University of Michigan
Modèles de prédiction avec des données sportives
University of Michigan

Modèles de prédiction avec des données sportives

Youngho Park
Stefan Szymanski

Instructeurs : Youngho Park

5 701 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.5

(36 avis)

niveau Intermédiaire

Expérience recommandée

33 heures pour terminer
3 semaines à 11 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.5

(36 avis)

niveau Intermédiaire

Expérience recommandée

33 heures pour terminer
3 semaines à 11 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Apprenez à générer des prévisions de résultats de matchs de sports professionnels à l'aide de Python.

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

5 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

Ce module présente les modèles de régression dans le traitement des variables de résultats catégoriels dans les compétitions sportives (c'est-à-dire, victoire, match nul, défaite). Il explique le modèle de probabilité linéaire (MPL) en termes de fondements théoriques, d'applications informatiques et de limites empiriques. Ensuite, le module présente et démontre que la régression logistique est un meilleur substitut au MPL pour les variables dépendantes catégorielles.

Inclus

8 vidéos8 lectures2 devoirs6 laboratoires non notés

Ce module explore la relation entre les probabilités et les marchés de paris. Il explique le concept de cotes et la relation entre les cotes et les probabilités. Il développe ensuite une mesure de l'exactitude des cotes de paris à l'aide d'exemples sportifs et évalue la signification de l'efficacité sur les marchés de paris.

Inclus

6 vidéos3 lectures1 devoir5 laboratoires non notés

Ce module montre comment prévoir les résultats des matchs de football de l'EPL à l'aide d'un modèle logit ordonné et d'informations publiquement disponibles. Il évalue la précision de ces prévisions par rapport aux cotes des paris et montre qu'elles sont remarquablement précises.

Inclus

7 vidéos3 lectures1 devoir6 laboratoires non notés

Ce module évalue l'efficacité du modèle de prévision de l'EPL abordé la semaine précédente en reproduisant le modèle dans le contexte de trois ligues de sports d'équipe nord-américaines (c'est-à-dire la NHL, la NBA et la MLB). Plus précisément, ce module montre comment prévoir les résultats des matchs de la saison régulière de la NHL, de la NBA et de la MLB à l'aide d'un modèle logit ordonné et d'informations accessibles au public. Il évalue la précision de ces prévisions par rapport aux cotes des paris.

Inclus

4 vidéos4 lectures1 devoir4 laboratoires non notés

Dans ce module, nous examinons les conséquences historiques et sociales des jeux d'argent, ainsi que la relation entre les jeux d'argent et les statistiques. Les jeux d'argent sont étudiés du point de vue de différents systèmes éthiques et religieux. Les problèmes liés au jeu excessif sont étudiés et évalués

Inclus

7 vidéos1 lecture

Instructeurs

Youngho Park
University of Michigan
1 Cours5 701 apprenants
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 36

4.5

36 avis

  • 5 stars

    75,67 %

  • 4 stars

    10,81 %

  • 3 stars

    8,10 %

  • 2 stars

    0 %

  • 1 star

    5,40 %

WV
5

Révisé le 11 avr. 2024

BB
4

Révisé le 10 juil. 2023

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