「Python」を編集中
最新版 | 編集中の文章 | ||
325行目: | 325行目: | ||
Pythonを使ってデータをプログラミングする方法を示したり、マネーボールのストーリーの背景にある主張を検証したり、マネーボールの統計の進化を調べたりすることが可能である。公開されているデータセットから野球のパフォーマンス統計を計算するプロセスを案内される。実行期待値マトリックスを使用して導出された、より高度な測定値(Wins Over Replace([[WAR (野球)|WAR]])など)に進む。これらの統計を使用して、独自のチームおよびプレーヤーの分析を行うことができるようになる<ref name=":4">{{Cite web |title=Moneyball and Beyond |url=https://www.coursera.org/learn/moneyball-and-beyond?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref><ref name=":3">{{Cite web |title=Prediction Models with Sports Data |url=https://www.coursera.org/learn/prediction-models-sports-data?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。 |
Pythonを使ってデータをプログラミングする方法を示したり、マネーボールのストーリーの背景にある主張を検証したり、マネーボールの統計の進化を調べたりすることが可能である。公開されているデータセットから野球のパフォーマンス統計を計算するプロセスを案内される。実行期待値マトリックスを使用して導出された、より高度な測定値(Wins Over Replace([[WAR (野球)|WAR]])など)に進む。これらの統計を使用して、独自のチームおよびプレーヤーの分析を行うことができるようになる<ref name=":4">{{Cite web |title=Moneyball and Beyond |url=https://www.coursera.org/learn/moneyball-and-beyond?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref><ref name=":3">{{Cite web |title=Prediction Models with Sports Data |url=https://www.coursera.org/learn/prediction-models-sports-data?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。 |
||
Pythonを使用してプロスポーツの試合結果の予測を生成する方法の主な重点は、チームの支出に関するデータを使用して、ゲームの結果をモデル化する方法として[[ロジスティック回帰]]の方法を教えることである。過去の結果をモデル化し、そのモデルを使用して、まだプレイされていない結果のゲームを予測するプロセスを実行する。ベッティングオッズのデータを使用してモデルの信頼性を評価する方法をオーナーに示す。分析は最初に英国プレミアリーグに適用され、次にNBAとNHLに適用される。データ分析とギャンブルの関係、その歴史、および個人的なリスクを含むスポーツベッティングに関連して発生する社会的問題の概要も説明する。マネーボールは、データ分析を使用してチームの勝率を高めることができることを示すことにより、プロスポーツのパフォーマンス統計の分析に |
Pythonを使用してプロスポーツの試合結果の予測を生成する方法の主な重点は、チームの支出に関するデータを使用して、ゲームの結果をモデル化する方法として[[ロジスティック回帰]]の方法を教えることである。過去の結果をモデル化し、そのモデルを使用して、まだプレイされていない結果のゲームを予測するプロセスを実行する。ベッティングオッズのデータを使用してモデルの信頼性を評価する方法をオーナーに示す。分析は最初に英国プレミアリーグに適用され、次にNBAとNHLに適用される。データ分析とギャンブルの関係、その歴史、および個人的なリスクを含むスポーツベッティングに関連して発生する社会的問題の概要も説明する。マネーボールは、データ分析を使用してチームの勝率を高めることができることを示すことにより、プロスポーツのパフォーマンス統計の分析に革命を引き起こした<ref name=":4">{{Cite web |title=Moneyball and Beyond |url=https://www.coursera.org/learn/moneyball-and-beyond?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref><ref name=":3">{{Cite web |title=Prediction Models with Sports Data |url=https://www.coursera.org/learn/prediction-models-sports-data?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。
|
||
Pythonを使用してデータをプログラムし、マネーボールのストーリーの背後にある主張をテストし、マネーボール統計の進化を調べる方法を示し、公開されているデータセットから野球のパフォーマンス統計を計算するプロセスができる<ref name=":4">{{Cite web |title=Moneyball and Beyond |url=https://www.coursera.org/learn/moneyball-and-beyond?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref><ref name=":3">{{Cite web |title=Prediction Models with Sports Data |url=https://www.coursera.org/learn/prediction-models-sports-data?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。スポーツ分析には、トレーニングと競技の両方の取り組みを定量化するアスリートとチームからの大量のPythonデータセットが含まれるようになった。ウェアラブルテクノロジーデバイスは、アスリートが毎日着用しており、シーズン全体にわたるアスリートのストレスと回復を詳細に調べるためのかなりの機会を提供する。これらの大規模なデータセットのキャプチャは、怪我の予防に関する新しい仮説と戦略、およびトレーニングと回復を最適化するためのアスリートへの詳細なフィードバックにつながった。Pythonでのプログラミングを使用して、トレーニング、回復、パフォーマンスに関連する概念を調査することもできる<ref>{{Cite web |title=Wearable Technologies and Sports Analytics |url=https://www.coursera.org/learn/wearable-technologies?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。 |
Pythonを使用してデータをプログラムし、マネーボールのストーリーの背後にある主張をテストし、マネーボール統計の進化を調べる方法を示し、公開されているデータセットから野球のパフォーマンス統計を計算するプロセスができる<ref name=":4">{{Cite web |title=Moneyball and Beyond |url=https://www.coursera.org/learn/moneyball-and-beyond?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref><ref name=":3">{{Cite web |title=Prediction Models with Sports Data |url=https://www.coursera.org/learn/prediction-models-sports-data?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。スポーツ分析には、トレーニングと競技の両方の取り組みを定量化するアスリートとチームからの大量のPythonデータセットが含まれるようになった。ウェアラブルテクノロジーデバイスは、アスリートが毎日着用しており、シーズン全体にわたるアスリートのストレスと回復を詳細に調べるためのかなりの機会を提供する。これらの大規模なデータセットのキャプチャは、怪我の予防に関する新しい仮説と戦略、およびトレーニングと回復を最適化するためのアスリートへの詳細なフィードバックにつながった。Pythonでのプログラミングを使用して、トレーニング、回復、パフォーマンスに関連する概念を調査することもできる<ref>{{Cite web |title=Wearable Technologies and Sports Analytics |url=https://www.coursera.org/learn/wearable-technologies?specialization=sports-analytics |website=Coursera |accessdate=2022-02-02 |language=ja}}</ref>。 |