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
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
(6个评价)
15 门课程 956,683 名学生
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
- 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
已于 Oct 24, 2022审阅
Very hands-on course, I could understand all techniques available to model sports.
KL
已于 Oct 30, 2024审阅
Provide solid foundation for beginning supervised ML
NM
已于 Dec 4, 2022审阅
Outstanding course! Really interesting and tutor was really enthusiastic which kept the videos and assessments easy to work through.
从 数据科学 浏览更多内容
University of Michigan
University of Michigan
University of Michigan
Real Madrid Graduate School Universidad Europea