Dieser Kurs ist Teil der Spezialisierung Spezialisierung Sports Performance Analytics

4.7

Sterne

23 Bewertungen

Youngho Park +1 weiterer Dozent

3.052 bereits angemeldet

von

Spezialisierung Sports Performance AnalyticsUniversity of Michigan

Über diesen Kurs

8.600 kürzliche Aufrufe

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.

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 3 von 5 in

Spezialisierung Sports Performance Analytics

Ca. 33 Stunden zum Abschließen

Englisch

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 3 von 5 in

Spezialisierung Sports Performance Analytics

Ca. 33 Stunden zum Abschließen

Englisch

Dozenten

Youngho Park

Lecturer of Sport Management

School of Kinesiology

3.052 Lernende

1 Kurse

Stefan Szymanski

Stephen J. Galetti Professor of Sport Management

School of Kinesiology

13.765 Lernende

3 Kurse

von

University of Michigan

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

10 Stunden zum Abschließen

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 Stunden zum Abschließen

8 Videos (Gesamt 86 min), 8 Lektüren, 2 Quiz

8 Videos

Introduction to Prediction Models2m

Binary Outcome and Regression Part 18m

Binary Outcome and Regression Part 211m

Logistic Regression Part 111m

Logistic Regression Part 215m

Ordered Logistic Regression Part 16m

Ordered Logistic Regression Part 212m

Predictive Modeling - Basics of Forecasting16m

8 Lektüren

Prediction Models Course Syllabus10m

Help Us Learn More About You5m

Assignment Overview10m

Assignment Instructions - Part 110m

Week 1 - Part 1 - Sample Notebook10m

Assignment Instructions - Part 210m

Week 1 - Part 2 - Sample Notebook10m

Week 1 R Content10m

2 praktische Übungen

Week 1 - Quiz 130m

Week 1 - Quiz 230m

Woche

Woche 2

7 Stunden zum Abschließen

Week 2

7 Stunden zum Abschließen

6 Videos (Gesamt 89 min), 3 Lektüren, 1 Quiz

Woche

Woche 3

9 Stunden zum Abschließen

Week 3

9 Stunden zum Abschließen

7 Videos (Gesamt 93 min), 3 Lektüren, 1 Quiz

7 Videos

Forecasting EPL results: 1. Wages and Transfermarket Part 18m

Forecasting EPL results: 1. Wages and Transfermarket Part 212m

Forecasting EPL results: Within sample prediction Part 117m

Forecasting EPL results: Within sample prediction Part 211m

Forecasting EPL results: Out of sample forecasting Part 115m

Forecasting EPL results: Out of sample forecasting Part 214m

Forecasting EPL results: Forecasting the League Table14m

3 Lektüren

Assignment Overview10m

Week 3 - Sample Notebook10m

Week 3 R Content10m

1 praktische Übung

Week 3 Quiz30m

Woche

Woche 4

6 Stunden zum Abschließen

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 Stunden zum Abschließen

4 Videos (Gesamt 69 min), 4 Lektüren, 1 Quiz

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

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
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.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Prediction Models with Sports Data

Über diesen Kurs