Python dla analityki sportowej: Moneyball i Sabermetrics

Profesjonalne drużyny sportowe w dużej mierze polegają na danych, aby budować zwycięskie składy i optymalizować wydajność graczy.Jeśli kiedykolwiek chciałeś zajrzeć za kulisy analityki sportowej i powielić słynne metodyki "Moneyball", Python jest idealnym narzędziem do rozpoczęcia podróży. W tym kursie tekstowym przejdziesz od entuzjastów sportu do analityka sportowego opartego na danych.Dowiesz się, jak czytać, czyścić i manipulować publicznymi zestawami danych baseballowych za pomocą nowoczesnych bibliotek Pythona, umożliwiając obliczanie kluczowych wskaźników wydajności i wyciąganie obiektywnych wniosków na temat wartości gracza. Czego się nauczysz: - Zrozum podstawowe pojęcia sabermetrii i historii podejmowania decyzji opartych na danych w sporcie. - Napisz kod Pythona, aby importować, czyścić i strukturyzować publiczne zestawy danych sportowych przy użyciu nowoczesnych konwencji analizy danych. - Oblicz podstawowe wskaźniki baseballowe, takie jak procent na bazie (OBP) i procent sluggingu (SLG), aby ocenić wydajność gracza. - Zastosuj modele statystyczne, aby przetestować historyczne roszczenia i ocenić korelację między wskaźnikami zespołu a procentami wygranych. - Przeanalizuj ewolucję nowoczesnych analiz sportowych poza podstawowymi formułami Moneyball, w tym zaawansowane oczekiwania dotyczące biegu i koncepcje wyceny. Kurs zaczyna się od podstawowej terminologii analityki sportowej i podstawowych pojęć danych Pythona, a następnie krok po kroku prowadzi Cię przez czytanie i analizowanie zestawów danych baseballowych w świecie rzeczywistym. Ten kurs jest przeznaczony dla początkujących, którzy są pasjonatami sportu i chcą nauczyć się programowania Pythona, bez wcześniejszego kodowania lub zaawansowanego doświadczenia statystycznego. Rozpocznij swoją podróż w ekscytujący świat nauki o danych sportowych już dziś.