Python for Sports Analytics: Moneyball and SabermetricsQuery

Các đội thể thao chuyên nghiệp phụ thuộc rất nhiều vào dữ liệu để xây dựng đội hình chiến thắng và tối ưu hóa hiệu suất của cầu thủ. Nếu bạn muốn tìm hiểu về phân tích thể thaos và sao chép các phương pháp "Moneyball" nổi tiếng, Python là công cụ hoàn hảo để bắt đầu hành trình của bạn. Trong khóa học này, bạn sẽ học cách đọc, dọn dẹp, và thao tác với các tập dữ liệu bóng chày công cộng bằng thư viện Python hiện đại, cho phép bạn tính toán các chỉ số chính và rút ra kết luận khách quan về giá trị của cầu thủ. Bạn sẽ học được: - Hiểu các khái niệm cơ bản của sabermetrics và lịch sử ra quyết định dựa trên dữ liệu trong thể thao. - Viết mã Python để nhập, dọn dẹp và cấu trúc các tập dữ liệu thể thao công cộng bằng cách sử dụng quy ước phân tích dữ kiện hiện đại. - Tính toán các chỉ số bóng chày cốt lõi như Tỷ lệ On-Base (OBP) và Tỷ suất Slugging (SLG) để đánh giá hiệu suất của người chơi. - Ứng dụng các mô hình thống kê để kiểm tra các tuyên bố lịch sử và đánh giá sự tương quan giữa các chỉ số đội và tỷ lệ thắng. - Phân tích sự phát triển của phân tích thể thao hiện đại vượt qua công thức Moneyball cơ bản, bao gồm cả kỳ vọng chạy và khái niệm định giá tiên tiến. Chương trình bắt đầu với thuật ngữ phân tích thể thao cơ bản và các khái niệm cơ bản về dữ liệu Python, sau đó hướng dẫn bạn đọc và phân tích các tập dữ kiện bóng chày thế giới thực từng bước một. Bạn sẽ luyện tập viết mã Python sạch, hiện đại để giải quyết các vấn đề phân tích thực tế. Lớp học này được thiết kế cho người mới bắt đầu đam mê thể thao và muốn học lập trình Python, không cần phải có kinh nghiệm lập trình trước hoặc kinh nghiệm thống kê cao cấp. Bắt đầu hành trình của bạn vào thế giới thú vị của khoa học dữ liệu thể thao hôm nay.