Improving the Training Process of the St. Petersburg State University Golf Team Based on Data Analysis

Abstract

Данная работа посвящена разработке модели, которая позволяет повысить эффективность тренировочного процесса сборной команды СПбГУ по гольфу. В основе концепции лежит связь метрик, которые считывает симулятор для гольфа с ошибками в движении гольфиста. В ходе работы были выявлены диапазоны значений, которые характеризуют хороший удар, также были исследованы типовые ошибки и выбросы, соответствующие конкретной ошибке. Была разработана тестовая версия данной модели, которая сравнивает данные об вашем ударе с нормальными значениями и определяет ошибку, после чего предлагает решение. В работе описана структура модели, а также пошаговое внедрение модели в тренировочный процесс. В третьей главе подробно раскрыты результаты интеграции модели, были проведены замеры, которые подтвердили повышение эффективности в развитии спортсменов. Также в конце работы был выдвинут ряд рекомендаций, которые бы позволили существенно улучшить работу модели.

This work is devoted to the development of a model that makes it possible to increase the effectiveness of the training process of the St. Petersburg State University golf team. The concept is based on the connection of metrics that the golf simulator identifies with errors in the golfer's movement. During the investigation, ranges of values that characterize a good blow are identified, typical errors and outliers corresponding to a specific error are also examined. A test version of this model has been developed, which compares the data about your impact with normal values and determines the error, after which it offers a solution. The paper describes the structure of the model, as well as the step-by-step implementation of the model in the training process. In the third chapter, the results of the integration of the model are disclosed in details, measurements are carried out, which confirmed the increase in efficiency in the development of athletes. Also, at the end of the work, a number of recommendations are put forward that would significantly improve the performance of the model.