University of Michigan
Fondements de l'analyse sportive : Données, représentation et modèles dans le sport
University of Michigan

Fondements de l'analyse sportive : Données, représentation et modèles dans le sport

Wenche Wang
Stefan Szymanski

Instructeurs : Wenche Wang

21 567 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(179 avis)

niveau Intermédiaire

Expérience recommandée

49 heures pour terminer
3 semaines à 16 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(179 avis)

niveau Intermédiaire

Expérience recommandée

49 heures pour terminer
3 semaines à 16 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Utilisez Python pour analyser les performances d'une équipe sportive.

  • Devenez un producteur d'analyses sportives plutôt qu'un consommateur.

Compétences que vous acquerrez

  • Catégorie : Analyse des Données
  • Catégorie : Programmation en Python
  • Catégorie : analyse du sport

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

13 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Analyse des performances sportives
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 6 modules dans ce cours

Cette semaine présente un exemple simple d'analyse sportive en pratique - le calcul de l'espérance pythagoricienne pour modéliser la victoire dans les sports d'équipe. Ce calcul peut également être utilisé à des fins de prédiction. Des exemples sont développés pour cinq ligues sportives différentes, la Major League Baseball (MLB), la National Basketball Association (NBA), la National Hockey League (NHL), l'English Premier League (EPL-soccer) et l'Indian Premier League (IPL-cricket).

Inclus

8 vidéos6 lectures1 devoir7 laboratoires non notés

Cette semaine, nous utiliserons les données NBA pour présenter les codes Python de base et importants afin de procéder au nettoyage et à la préparation des données. Cette semaine aborde également les analyses sommaires et descriptives à l'aide de statistiques et de graphiques afin de comprendre la distribution des données, les caractéristiques et la structure des variables ainsi que la relation entre deux variables. À la fin de cette semaine, nous introduirons les coefficients de corrélation pour résumer la relation linéaire entre deux variables.

Inclus

6 vidéos6 lectures3 devoirs5 laboratoires non notés

Ce module présente quelques méthodes de représentation des données à l'aide d'exemples tirés de la MLB, de la NBA et de l'Indian Premier League. Les données de la MLB sont utilisées pour analyser la distribution spatiale des différents coups. Les données de la NBA sont utilisées pour générer des cartes thermiques afin d'illustrer les différentes façons dont les joueurs contribuent. Les données de l'IPL sont utilisées pour montrer comment les performances des équipes peuvent être comparées graphiquement.

Inclus

4 vidéos6 lectures2 devoirs5 laboratoires non notés

Cette semaine présente les principes fondamentaux de l'analyse de régression. Nous verrons comment effectuer une analyse de régression à l'aide de Python et comment interpréter les résultats de la régression. Nous utiliserons les données de la NHL pour estimer des modèles de régression multiple afin d'identifier les facteurs de performance au niveau de l'équipe qui affectent le pourcentage de victoire de l'équipe. Nous utiliserons également des données de cricket de l'Indian Premier League pour effectuer des analyses de régression afin d'examiner si les performances des joueurs ont un impact sur leur salaire.

Inclus

6 vidéos6 lectures3 devoirs4 laboratoires non notés

Ce module utilise l'analyse de régression pour étudier la relation entre les dépenses salariales des équipes et les performances des équipes en NBA, NHL, EPL et IPL. Le module explore différentes manières de définir le modèle de régression et d'interpréter les résultats de modèles de régression concurrents.

Inclus

4 vidéos4 lectures1 devoir5 laboratoires non notés

Cette semaine, nous étudions un sujet intéressant dans le domaine du sport, la main chaude. Nous présenterons le concept de hot hand et discuterons de la recherche universitaire qui examine si le hot hand est un phénomène ou une erreur. Nous montrerons comment tester analytiquement la main chaude à l'aide des données du journal des tirs de la NBA. Nous testerons si les joueurs de la NBA ont la main chaude en calculant les probabilités conditionnelles et les coefficients d'autocorrélation, ainsi qu'en effectuant des analyses de régression.

Inclus

8 vidéos7 lectures3 devoirs5 laboratoires non notés

Instructeurs

Évaluations de l’enseignant
4.4 (54 évaluations)
Wenche Wang
University of Michigan
1 Cours21 567 apprenants
Stefan Szymanski
University of Michigan
3 Cours24 271 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Analyse des Données

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 179

4.4

179 avis

  • 5 stars

    65 %

  • 4 stars

    24,44 %

  • 3 stars

    4,44 %

  • 2 stars

    2,77 %

  • 1 star

    3,33 %

KY
5

Révisé le 26 août 2021

KJ
5

Révisé le 5 juil. 2021

KN
5

Révisé le 13 oct. 2024

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions