University of Michigan

Vorhersagemodelle mit Sportdaten

Dieser Kurs ist Teil von Spezialisierung Sportliche Leistungsanalyse

Unterrichtet auf Englisch

Einige Inhalte können nicht übersetzt werden

Youngho Park
Stefan Szymanski

Dozenten: Youngho Park

5.513 bereits angemeldet

Bei Coursera Plus enthalten

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.5

(36 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

33 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Lernen Sie, wie Sie mit Python Vorhersagen für Spielergebnisse im Profisport erstellen können.

Kompetenzen, die Sie erwerben

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

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

5 Quizzes

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.5

(36 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

33 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

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 5 Module

Dieses Modul stellt die Regressionsmodelle im Umgang mit kategorischen Ergebnisvariablen in Sportwettbewerben (d.h. Sieg, Unentschieden, Niederlage) vor. Es erklärt das Lineare Wahrscheinlichkeitsmodell (LPM) im Hinblick auf seine theoretischen Grundlagen, rechnerischen Anwendungen und empirischen Grenzen. Anschließend wird die logistische Regression als besserer Ersatz des LPM für kategoriale abhängige Variablen vorgestellt und demonstriert.

Das ist alles enthalten

8 Videos8 Lektüren2 Quizzes6 Unbewertete Labore

Dieses Modul erforscht die Beziehung zwischen Wahrscheinlichkeit und Wettmärkten. Es erklärt das Konzept der Quoten und die Beziehung zwischen Wettquoten und Wahrscheinlichkeiten. Anschließend wird anhand von Sportbeispielen ein Maß für die Genauigkeit von Wettquoten entwickelt und die Bedeutung von Effizienz auf Wettmärkten bewertet.

Das ist alles enthalten

6 Videos3 Lektüren1 Quiz5 Unbewertete Labore

Dieses Modul zeigt, wie man den Ausgang von EPL-Fußballspielen mithilfe eines geordneten Logit-Modells und öffentlich zugänglicher Informationen vorhersagen kann. Es bewertet die Genauigkeit dieser Prognosen im Vergleich zu den Wettquoten und zeigt, dass sie bemerkenswert genau sind.

Das ist alles enthalten

7 Videos3 Lektüren1 Quiz6 Unbewertete Labore

In diesem Modul wird die Wirksamkeit des in der Vorwoche behandelten EPL-Prognosemodells bewertet, indem das Modell auf drei nordamerikanische Mannschaftssportligen (NHL, NBA, MLB) übertragen wird. Konkret zeigt dieses Modul, wie man den Ausgang von Spielen der regulären Saison in der NHL, NBA und MLB mit Hilfe eines geordneten Logit-Modells und öffentlich verfügbaren Informationen vorhersagen kann. Es bewertet die Genauigkeit dieser Prognosen anhand der Wettquoten.

Das ist alles enthalten

4 Videos4 Lektüren1 Quiz4 Unbewertete Labore

In diesem Modul untersuchen wir die historischen und sozialen Folgen des Glücksspiels und die Beziehung zwischen Glücksspiel und Statistik. Das Glücksspiel wird aus der Perspektive verschiedener ethischer und religiöser Systeme untersucht. Fragen des problematischen Glücksspiels werden erforscht und bewertet

Das ist alles enthalten

7 Videos1 Lektüre

Dozenten

Youngho Park
University of Michigan
1 Kurs5.513 Lernende
Stefan Szymanski
University of Michigan
3 Kurse23.313 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

Zeigt 3 von 36

4.5

36 Bewertungen

  • 5 stars

    75,67 %

  • 4 stars

    10,81 %

  • 3 stars

    8,10 %

  • 2 stars

    0 %

  • 1 star

    5,40 %

BB
4

Geprüft am 10. Juli 2023

WV
5

Geprüft am 11. Apr. 2024

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – 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