中在本课程中，学生将使用 python scikit learn (sklearn) 工具包和真实世界的体育数据探索有监督的机器学习技术，以了解机器学习算法和如何预测体育比赛结果。在本专业前几门课程的基础上，学生将应用支持向量机 (SVM)、决策树、随机森林、线性和逻辑回归以及学习者集合等方法，检查来自 NHL 和 MLB 等职业体育联盟以及 Apple Watch 和惯性测量单元 (IMU) 等可穿戴设备的数据。课程结束时，学生将广泛了解如何使用分类和回归技术对体育活动和赛事进行体育分析。
体育分析中的机器学习入门
您将学到什么
了解如何利用分类和回归技术对体育活动和赛事进行体育分析。
您将获得的技能
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
4 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 运动表现分析 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
本周将介绍机器学习的概念，并描述其在体育分析中的四大应用领域。还将讨论机器学习管道，以及在体育分析中使用机器学习时遇到的一些常见问题。
涵盖的内容
7个视频3篇阅读材料1个作业1个非评分实验室
在本周中，学生们将学习支持向量机 (SVM) 的工作原理，并在研究棒球数据和可穿戴数据时体验这些模型。通过本周的学习，学生们将获得利用真实数据构建 SVM 的经验，并能将其应用到自己的问题中。
涵盖的内容
4个视频2篇阅读材料1个作业
本周的重点是机器学习的可解释方法，尤其是决策树。学生将学习这些模型的一般工作原理，并了解决策树与回归方法相结合的特殊用途。通过本周的学习，学生将更好地了解如何使用 python sklearn 工具包来完成各种监督学习任务。
涵盖的内容
4个视频2篇阅读材料1个作业
在本周的课程中，学生们将学习如何通过集合使用多种不同的模型，包括常用的随机森林方法，以及 sklearn 中更多的通用方法，如堆叠和装袋。到本周结束时，学生将广泛了解 SVM、决策树和逻辑回归等方法如何一起使用，以提高解决问题的性能。
涵盖的内容
5个视频3篇阅读材料1个作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
5.0 (6个评价)
15 门课程932,963 名学生
从 数据分析 浏览更多内容
状态：免费试用University of Michigan
状态：免费试用University of Michigan
状态：免费试用University of Michigan
状态：免费试用The State University of New York
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.7
27 条评论
- 5 stars
81.48%
- 4 stars
11.11%
- 3 stars
3.70%
- 2 stars
3.70%
- 1 star
0%
显示 3/27 个
LR
5
已于 Oct 24, 2022审阅
Very hands-on course, I could understand all techniques available to model sports.
AM
5
已于 May 6, 2023审阅
Well-structured notebook, resourceful, applicable to real-world projects, clear and entertaining teaching. Highly satisfied. One of the best modules in the entire specialization.
WV
5
已于 Apr 11, 2024审阅
What an awesome course, interesting, challenging, gives new perspective and useful insights
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，