Este curso forma parte de Programa especializado: Sports Performance Analytics

4.5
estrellas
13 calificaciones

Christopher Brooks

2229 ya inscrito

Ofrecido Por

Programa especializado: Sports Performance AnalyticsUniversidad de Míchigan

Acerca de este Curso

7136 vistas recientes

In this course students will explore supervised machine learning techniques using the python scikit learn (sklearn) toolkit and real-world athletic data to understand both machine learning algorithms and how to predict athletic outcomes. Building on the previous courses in the specialization, students will apply methods such as support vector machines (SVM), decision trees, random forest, linear and logistic regression, and ensembles of learners to examine data from professional sports leagues such as the NHL and MLB as well as wearable devices such as the Apple Watch and inertial measurement units (IMUs). By the end of the course students will have a broad understanding of how classification and regression techniques can be used to enable sports analytics across athletic activities and events.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Laboratorios de Coursera

Incluye proyectos de aprendizaje prácticos.

Obtén más información sobre los laboratorios de Coursera

Curso 5 de 5 en

Programa especializado: Sports Performance Analytics

Nivel intermedio

Learners should have some familiarity with Python before starting this course. We recommend the Python for Everybody Specialization.

Aprox. 12 horas para completar

Inglés (English)

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Laboratorios de Coursera

Incluye proyectos de aprendizaje prácticos.

Obtén más información sobre los laboratorios de Coursera

Curso 5 de 5 en

Programa especializado: Sports Performance Analytics

Nivel intermedio

Learners should have some familiarity with Python before starting this course. We recommend the Python for Everybody Specialization.

Aprox. 12 horas para completar

Inglés (English)

Instructor

Christopher Brooks

Assistant Professor

School of Information

786.690 alumnos

14 cursos

Ofrecido por

Universidad de Míchigan

Programa - Qué aprenderás en este curso

Semana1

Semana 1

3 horas para completar

Machine Learning Concepts

3 horas para completar

7 videos (Total 75 minutos), 3 lecturas, 1 cuestionario

Semana2

Semana 2

4 horas para completar

Support Vector Machines

4 horas para completar

4 videos (Total 51 minutos), 2 lecturas, 1 cuestionario

4 videos

Introduction to Support Vector Machines (SVMs)15mPolynomial Support Vector Machines10mCross Validation9mA Real World SVM Model: Boxing Punch Classification14m

2 lecturas

(Optional) - An evaluation of wearable inertial sensor configuration and supervised machine learning models for automatic punch classification in boxing2hAssignment 2 Programming Solution10m

1 ejercicio de práctica

Assignment 21h

Semana3

Semana 3

3 horas para completar

Decision Trees

3 horas para completar

4 videos (Total 58 minutos), 2 lecturas, 1 cuestionario

Semana4

Semana 4

3 horas para completar

Ensembles & Beyond

In this week of the course students will learn how many different models can be used together through ensembles, including the random forest method as a common use, as well as more general methods available in sklearn such as stacking and bagging. By the end of this week students will have a broad understanding of how methods such as SVMs, decision trees, and logistic regression can be used together to solve a problem with increasing performance.

3 horas para completar

5 videos (Total 102 minutos), 3 lecturas, 1 cuestionario

Reseñas

4.5

5 reseña

5 stars
69,23 %
4 stars
23,07 %
2 stars
7,69 %

Principales reseñas sobre INTRODUCTION TO MACHINE LEARNING IN SPORTS ANALYTICS

por NM4 de dic. de 2022

Outstanding course! Really interesting and tutor was really enthusiastic which kept the videos and assessments easy to work through.

por LR24 de oct. de 2022

Very hands-on course, I could understand all techniques available to model sports.

Ver todas las reseñas

Acerca de Programa especializado: Sports Performance Analytics

Sports analytics has emerged as a field of research with increasing popularity propelled, in part, by the real-world success illustrated by the best-selling book and motion picture, Moneyball. Analysis of team and player performance data has continued to revolutionize the sports industry on the field, court, and ice as well as in living rooms among fantasy sports players and online sports gambling.

Drawing from real data sets in Major League Baseball (MLB), the National Basketball Association (NBA), the National Hockey League (NHL), the English Premier League (EPL-soccer), and the Indian Premier League (IPL-cricket), you’ll learn how to construct predictive models to anticipate team and player performance. You’ll also replicate the success of Moneyball using real statistical models, use the Linear Probability Model (LPM) to anticipate categorical outcomes variables in sports contests, explore how teams collect and organize an athlete’s performance data with wearable technologies, and how to apply machine learning in a sports analytics context. This introduction to the field of sports analytics is designed for sports managers, coaches, physical therapists, as well as sports fans who want to understand the science behind athlete performance and game prediction. New Python programmers and data analysts who are looking for a fun and practical way to apply their Python, statistics, or predictive modeling skills will enjoy exploring courses in this series.

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Introduction to Machine Learning in Sports Analytics

Acerca de este Curso