The first five steps of the CRISP-DM methodology were used in this work: understanding the context, understanding the data, data preparation, modeling and evaluation. To achieve the goal, qualitative research was conducted using interviews with professional runners, analysis of available software tools and processing data from Garmin watches. Subsequently, predictive models were created for predicting the type and difficulty of training. The results of the work show that training unit evaluations can be automated using hard metrics of OTU and STU, simplifying the process of evaluating training diaries for athletes and coaches. However, there was not enough data available for evaluation using RPE (Rating of Perceived Exertion) for comparison, as Czech elite athletes do not use this metric. This thesis thus contributes to better evaluation of training cycles, which can have a positive impact on athletes' training processes and goal achievement.

Klíčová slova

atletika, automatizace vyhodnocení, strojové učení, tréninková jednotka, Garmin

Keywords

athletics, evaluation automation, Garmin, machine learning, training unit

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 1. 5. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 5. 6. 2023
• Vedoucí: Ota Novotný
• Oponent: Pavel Zimmermann

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Aplikovaná informatika / Informační systémy a technologie