Este curso forma parte de Programa especializado: Sports Performance Analytics

4.7

estrellas

23 calificaciones

Youngho Park +1 instructores más

3264 ya inscrito

Ofrecido Por

Programa especializado: Sports Performance AnalyticsUniversidad de Míchigan

Acerca de este Curso

10.171 vistas recientes

In this course the learner will be shown how to generate forecasts of game results in professional sports using Python. The main emphasis of the course is on teaching the method of logistic regression as a way of modeling game results, using data on team expenditures. The learner is taken through the process of modeling past results, and then using the model to forecast the outcome games not yet played. The course will show the learner how to evaluate the reliability of a model using data on betting odds. The analysis is applied first to the English Premier League, then the NBA and NHL. The course also provides an overview of the relationship between data analytics and gambling, its history and the social issues that arise in relation to sports betting, including the personal risks.

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 3 de 5 en

Programa especializado: Sports Performance Analytics

Aprox. 33 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 3 de 5 en

Programa especializado: Sports Performance Analytics

Aprox. 33 horas para completar

Inglés (English)

Instructores

Youngho Park

Lecturer of Sport Management

School of Kinesiology

3264 alumnos

1 curso

Stefan Szymanski

Stephen J. Galetti Professor of Sport Management

School of Kinesiology

14.658 alumnos

3 cursos

Ofrecido por

Universidad de Míchigan

Programa - Qué aprenderás en este curso

Semana1

Semana 1

10 horas para completar

Week 1

This module introduces the regression models in dealing with the categorical outcome variables in sport contest (i.e., Win, Draw, Lose). It explains the Linear Probability Model (LPM) in terms of its theoretical foundations, computational applications, and empirical limitations. Then the module introduces and demonstrates the Logistic Regression as a better substitute of LPM for the categorical dependent variables.

10 horas para completar

8 videos (Total 86 minutos), 8 lecturas, 2 cuestionarios

8 videos

Introduction to Prediction Models2mBinary Outcome and Regression Part 18mBinary Outcome and Regression Part 211mLogistic Regression Part 111mLogistic Regression Part 215mOrdered Logistic Regression Part 16mOrdered Logistic Regression Part 212mPredictive Modeling - Basics of Forecasting16m

8 lecturas

Prediction Models Course Syllabus10mHelp Us Learn More About You5mAssignment Overview10mAssignment Instructions - Part 110mWeek 1 - Part 1 - Sample Notebook10mAssignment Instructions - Part 210mWeek 1 - Part 2 - Sample Notebook10mWeek 1 R Content10m

2 ejercicios de práctica

Week 1 - Quiz 130mWeek 1 - Quiz 230m

Semana2

Semana 2

7 horas para completar

Week 2

7 horas para completar

6 videos (Total 89 minutos), 3 lecturas, 1 cuestionario

Semana3

Semana 3

9 horas para completar

Week 3

9 horas para completar

7 videos (Total 93 minutos), 3 lecturas, 1 cuestionario

7 videos

Forecasting EPL results: 1. Wages and Transfermarket Part 18mForecasting EPL results: 1. Wages and Transfermarket Part 212mForecasting EPL results: Within sample prediction Part 117mForecasting EPL results: Within sample prediction Part 211mForecasting EPL results: Out of sample forecasting Part 115mForecasting EPL results: Out of sample forecasting Part 214mForecasting EPL results: Forecasting the League Table14m

3 lecturas

Assignment Overview10mWeek 3 - Sample Notebook10mWeek 3 R Content10m

1 ejercicio de práctica

Week 3 Quiz30m

Semana4

Semana 4

6 horas para completar

Week 4

This module assesses the efficacy of the EPL forecasting model covered in the previous week by replicating the model in the context of three North American team sports leagues (i.e., NHL, NBA, MLB). Specifically, this module shows how to forecast the outcome of NHL, NBA, MLB regular season games using an ordered logit model and publicly available information. It assesses the accuracy of these forecasts against the betting odds.

6 horas para completar

4 videos (Total 69 minutos), 4 lecturas, 1 cuestionario

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.

Prediction Models with Sports Data

Acerca de este Curso