Привет!
Меня зовут Наталья и я рассказываю о своей опыте преподавания математики онлайн. Сегодня будет необычная статья.
Три дня назад я защитила магистерскую диссертацию. Как бы удивительно это не звучало, но диссертацию я писала по направлению "Спорт" в Российском Государственном Университете Физической Культуры, Спорта, Молодежи и Туризма — РГУФК.
Математика в спорте?
Подробности защиты расскажу в следующий раз, а пока хочу поделиться, как на мой взгляд можно найти применение математики в спорте.
Многие скажут, что в спорте главное тренироваться побольше, «кровь, пот и слезы» и быть физически одаренным — это совсем не так. Для того, чтобы разобраться в нюансах спортивной подготовки я поступила 2 года назад на очную программу магистерской подготовки в РГУФК — ведущий спортивный вуз России.
Оказалось, что в спорте давно распространен аналитический подход: измеряют всё, что можно, записывают, пытаются делать выводы и прогнозы.
Однако, занимаются этим в основном тренеры, методисты — люди, которые могут быть далеки от сложного математического инструментария.
В этом, как я считаю, было мое преимущество. Я попала в интересную для меня среду, имея за плечами мощный математический бэкграунд и опыт в математическом моделировании и статистике.
Кому-то это вообще нужно?
Сегодня многие предприятия и бизнесы осознали потенциал аналитики и работы с данными для объяснения трендов и предсказаний и в индустрии случился просто "бум": появилось новое понятие data science — новое название для старого доброго математического моделирования и смежных областей (статистика, эконометрика, аналитика).
Машинное обучение получило такое широкое распространение, что сложно найти область, где бы про него не слышали и не пытались применить. Но отечественная спортивная наука приняла этот тренд с небольшим опозданием. Публикаций по теме не так много, а те, что есть, можно мягко говоря назвать "неактуальными".
Сегодня ключевой игрок в машинном обучении, при всех своих недостатках, — искусственные нейросети во всем многообразии архитектур. В начале двухтысячных самым многообещающим алгоритмом был метод опорных векторов, а до этого, в 90-х, появлялись лишь первые эффективные алгоритмы обучения для нелинейных математических функций. А еще раньше, в 80-х, этого всего и не было, поэтому использовали линейный модели (в том числе для нелинейных функций).
Так вот, на данный момент, в спортивной науке "золотым стандартом" являются как раз последние — актуальные в 80-х годах прошлого века.
Искусственные нейросети для предсказания спортивного результата
Моя идея заключалась в том, чтобы применить самые современные методы работы с данными (машинное обучение и, в частности, Deep Learning) для решения уже существующих и, возможно, разработанных проблем спортивной подготовки. В итоге, у нас с научным руководителем получилась очень насыщенная научно-исследовательская работа. Недавно вышла очередная статья об использовании искусственной нейросети для предсказания результатов в подводном спорте, которую мы написали совместно с моим сыном и моим научным руководителем к.п.н. Морозовым Сергеем Николаевичем.
Ниже можно ознакомиться с обложкой сборника и аннотацией, а вся статья доступна по ссылке.
О чем моя диссертация?
Я уже писала не раз о том, что математика — это инструмент, который удобно использовать для решения бизнес/жизненных/прикладных задач. Но в отличие от молотка, например, математика — это очень крутой инструмент, с помощью которого можно решать огромный спектр задач.
Поэтому я готова была работать над любой проблемой в спортивной науке (в контексте теории и методики спортивного или подводного плавания, так как я работала тренером по плаванию), где можно было накопить большое количество данных и выполнить анализ.
Выбор пал на анализ соревновательной дистанции 200м комплексным плаванием, так как существует ряд разногласий в том, как же правильно готовить спортсменов к этой дистанции. Если кто не знает, то комплексное плавание — это соревновательная дисциплина, в ходе которой спортсмены поочередно плывут 4 разными способами плавания.
Кто-то утверждает, что достаточно быть специалистом в одном способе, а остальные освоить на "достаточном" уровне; другие утверждают, что брасс, например, является важнее, чем спина и тд. Но, чтобы понять, как оно на самом деле, нужно исследование. Причем исследовать нужно не 1-2 человека, а чем больше, тем лучше. Конечно, группа должна быть репрезентативной: состоять из "средних" спортсменов, без особых отклонений от нормы.
Два года я занималась сбором данных и тестированием различных алгоритмов на собранных значениях. Я применяла и менее актуальные методы, и самые-самые современные; оценивала их эффективность и публиковала промежуточные результаты в научных журналах разного уровня: от РИНЦ до ВАК.
Итоговые результаты и математическая модель легка в основу моей магистерской диссертации. Здесь я столкнулась с тем, что математические выкладки и результаты, понятные мне, необходимо было объяснить простым человеческим языком комиссии и составить методические рекомендации, чтобы тренеры, методисты, руководители команд могли применить выводы на практике. В этом мне помогло то, что я уже какое-то время пишу блог, учусь выкладывать мысли на бумагу (пусть и электронную :).
Три дня назад прошла защита, и я успешно защитилась на отлично, окончив РГУФК с красным дипломом!
Математика актуальна всегда
В этой статье я хотела показать на своем примере, что знания математики необходимы практически в любом виде профессиональной деятельности, даже в такой неочевидной, как спорт, например.
На своих занятиях онлайн-математикой я стараюсь всегда приводить примеры из жизни, как математика может сделать жизнь проще интереснее и многограннее :)
До конца июля я продолжаю вести занятия математикой со скидкой 20% за отзыв в соц. сетях. Для записи нужно просто перейти на сайт, выбрать удобное время в расписании и вам придет подтверждение и ссылка на Zoom-конференцию. После занятия нужно написать честный отзыв в ваших соц. сетях.
Подготовке ручку и листочек и жду вас на занятиях!
До встречи!
Текст: Наталья Саурова