Capítulo 9. Usando APIs para análise de dados
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
Os teus olhos vêem o jogo muito melhor do que os números. Mas os números vêem todos os jogos.
Dean Oliver, estatístico desportivo
O mundo do desporto adora todas as formas de análise de dados - tabelas, gráficos e estatísticas que descrevem os resultados de eventos ou prevêem o que vai acontecer a seguir. Quando um fã de desporto vê essas análises de dados, provavelmente nunca pensa na fonte de dados utilizada para as criar. Em muitos casos, a fonte de dados é uma API. Neste capítulo, aprenderás as práticas recomendadas para consumir APIs e criar produtos de análise de dados usando Jupyter Notebooks, uma ferramenta popular usada por cientistas de dados.
Métricas personalizadas para análise desportiva
Uma das formas mais célebres de análise é a métrica personalizada, um cálculo que resume comportamentos, capacidades e resultados complicados sob a forma de um número. Todos os desportos têm métricas a que os jogadores, treinadores, diretores e adeptos prestam atenção. O basebol tem a mais longa história de métricas, desde a histórica média de corridas ganhas (ERA) até às modernas corridas ponderadas criadas mais (wRC+) e vitórias contra substituição (WAR). Tanto os adeptos como os profissionais do futebol concentram-se nos objetivos esperados (xG), um método para definir remates de qualidade que motivou uma variedade ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access