Foundations of Sports Analytics: Data, Representation, and Models in Sports

Этот курс входит в специализацию ''Специализация Sports Performance Analytics'

Wenche Wang и еще 1 преподаватель

1 932 уже зарегистрированы

от партнера

Специализация Sports Performance AnalyticsМичиганский университет

Об этом курсе

Недавно просмотрено: 65 880

This course provides an introduction to using Python to analyze team performance in sports. Learners will discover a variety of techniques that can be used to represent sports data and how to extract narratives based on these analytical techniques. The main focus of the introduction will be on the use of regression analysis to analyze team and player performance data, using examples drawn from the National Football League (NFL), the National Basketball Association (NBA), the National Hockey League (NHL), the English Premier LEague (EPL, soccer) and the Indian Premier League (IPL, cricket). 
This course does not simply explain methods and techniques, it enables the learner to apply them to sports datasets of interest so that they can generate their own results, rather than relying on the data processing performed by others.  As a consequence the learning will be empowered to explore their own ideas about sports team performance, test them out using the data, and so become a producer of sports analytics rather than a consumer.

While the course materials have been developed using Python, code has also been produced to derive all of the results in R, for those who prefer that environment.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 1 из 5 в программе

Специализация Sports Performance Analytics

Прибл. 49 часов на выполнение

Английский

Субтитры: Английский

Преподаватели

Wenche Wang

Assistant Professor in Sport Management

School of Kinesiology

1 932 учащихся

1 курс

Stefan Szymanski

Stephen J. Galetti Professor of Sport Management

School of Kinesiology

2 107 учащихся

3 курса

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 1 из 5 в программе

Специализация Sports Performance Analytics

Прибл. 49 часов на выполнение

Английский

Субтитры: Английский

от партнера

Мичиганский университет

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future.

Программа курса: что вы изучите

Неделя

Неделя 1

10 ч. на завершение

Introduction to Sports Performance and Data

This week introduces a simple example of sports analytics in practice - the calculation of the Pythagorean expectation to model winning in team sports. This can also be used for the purposes of prediction. Examples are developed for five different sports leagues, 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).

10 ч. на завершение

8 видео ((всего 78 мин.)), 5 материалов для самостоятельного изучения, 1 тест

8 видео

Introduction to Foundations and Instructor Stefan Szymanski6мин

Faculty Introduction: Wenche Wang35

Pythagorean Expectation & Baseball Part 1 18мин

Pythagorean Expectation & Baseball Part 212мин

Pythagorean Expectation & the IPL12мин

Pythagorean Expectation & the NBA5мин

Pythagorean Expectation & English Football9мин

Pythagorean Expectation as a Predictor in the MLB13мин

5 материалов для самостоятельного изучения

Foundations of Sports Analytics Course Syllabus10мин

Help Us Learn More About You5мин

Assignment Overview10мин

Week 1 - Sample Notebook10мин

Week 1 R Content10мин

1 практическое упражнение

Week 1 Quiz30мин

Неделя

Неделя 2

9 ч. на завершение

Introduction to Data Sources

This week will use NBA data to introduce basic and important Python codes to conduct data cleaning and data preparation. This week also discusses summary and descriptive analyses with statistics and graphs to understand the distribution of data, the characteristics and pattern of variables as well as the relationship between two variables. At the end of this week, we will introduce correlation coefficients to summarize the linear relationship between two variables.

9 ч. на завершение

6 видео ((всего 67 мин.)), 6 материалов для самостоятельного изучения, 3 тестов

6 видео

Accessing Data in Python I13мин

Accessing Data in Python II11мин

Data Exploration10мин

Summary Statistics7мин

Неделя 3

8 ч. на завершение

Introduction to Sports Data and Plots in Python

This module introduces some ways of representing data using examples from MLB, the NBA and Indian Premier League. MLB data is used to analyze the spatial distribution of different hits. NBA data is used to generate heatmaps to illustrate the different ways in which players contribute. IPL data is used to show how team performances can be compared graphically.

