Prédiction de performance des nageurs de haut niveau : un séminaire sur l’analyse de données fonctionnelles
Comment identifier les tendances de progression et les performances de jeunes nageurs de haut niveau ? Jeudi 11 janvier, l’ENSAI a accueilli Arthur Leroy, chercheur à l’Université de Manchester et vice-président du groupe Statistique et Sport de la SFdS pour un séminaire professionnel consacré aux spécificités de l’analyse de données fonctionnelles appliquée en particulier à la performance sportive.
À l’invitation de Brigitte Gelein, enseignante, responsable du parcours Recherche Sciences du Numérique et du Sport à l’ENSAI, et chercheuse à l’IRMAR, Arthur Leroy a exposé ses recherches aux élèves-ingénieurs des filières Data Science & Génie Statistique et Data Science en Santé & Biostatistiques. Les étudiants du Master Sciences du Numérique et du Sport de l’EUR Digisport ont également assisté à ce séminaire professionnel.
“Analyse de données fonctionnelles pour des problématiques sportives : spécificités, approches classiques et probabilistes”
L’exposé d’Arthur Leroy a notamment exploré l’identification de jeunes nageurs prometteurs pour le haut niveau. Ce contexte soulève la question de l’étude de multiples séries temporelles supposées partager de l’information commune, et généralement observées à pas de temps très irréguliers.
Après un tour d’horizon des méthodes usuelles pour modéliser des données fonctionnelles, Arthur Leroy a présenté une approche probabiliste plus récente et performante, basée sur des processus Gaussiens multi-tâches.
“Le partage d’informations entre individus ainsi que la quantification de l’incertitude permis par cet algorithme d’apprentissage s’avèrent particulièrement efficaces pour identifier les principales tendances de progression et prédire les performances des nageurs dans le futur, explique Arthur Leroy. Plus généralement, les développements méthodologiques autour des données fonctionnelles peuvent être exploités dans des domaines d’applications variés dès lors que le phénomène étudié évolue au travers d’un continuum (le temps, l’espace…).”
En complément du séminaire professionnel, les étudiants ont eu accès aux notebooks illustratifs d’Arthur Leroy.
Visionner le séminaire (2 parties)
Le Master Sciences du Numérique et Sport
Le Master Sciences du Numérique et Sport rattaché à l’Ecole Universitaire de Recherche DIGISPORT, est une formation interdisciplinaire à l’interface des domaines du numérique et du sport. Cette formation, unique en France, est co-accréditée par cinq établissements d’enseignement supérieur public rennais : l’ENSAI, l’Université de Rennes, dont l’INSA Rennes et l’ENS Rennes, ainsi que l’Université Rennes 2.
Data Challenge, stages, parcours d’alumni… En savoir plus sur la data science appliquée au sport à l’ENSAI.