Basketball Data Science: With Applications in R (Chapman & Hall/CRC Data Science Series)

با استفاده از داده‌های یک فصل از بازی‌های NBA، Basketball Data Science: With Applications in R کتاب مناسبی برای هر کسی است که علاقه‌مند به یادگیری و استفاده از تجزیه و تحلیل داده‌ها در بسکتبال است. این کتاب چه برای ارزیابی عملکرد فضایی شوت‌های بازیکن NBA یا انجام تجزیه و تحلیل تأثیر موقعیت‌های بازی با فشار بالا بر احتمال گل‌زنی، انواع مطالعات موردی و مثال‌های عملی را با استفاده از یک بسته R سفارشی مورد بحث قرار می‌دهد. کدها ارائه می‌شوند تا خوانندگان بتوانند تحلیل‌ها را خودشان بازتولید کنند یا تحلیل‌های خود را ایجاد کنند. با فرض داشتن دانش آماری پایه، علوم داده های بسکتبال با R برای دانشجویان، تکنسین ها، مربیان، تحلیلگران داده و محققان کاربردی مناسب است.

ویژگی‌ها:

·         یکی از اولین کتاب‌هایی است که روش‌های آماری و داده‌کاوی را برای زمینه رو به رشد تحلیل در بسکتبال ارائه می‌کند.

·         ابزارهایی برای مدل‌سازی نمودارها و ارقام ارائه می‌کند. برای تجسم داده‌ها.

·         شامل مطالعات موردی و مثال‌هایی در دنیای واقعی، مانند تخمین‌های احتمال امتیاز با استفاده از Golden State Warriors به ​​عنوان یک مورد آزمایشی.

·         کد منبع و ارائه می‌دهد. داده‌ها تا خوانندگان بتوانند تحلیل‌های خود را روی تیم‌ها و بازیکنان NBA انجام دهند.

Using data from one season of NBA games, Basketball Data Science: With Applications in R is the perfect book for anyone interested in learning and applying data analytics in basketball. Whether assessing the spatial performance of an NBA player’s shots or doing an analysis of the impact of high pressure game situations on the probability of scoring, this book discusses a variety of case studies and hands-on examples using a custom R package. The codes are supplied so readers can reproduce the analyses themselves or create their own. Assuming a basic statistical knowledge, Basketball Data Science with R is suitable for students, technicians, coaches, data analysts and applied researchers.

Features:

·         One of the first books to provide statistical and data mining methods for the growing field of analytics in basketball.

·         Presents tools for modelling graphs and figures to visualize the data.

·         Includes real world case studies and examples, such as estimations of scoring probability using the Golden State Warriors as a test case.

·         Provides the source code and data so readers can do their own analyses on NBA teams and players.