University of Michigan
Grundlagen der Sportanalyse: Daten, Repräsentation und Modelle im Sport
University of Michigan

Grundlagen der Sportanalyse: Daten, Repräsentation und Modelle im Sport

Wenche Wang
Stefan Szymanski

Dozenten: Wenche Wang

21.941 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5

(182 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 49 Stunden
In Ihrem eigenen Lerntempo lernen
92%
Den meisten Lernenden hat dieser Kurs gefallen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5

(182 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 49 Stunden
In Ihrem eigenen Lerntempo lernen
92%
Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

  • Analysieren Sie mit Python die Mannschaftsleistung im Sport.

  • Werden Sie zum Produzenten von Sportanalysen, statt zum Konsumenten.

Kompetenzen, die Sie erwerben

  • Kategorie: Datenanalyse
  • Kategorie: Python-Programmierung
  • Kategorie: sportanalytik

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

13 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Sportliche Leistungsanalyse
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 6 Module

Diese Woche stellen wir Ihnen ein einfaches Beispiel für die Sportanalyse in der Praxis vor - die Berechnung der pythagoräischen Erwartung zur Modellierung von Gewinnen in Mannschaftssportarten. Dies kann auch für Vorhersagen verwendet werden. Es werden Beispiele für fünf verschiedene Sportligen entwickelt: Major League Baseball (MLB), die National Basketball Association (NBA), die National Hockey League (NHL), die English Premier League (EPL-Fußball) und die Indian Premier League (IPL-Kricket).

Das ist alles enthalten

8 Videos6 Lektüren1 Aufgabe7 Unbewertete Labore

In dieser Woche werden anhand von NBA-Daten grundlegende und wichtige Python-Codes zur Datenbereinigung und Datenaufbereitung vorgestellt. In dieser Woche werden auch zusammenfassende und deskriptive Analysen mit Statistiken und Diagrammen besprochen, um die Verteilung der Daten, die Merkmale und Muster der Variablen sowie die Beziehung zwischen zwei Variablen zu verstehen. Am Ende dieser Woche werden wir Korrelationskoeffizienten einführen, um die lineare Beziehung zwischen zwei Variablen zusammenzufassen.

Das ist alles enthalten

6 Videos6 Lektüren3 Aufgaben5 Unbewertete Labore

In diesem Modul werden einige Möglichkeiten der Datendarstellung anhand von Beispielen aus der MLB, der NBA und der Indian Premier League vorgestellt. Die MLB-Daten werden verwendet, um die räumliche Verteilung der verschiedenen Treffer zu analysieren. NBA-Daten werden verwendet, um Heatmaps zu erstellen, die die verschiedenen Beiträge der Spieler veranschaulichen. IPL-Daten werden verwendet, um zu zeigen, wie Teamleistungen grafisch verglichen werden können.

Das ist alles enthalten

4 Videos6 Lektüren2 Aufgaben5 Unbewertete Labore

In dieser Woche lernen Sie die Grundlagen der Regressionsanalyse kennen. Wir werden besprechen, wie man mit Python eine Regressionsanalyse durchführt und wie man die Regressionsergebnisse interpretiert. Anhand von NHL-Daten werden wir multiple Regressionsmodelle schätzen, um die Leistungsfaktoren auf Teamebene zu ermitteln, die sich auf die Gewinnquote des Teams auswirken. Außerdem werden wir anhand von Cricket-Daten aus der Indian Premier League Regressionsanalysen durchführen, um zu untersuchen, ob sich die Leistung der Spieler auf das Gehalt der Spieler auswirkt.

Das ist alles enthalten

6 Videos6 Lektüren3 Aufgaben4 Unbewertete Labore

In diesem Modul wird die Regressionsanalyse verwendet, um die Beziehung zwischen den Gehaltsausgaben der Teams und der Teamleistung in der NBA, NHL, EPL und IPL zu untersuchen. Das Modul untersucht verschiedene Möglichkeiten, das Regressionsmodell zu definieren, und wie man die Ergebnisse konkurrierender Regressionsmodelle interpretiert.

Das ist alles enthalten

4 Videos4 Lektüren1 Aufgabe5 Unbewertete Labore

Diese Woche beschäftigen wir uns mit einem interessanten Thema im Sport, der heißen Hand. Wir werden das Konzept der heißen Hand vorstellen und die akademische Forschung diskutieren, die untersucht, ob die heiße Hand ein Phänomen oder ein Trugschluss ist. Wir werden demonstrieren, wie man die Hot Hand analytisch testen kann, indem wir die NBA Shot Log-Daten verwenden. Wir werden testen, ob NBA-Spieler eine "Hot Hand" haben, indem wir bedingte Wahrscheinlichkeiten und Autokorrelationskoeffizienten berechnen und Regressionsanalysen durchführen.

Das ist alles enthalten

8 Videos7 Lektüren3 Aufgaben5 Unbewertete Labore

Dozenten

Lehrkraftbewertungen
4.4 (55 Bewertungen)
Wenche Wang
University of Michigan
1 Kurs21.941 Lernende
Stefan Szymanski
University of Michigan
3 Kurse24.694 Lernende

von

Empfohlen, wenn Sie sich für Datenanalyse interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.5

182 Bewertungen

  • 5 stars

    65,02 %

  • 4 stars

    24,59 %

  • 3 stars

    4,37 %

  • 2 stars

    2,73 %

  • 1 star

    3,27 %

Zeigt 3 von 182 an

KY
5

Geprüft am 26. Aug. 2021

MH
5

Geprüft am 7. März 2022

KN
5

Geprüft am 13. Okt. 2024

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen