课程主页: https://www.coursera.org/learn/moneyball-and-beyond
《钱球与更远的未来》是Coursera上的一门精彩课程，灵感来源于迈克尔·刘易斯的著作《钱球》。这本书引发了体育界对于运动表现统计分析的革命，展示了数据分析如何被用来提高球队的胜率。本课程不仅让学生深入了解《钱球》故事背后的数据和统计，还教授学员如何使用Python编程来测试这些理论，探索《钱球》统计方法从出版以来的演变。
课程共分为五个模块：
第一周：介绍《钱球》故事及其测试方法，通过分析团队胜利与两项表现统计——上垒率(OBP)和长打率(SLG)之间的关系，开始复制《钱球》的测试。
第二周：估算MLB球员薪资与其表现统计（OBP和SLG）之间的关系，结果验证了《钱球》的理论：在《钱球》发布前，OBP的价值被低估，而发布后则逆转。
第三周：更新Hakes & Sauer的分析，估算1994年至2015年间OBP和SLG的回报，并进一步分析SLG的组成部分如四坏球、单打、双打等的回报。
第四周：介绍跑分预期的概念，如何推导出跑分预期矩阵，并基于2018赛季的MLB数据集计算事件类型（如走到垒、单打、双打等）和球员的跑值。
第五周：探讨替代胜利(WAR)的概念，计算基于打击表现的WAR，并分析胜利跑值、球队胜率与球员薪资之间的关系。结果显示，跑值与胜利和薪资之间有很强的相关性。
这个课程不仅为体育数据分析爱好者提供了实用的技能，也帮助学员理解如何用数据驱动决策，对于那些希望在体育分析领域发展的学习者来说，是一个不可错过的机会。
课程主页: https://www.coursera.org/learn/moneyball-and-beyond