Moneyball 一书表明,数据分析可用于提高球队胜率,从而引发了职业体育成绩统计分析的一场革命。本课程展示了如何使用 Python 进行数据编程,以测试 Moneyball 故事背后的主张,并研究 Moneyball 统计数据自该书出版以来的演变。课程将引导学员通过公开数据集计算棒球表现统计数据。课程从分析上垒率和投球命中率开始,到使用预期跑数矩阵得出的更高级的衡量标准,如高于替补胜场数(WAR)。课程结束时,学员将能够使用这些统计数据对自己的球队和球员进行分析。
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
- 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5个模块
在本模块中,我们将介绍 "金钱球 "的故事,并探讨用于检验该故事的方法。我们首先通过建立球队胜率与两项成绩统计--上垒率(OBP)和击球率(SLG)--之间的关系来复制 "金钱球 "测试。
涵盖的内容
5个视频10篇阅读材料3个作业2个非评分实验室
在本模块中,我们估算了 MLB 球员的薪水与其表现统计数据 OBP(上垒率)和 SLG(击球率)之间的关系。结果似乎证实了 Moneyball 的说法--在 Moneyball 出版之前,OBP 相对于 SLG 被低估,而在 Moneyball 出版之后,两者的相对重要性发生了逆转。
涵盖的内容
6个视频8篇阅读材料3个作业2个非评分实验室
本模块更新了 Hakes & Sauer 的分析,并估算了 1994 -2015 年间 OBP 和 SLG 的回报。此外,它还展示了奖励如何与 SLG 的各个组成部分相关:保送、一垒安打、二垒安打、三垒安打和本垒打。
涵盖的内容
6个视频9篇阅读材料3个作业2个非评分实验室
本模块介绍了跑分期望值的概念,展示了如何根据 2018 赛季所有赛事的 MLB 数据集推导出跑分期望值矩阵和计算跑分值。跑分值按事件类型(保送、单打、双打等)和球员计算。
涵盖的内容
4个视频9篇阅读材料3个作业2个非评分实验室
本模块探讨了 "替补以上胜场"(WAR)的概念,并介绍了如何根据击球表现计算 WAR。然后探讨比赛跑分值、球队胜率和球员薪资之间的关系。结果表明,跑分值与胜率和薪金有高度相关性。跑分值可以在一定程度上预测胜率。
涵盖的内容
4个视频9篇阅读材料3个作业2个非评分实验室
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

从 数据分析 浏览更多内容
- 状态:预览
University of Houston
- 状态:免费试用
University of Colorado Boulder
- 状态:免费试用
University of Michigan
- 状态:免费试用
University of Michigan
人们为什么选择 Coursera 来帮助自己实现职业发展




学生评论
52 条评论
- 5 stars
69.81%
- 4 stars
22.64%
- 3 stars
3.77%
- 2 stars
0%
- 1 star
3.77%
显示 3/52 个
已于 Aug 25, 2021审阅
I learned a lot about baseball and the Python language. Thank you for the great course.
已于 Mar 17, 2022审阅
An excellent way to develop Python skills to interesting topics.
已于 Oct 25, 2023审阅
Excellent course, really enjoyed it even as someone who doesn't follow baseball
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,