國立中正大學課程大綱115學年第1學期
教育學院運動與休閒教育研究所-碩士班

課程名稱(中文) 體育運動大數據分析專題研究
課程名稱(英文) Big Data Analytics in Sports and Exercise Science
授課教師 林晉榮 博士/教授
開課時段 星期一下午14:10-16:00
先修科目或先備能力 無
課程概述 本課程以「體育運動領域」為核心，導入大數據分析技術與實務應用，結合資料探勘、資料庫系統Access建置、Power Pivot與SQL操作，培養學生具備蒐集、清理、儲存、分析與視覺化體育運動相關大數據的能力。課程涵蓋運動表現、比賽戰術、觀眾行為、健康體適能、運動傷害預防、運動產業經營等實務資料，協助學生建構體育運動專業大數據分析系統，提升運動科學研究與產業應用之數位轉型能力。
學習目標 本課程探討，課程重點如下：
1.掌握體育運動大數據的特徵與分析流程
2.理解大數據三層架構（資料湖、處理層、應用層）在運動領域的實作
3.熟練Power Pivot與SQL在體育運動資料處理與分析的應用
4.能夠進行體育運動領域的資料庫設計、正規化與效能優化
5.具備運動大數據專題研究與實務專案執行能力
教科書 主教科書：資料庫系統－理論與設計實務（旗標）
An Introduction to Database Systems（C.J. Date）
Python for Data Analysis（Wes McKinney）
Sports Analytics and Data Science（Thomas W. Miller）
大數據分析：體育運動實務應用（自編講義）（請尊重智慧財產權，不得非法影印教師指定之教科書籍）

教學要點概述
教材編選 ■自編教材 ■教科書作者提供
教學方法 ■投影片講述 ■板書講述
評量方法 ■上課點名 10% ■小考 0% ■作 業30% ■程式實作 10%
■實習報告 5% ■專案 10% ■期中考10% ■期 末 考 10%
□期末報告 15% □其它 0%
教學資源 ■課程網站 ■教材電子檔供下載 ■實習網站
教學相關配合事項
課程進度
第01週　課程簡介與體育運動大數據現況
第02週　運動大數據來源與類型（穿戴裝置、比賽記錄、觀眾行為、健康體適能）
第03週　大數據三層架構與運動領域應用
第04週　運動資料庫建置與資料蒐集技術
第05週　關聯式資料庫理論與運動資料建模
第06週　SQL基礎與運動資料查詢實務
第07週　進階SQL：運動績效分析與視窗函數應用
第08週　E-R Model與體育運動資料庫設計
第09週　資料探勘在運動領域的應用（分群、關聯規則、決策樹）
第10週　運動資料處理（Pandas、NumPy、運動資料清理）
第11週　期中考＋期中專案提案
第12週　資料正規化與運動資料庫效能優化
第13週　運動大數據視覺化（Power BI）
第14週　時間序列分析與運動表現預測
第15週　機器學習在運動傷害預防與戰術分析的應用
第16週　期末專案成果發表與期末考
第17週　彈性上課(視訊)--雲端運動資料庫（AWS / Google Cloud實作）與分散式處理
第18週　彈性上課(視訊)--運動大數據隱私、安全與倫理

講授內容
本資料庫課程主要介紹資料探勘與大數據分析實務研究的使用、運作及基本原理，包含下列三個部分及數個單元：
PART I：體育運動大數據入門與基礎

運動大數據生態系：穿戴裝置、視訊追蹤、賽事統計、社群媒體、體適能App
大數據技術棧在運動領域的應用（Hadoop、Spark、NoSQL、雲端資料庫）
Python與SQL在運動資料處理的實務操作

PART II：運動資料庫設計與實作
4. 運動情境的E-R模型設計（球員、比賽、教練、傷害、場館等實體）
5. 關聯式資料庫正規化與反正規化（分析效能考量）
6. 運動大數據前端系統開發（Dashboard與即時看板）
PART III：進階運動大數據分析應用
7. 運動表現預測模型（機器學習實作）
8. 戰術分析與對手偵察系統
9. 運動傷害風險預測與預防醫學應用
10. 運動產業經營大數據（票房、會員行為、贊助效益）
11. 雲端與分散式運動資料庫實務

核心能力
1.體育運動大數據蒐集、清理與儲存能力：獨立處理穿戴裝置、動作捕捉、GPS軌跡、視訊解析、社群情緒等多來源異質資料，設計高效ETL流程，建置資料湖與資料倉儲，確保資料品質與可重複使用性。
2. Power Pivot與SQL進階運動資料分析實作能力：精通多樣化工具撰寫專業軟體，能處理億級比賽軌跡資料；熟練進階SQL視窗函數與查詢優化，達成即時運動績效分析。
3.運動領域資料庫系統設計與管理能力：針對特定運動項目進行領域驅動設計，繪製複雜E-R模型，執行高階正規化與效能反正規化，建置支援即時戰術分析的雲端混合式資料庫（SQL+NoSQL+時序DB）。
4.機器學習與AI在運動科學應用能力：能獨立開發運動表現預測、動作辨識、傷害風險與戰術生成模型，輔助運動競技表現。
5.運動大數據專題研究與產業領導能力：具備端到端專案管理能力，從研究發想、倫理審查與商業價值實現，領導產學合作案，與職運動隊、國家訓練中心、國際品牌共同推動台灣運動產業數位轉型。