中
本课程将向学员展示如何使用 Python 生成职业体育比赛结果预测。课程的主要重点是教授逻辑回归方法，将其作为一种利用球队支出数据对比赛结果进行建模的方法。学习者将经历对过去的比赛结果进行建模的过程，然后使用该模型预测尚未进行的比赛的结果。课程将向学员展示如何利用投注赔率数据评估模型的可靠性。分析首先应用于英格兰足球超级联赛，然后是 NBA 和 NHL。课程还将概述数据分析与博彩之间的关系、历史以及与体育博彩相关的社会问题，包括个人风险。
体育数据预测模型
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5个模块
本模块介绍处理体育比赛中分类结果变量（即胜、平、负）的回归模型。它从线性概率模型（LPM）的理论基础、计算应用和经验限制等方面对其进行了解释。然后，该模块介绍并演示了逻辑回归（Logistic Regression），它可以更好地替代线性概率模型来处理分类因变量。
涵盖的内容
8个视频8篇阅读材料2个作业6个非评分实验室
本单元探讨概率与博彩市场之间的关系。它解释了赔率的概念，以及投注赔率和概率之间的关系。然后，它利用体育实例制定了衡量投注赔率准确性的方法，并评估了投注市场效率的含义。
涵盖的内容
6个视频3篇阅读材料1个作业5个非评分实验室
本模块展示了如何使用有序对数模型和公开信息预测英超足球比赛的结果。该模块对照博彩赔率评估了这些预测的准确性，结果表明这些预测非常准确。
涵盖的内容
7个视频3篇阅读材料1个作业6个非评分实验室
本模块通过在三个北美团队体育联赛（即 NHL、NBA 和 MLB）中复制英超联赛预测模型，评估前一周所涉及模型的有效性。具体来说，本模块展示了如何使用有序对数模型和公开信息预测 NHL、NBA 和 MLB 常规赛的结果。该模块根据博彩赔率评估了这些预测的准确性。
涵盖的内容
4个视频4篇阅读材料1个作业4个非评分实验室
在本单元中，我们将研究赌博的历史和社会后果，以及赌博与统计之间的关系。从不同伦理和宗教体系的角度探讨赌博问题。对问题赌博问题进行探讨和评估。
涵盖的内容
7个视频1篇阅读材料
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：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
4.5
41 条评论
- 5 stars
73.17%
- 4 stars
9.75%
- 3 stars
12.19%
- 2 stars
0%
- 1 star
4.87%
显示 3/41 个
WV
5
已于 Apr 11, 2024审阅
Very interesting course, even though some of the data prep is kind of weird it's nice to see things done a bit differently
BB
4
已于 Jul 10, 2023审阅
I found the material from weeks 2 and 4 very interesting!
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，