
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
بیسبال تنها ورزشی نیست که از «مانیبال» استفاده میکند. طرفداران فوتبال آمریکایی، تیمها و شرطبندان هم هر روز بیشتر از داده استفاده میکنند تا نسبت به رقبا برتری پیدا کنند. تیمهای حرفهای و دانشگاهی با کمک داده بازیکن انتخاب میکنند و نیازهای تیم را میشناسند. طرفداران هم با داده، انتخابها و استراتژیهای تیم فانتزیشان را هدایت میکنند. شرطبندان ورزشی و بازیکنان فانتزی فوتبال هم از داده برای تصمیمگیری بهتر بهره میگیرند. این کتاب کوتاه و مفید، مقدمهای روشن برای استفاده از مدلهای آماری در تحلیل دادههای فوتبال آمریکایی است. هدفتان ساختن یک تیم برنده باشد، تسلط بر لیگ فانتزی فوتبال، رسیدن به یک شغل سطح ابتدایی در تحلیل فوتبال، یا فقط یادگیری آر و پایتون با مثالهای سرگرمکننده — در هر صورت، این کتاب نقطه شروع شماست. یاد میگیرید چطور: مفاهیم پایه آماری را روی مجموعهدادههای فوتبال بهکار ببرید؛ دادههای فوتبال را با روشهای کمی توصیف کنید؛ گردشکارهای کارآمدی بسازید که نتایج تکرارپذیر بدهند؛ مهارتهای علم داده مثل وباسکرپینگ، دستکاری داده و رسم نمودار را بهکار بگیرید؛ مدلهای آماری را روی دادههای فوتبال پیاده کنید؛ خلاصههای داده و خروجی مدلها را با ابزارهایی مثل آر مارکداون و آر شاینی به گزارش یا ارائه تبدیل کنید؛ و خیلی چیزهای دیگر.
"Baseball is not the only sport to use ""moneyball."" American football fans, teams, and gamblers are increasingly using data to gain an edge against the competition. Professional and college teams use data to help select players and identify team needs. Fans use data to guide fantasy team picks and strategies. Sports bettors and fantasy football players are using data to help inform decision making. This concise book provides a clear introduction to using statistical models to analyze football data. Whether your goal is to produce a winning team, dominate your fantasy football league, qualify for an entry-level football analyst position, or simply learn R and Python using fun example cases, this book is your starting place. You'll learn how to: Apply basic statistical concepts to football datasets Describe football data with quantitative methods Create efficient workflows that offer reproducible results Use data science skills such as web scraping, manipulating data, and plotting data Implement statistical models for football data Link data summaries and model outputs to create reports or presentations using tools such as R Markdown and R Shiny And more".