Python para Análise de Esportes: Moneyball e Sabermetrics

Equipes de esportes profissionais dependem muito de dados para construir listas vencedoras e otimizar o desempenho dos jogadores.Se você já quis ir nos bastidores da análise de esporte e replicar as famosas metodologias "Moneyball", Python é a ferramenta perfeita para começar sua jornada. Neste curso baseado em texto, você fará a transição de um entusiasta de esportes para um analista de esporte orientado a dados.Você aprenderá a ler, limpar e manipular conjuntos de dados públicos de beisebol usando bibliotecas Python modernas, permitindo que você calcule as principais métricas de desempenho e tire conclusões objetivas sobre o valor do jogador. O que você vai aprender: - Entenda os conceitos fundamentais da sabermetria e a história da tomada de decisões baseadas em dados no esporte. - Escreva código Python para importar, limpar e estruturar conjuntos de dados de esportes públicos usando convenções modernas de análise de dados. - Calcular métricas de basebol como On-Base Percentagem (OBP) e Slugging Percent (SLG) para avaliar o desempenho do jogador. - Aplique modelos estatísticos para testar reivindicações históricas e avaliar a correlação entre métricas de equipe e porcentagens de vitórias. - Analise a evolução da análise de esportes moderna além das fórmulas básicas do Moneyball, incluindo a expectativa de corrida avançada e os conceitos de avaliação. O curso começa com a terminologia de análise de esportes fundamentais e conceitos básicos de dados Python, em seguida, orienta você através da leitura e análise de conjuntos de informações do mundo real de beisebol passo a passo. Este curso é projetado para iniciantes que são apaixonados por esportes e querem aprender programação Python, sem codificação prévia ou experiência estatística avançada necessária. Comece sua jornada no emocionante mundo da ciência de dados esportivos hoje.