Dieser Kurs ist Teil der Spezialisierung Spezialisierung Sports Performance Analytics

4.7
Sterne
17 Bewertungen

Wenche Wang +1 weiterer Dozent

3.524 bereits angemeldet

von

Spezialisierung Sports Performance AnalyticsUniversity of Michigan

Über diesen Kurs

72.775 kürzliche Aufrufe

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.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 5 in

Spezialisierung Sports Performance Analytics

Ca. 49 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Dozenten

Wenche Wang

Assistant Professor in Sport Management

School of Kinesiology

3.524 Kursteilnehmer

1 Kurse

Stefan Szymanski

Stephen J. Galetti Professor of Sport Management

School of Kinesiology

3.796 Kursteilnehmer

3 Kurse

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 5 in

Spezialisierung Sports Performance Analytics

Ca. 49 Stunden zum Abschließen

Englisch

Untertitel: Englisch

von

University of Michigan

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.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

10 Stunden zum Abschließen

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 Stunden zum Abschließen

8 Videos (Gesamt 78 min), 6 Lektüren, 1 Quiz

8 Videos

Introduction to Foundations and Instructor Stefan Szymanski6m

Faculty Introduction: Wenche Wang35

Pythagorean Expectation & Baseball Part 1 18m

Pythagorean Expectation & Baseball Part 212m

Pythagorean Expectation & the IPL12m

Pythagorean Expectation & the NBA5m

Pythagorean Expectation & English Football9m

Pythagorean Expectation as a Predictor in the MLB13m

6 Lektüren

Foundations of Sports Analytics Course Syllabus10m

Help Us Learn More About You5m

A Note on Notebooks10m

Assignment Overview10m

Week 1 - Sample Notebook10m

Week 1 R Content10m

1 praktische Übung

Week 1 Quiz30m

Woche

Woche 2

9 Stunden zum Abschließen

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 Stunden zum Abschließen

6 Videos (Gesamt 67 min), 6 Lektüren, 3 Quiz

6 Videos

Accessing Data in Python I13m

Accessing Data in Python II11m

Data Exploration10m

Summary Statistics7m

Woche 3

8 Stunden zum Abschließen

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 Stunden zum Abschließen

4 Videos (Gesamt 52 min), 6 Lektüren, 2 Quiz

4 Videos

Data Representation: Cricket Pt. 111m

Data Representation: Cricket Pt. 214m

Data Representation: Baseball12m

Data Representation: Basketball13m

6 Lektüren

Assignment Overview10m

Assignment Instructions - Part 110m

Week 3 - Part 1 - Sample Notebooks10m

Assignment Instructions - Part 210m

Week 3 - Part 2 - Sample Notebook10m

Week 3 R Content10m

2 praktische Übungen

Week 3 - Quiz 130m

Week 3 - Quiz 230m

Woche

Woche 4

7 Stunden zum Abschließen

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 Stunden zum Abschließen

6 Videos (Gesamt 55 min), 6 Lektüren, 3 Quiz

6 Videos

Introduction to Regression Analysis 10m

Interpreting Regression Results8m

Bewertungen

4.7

5 Bewertungen

5 stars
78,26 %
4 stars
21,73 %

Top-Bewertungen von FOUNDATIONS OF SPORTS ANALYTICS: DATA, REPRESENTATION, AND MODELS IN SPORTS

von KJ5. Juli 2021

Best course to interact with data representation programming and libraries, especially for the great sports fan.

Alle Bewertungen anzeigen

Über den Spezialisierung 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.

Häufig gestellte Fragen

When will I have access to the lectures and assignments?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..

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

Über diesen Kurs