پویا کتاب یکی از معتبرترین فروشگاه‌های تخصصی علوم ورزشی است که توانسته با فعالیت بیش از 10 ساله خود اعتماد عموم جامعه علمی-ورزشی کشور را به خود جلب کند.
کتاب «تجزیه و تحلیل ورزش‌ها در تمرین با R» که همان کتاب Sports Analytics in Practice with R’ است. آنچه در این کتاب مطالعه خواهید در خصوص تجزیه و تحلیل ورزش‌های مثل فوتبال و بیسبال است.
درباره تجزیه و تحلیل ورزش‌ها در تمرین با R!
در بیست سال گذشته، سازمان‌های ورزشی به یک تجارت مبتنی بر داده تبدیل شده‌اند. قبل از این، اکثر تصمیمات در ورزش از نظر کیفی توسط کارشناسان موضوع هدایت می‌شد. در سال‌هایی که تیم‌های متعددی با دیدگاه‌های تحلیلی «Money Ball» به موفقیت دست یافتند، صنعت به دنبال ارتقای هوش تحلیلی خود برای بهبود نتایج درون و بیرون زمین بوده است.
تقاضای فزاینده برای داده‌ها برای اطلاع از تصمیم‌گیری‌ها برای مربیان، پیشاهنگان و بازیکنان قبل و در طول رویدادهای ورزشی، منجر به تلاش‌های جذابی برای ایجاد این رویکرد کمی شده است.
همانطور که این روش برای ارزیابی عملکرد رشد و اهمیت پیدا کرده است، نرم افزار منبع باز R نیز به عنوان یکی از بسته‌های نرم افزار تحلیلی پیشرو ظاهر شده است.
در واقع، R یک 10 زبان برنامه نویسی برتر است که در دانشگاه و صنعت برای آمار، یادگیری ماشین و نمونه‌سازی سریع مفید است. تجزیه و تحلیل ورزش‌ها در تمرین با R به خوبی این دو پیشرفت را برای آموزش تجزیه و تحلیل اولیه برای استفاده مرتبط با ورزش – از کریکت تا بیسبال، از بسکتبال تا تنیس، از فوتبال تا قمار ورزشی و موارد دیگر، با هم تلفیق می‌کند.
خوانندگان تجزیه و تحلیل ورزش‌ها در تمرین با R همچنین می‌یابد:
- چشم انداز گسترده‌ای از ورزش‌ها، با تمرکز بر طیف گسترده‌ای از ورزش‌ها به جای یک ورزش
- اولین کتاب در نوع خود که دارای نمونه‌های کدنویسی است
- رویکرد مطالعه موردی در سراسر کتاب
- وب‌سایت همراه شامل مجموعه‌های داده برای کار در کنار توضیحات
تجزیه و تحلیل ورزش‌ها در تمرین با R ابزاری مفید برای داشنجویان و متخصصان در زمینه مدیریت ورزشی است، اما همچنین برای علاقه‌مندان به ورزش که سابقه کدنویسی دارند.
فهرست کتاب شامل:
1 Introduction to R
2 Data Visualization: Best Practices
3 Geospatial Data: Understanding Changing Baseball Player Behavior
4 Evaluating Players for the Football Draft
5 Logistic Regression: Explaining Basketball Wins and Losses with Coefficients
6 Gauging Fan Sentiment in Cricket
7 Gambling Optimization
8 Exploratory Data Analysis: Searching Data for Opponent Insights
