Python per l'analisi sportiva: Moneyball e Sabermetrics

Le squadre sportive professionistiche si affidano pesantemente ai dati per costruire rose vincenti e ottimizzare le prestazioni dei giocatori. Se hai mai desiderato andare dietro le quinte dell'analisi sportiva e replicare le famose metodologie "Moneyball", Python è lo strumento perfetto per iniziare il tuo percorso. In questo corso basato su testo, passerai da appassionato di sport ad analista sportivo basato sui dati. Imparerai a leggere, pulire e manipolare set di dati pubblici di baseball utilizzando le moderne librerie Python, permettendoti di calcolare metriche chiave di performance e trarre conclusioni oggettive sul valore dei giocatori. Cosa imparerai: - Comprendere i concetti fondamentali della sabermetrics e la storia del processo decisionale basato sui dati nello sport. - Scrivere codice Python per importare, pulire e strutturare set di dati sportivi pubblici utilizzando le moderne convenzioni di analisi dei dati. - Calcolare le metriche fondamentali del baseball come On-Base Percentage (OBP) e Slugging Percentage (SLG) per valutare le prestazioni dei giocatori. - Applicare modelli statistici per testare affermazioni storiche e valutare la correlazione tra le metriche della squadra e le percentuali di vittoria. - Analizzare l'evoluzione dell'analisi sportiva moderna oltre le formule di base di Moneyball, inclusi concetti avanzati di run expectancy e valutazione. Il corso inizia con la terminologia fondamentale dell'analisi sportiva e i concetti di base dei dati in Python, quindi ti guida passo dopo passo nella lettura e nell'analisi di set di dati reali di baseball. Ti eserciterai a scrivere codice Python pulito e moderno per risolvere problemi analitici realistici. Questo corso è progettato per principianti appassionati di sport che desiderano imparare la programmazione Python, senza alcuna esperienza di codifica o statistica avanzata richiesta. Inizia oggi il tuo viaggio nell'entusiasmante mondo della data science sportiva.