8 ч. на завершение

4 видео ((всего 52 мин.)), 6 материалов для самостоятельного изучения, 2 тестов

4 видео

Data Representation: Cricket Pt. 111мин

Data Representation: Cricket Pt. 214мин

Data Representation: Baseball12мин

Data Representation: Basketball13мин

6 материалов для самостоятельного изучения

Assignment Overview10мин

Assignment Instructions - Part 110мин

Week 3 - Part 1 - Sample Notebooks10мин

Assignment Instructions - Part 210мин

Week 3 - Part 2 - Sample Notebook10мин

Week 3 R Content10мин

2 практических упражнения

Week 3 - Quiz 130мин

Week 3 - Quiz 230мин

Неделя

Неделя 4

7 ч. на завершение

Introduction to Sports Data and Regression Using Python

This week introduces the fundamentals of regression analysis. We will discuss how to perform regression analysis using Python and how to interpret regression output. We will use NHL data to estimate multiple regression models to identify the team level performance factors that affect the team's winning percentage. We will also use cricket data from the Indian Premier League to run regression analyses to examine whether player performance impacts player salary.

7 ч. на завершение

6 видео ((всего 55 мин.)), 6 материалов для самостоятельного изучения, 3 тестов

6 видео

Introduction to Regression Analysis 10мин

Interpreting Regression Results8мин

Неделя 5

7 ч. на завершение

More on Regressions

This module uses regression analysis to investigate the relationship between team salary spending and team performance in the NBA, NHL, EPL and IPL. The module explores different ways of defining the regression model, and how to interpret competing regression model results.

7 ч. на завершение

4 видео ((всего 54 мин.)), 4 материалов для самостоятельного изучения, 1 тест

4 видео

Using regression analysis - an example with NBA data14мин

Using regression analysis - an example with EPL data19мин

Using regression analysis - an example with MLB data9мин

Using regression analysis - an example with NHL data11мин

4 материала для самостоятельного изучения

Assignment Overview10мин

Assignment Instructions10мин

Week 5 - Sample Notebook10мин

Week 5 R Content10мин

1 практическое упражнение

Week 5 Quiz30мин

Неделя

Неделя 6

9 ч. на завершение

Is There a Hot Hand in Basketball?

This week studies an interesting topic in sport, the hot hand. We will introduce the concept of hot hand and discuss the academic research that examines whether the hot hand is a phenomenon or a fallacy. We will demonstrate how to analytically test the hot hand using the NBA shot log data. We will test whether NBA players have hot hand by computing conditional probabilities and autocorrelation coefficients as well as performing regression analyses.

9 ч. на завершение

8 видео ((всего 68 мин.)), 7 материалов для самостоятельного изучения, 3 тестов

8 видео

Hot Hand: Phenomenon or Fallacy?9мин

NBA Shot Log Data Preparation I 8мин

NBA Shot Log Data Preparation II6мин

Conditional Probability 7мин

Conditional and Unconditional Probabilities4мин

Autocorrelation10мин

Regression Analysis on Hot Hand I9мин

Regression Analysis on Hot Hand II11мин

7 материалов для самостоятельного изучения

Assignment Overview10мин

Assignment Instructions - Part 110мин

Assignment Instructions - Part 210мин

Assignment Instructions - Part 310мин

Week 6 - Sample Notebook10мин

Post-Course Survey5мин

Week 6 R Content10мин

3 практических упражнения

Week 6 - Quiz 130мин

Week 6 - Quiz 230мин

Week 6 - Quiz 330мин

Специализация Sports Performance Analytics: общие сведения

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.

Часто задаваемые вопросы

When will I have access to the lectures and assignments?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Получу ли я зачеты в университете за прохождение курса?
Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

Остались вопросы? Посетите Центр поддержки учащихся.

Foundations of Sports Analytics: Data, Representation, and Models in Sports

Об этом курсе