University of Michigan

Moneyball et au-delà

Stefan Szymanski

Instructeur : Stefan Szymanski

3 762 déjà inscrits

Inclus dans le siteCoursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(50 avis)

niveau Intermédiaire

Expérience recommandée

28 heures pour terminer
3 semaines à 9 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(50 avis)

niveau Intermédiaire

Expérience recommandée

28 heures pour terminer
3 semaines à 9 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Programmez des données à l'aide de Python pour tester les affirmations qui se cachent derrière l'histoire de Moneyball.

  • Utilisez les statistiques pour effectuer vos propres analyses d'équipes et de joueurs.

Compétences que vous acquerrez

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

Détails à connaître

Obtenez un certificat professionnel

Ajouter à votre profil LinkedIn

Évaluations

15 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 5 modules dans ce cours

Dans ce module, nous présentons l'histoire de Moneyball et explorons la méthode utilisée pour tester cette histoire. Nous commençons le processus de reproduction du test Moneyball en établissant la relation entre la victoire de l'équipe et deux statistiques de performance - le pourcentage de base (OBP) et le pourcentage d'élongation (SLG).

Inclus

5 vidéos10 lectures3 devoirs2 laboratoires non notés

Dans ce module, nous estimons la relation entre les salaires des joueurs de MLB et leurs statistiques de performance, OBP (on base percentage) et SLG (slugging). Les résultats semblent confirmer l'histoire de Moneyball - le OBP était sous-évalué par rapport au SLG avant la publication de Moneyball, alors qu'après la publication, l'importance relative est inversée.

Inclus

6 vidéos8 lectures3 devoirs2 laboratoires non notés

Ce module met à jour l'analyse de Hakes & Sauer et estime les récompenses pour l'OBP et le SLG sur la période 1994 -2015. En outre, il montre comment les récompenses peuvent être liées aux composantes individuelles du SLG : les marches, les simples, les doubles, les triples et les home runs.

Inclus

6 vidéos9 lectures3 devoirs2 laboratoires non notés

Ce module présente le concept d'espérance de manche, montre comment dériver la matrice d'espérance de manche et le calcul des valeurs de manche sur la base d'un ensemble de données MLB de tous les événements de la saison 2018. Les valeurs des runs sont calculées par type d'événement (marches, simples, doubles, etc.) et par joueur.

Inclus

4 vidéos9 lectures3 devoirs2 laboratoires non notés

Ce module examine le concept de Wins Above Replacement (WAR) et montre comment calculer le WAR sur la base de la performance au bâton. La relation entre la valeur des runs, le pourcentage de victoire de l'équipe et les salaires des joueurs est ensuite étudiée. Il s'avère que les valeurs des runs ont un degré élevé de corrélation avec les victoires et les salaires. Les valeurs des runs peuvent, dans une certaine mesure, prédire le pourcentage de victoire.

Inclus

4 vidéos9 lectures3 devoirs2 laboratoires non notés

Instructeur

Évaluations de l’enseignant
4.7 (13 évaluations)
Stefan Szymanski
University of Michigan
3 Cours24 062 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 50

4.6

50 avis

  • 5 stars

    72 %

  • 4 stars

    24 %

  • 3 stars

    0 %

  • 2 stars

    0 %

  • 1 star

    4 %

AB
5

Révisé le 25 oct. 2023

MH
5

Révisé le 17 mars 2022

JB
5

Révisé le 25 août 2021

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