课程主页: https://www.coursera.org/learn/moneyball-and-beyond
引言
近年来，数据分析在体育领域的影响日益显著，其中《Moneyball》一书更是引发了一场关于表现统计分析的革命。本课程《Moneyball and Beyond》便是在这一背景下应运而生，旨在帮助我们理解如何通过编写Python代码来检验《Moneyball》背后的论点。
课程概述
课程分为五个模块，涵盖了从球队胜利率与表现统计的关系，到球员薪资与表现的关联，再到如何计算胜利贡献值（WAR）的多个方面。每个模块都通过实际数据集的分析，帮助学习者深入理解并掌握相关概念。
课程大纲
- 第一周：介绍《Moneyball》的故事和检验方法，分析团队胜率与上壘率（OBP）和长打率（SLG）的关系。
- 第二周：估算球员薪资与其表现统计的关系，进一步验证《Moneyball》的论点。
- 第三周：更新分析1994至2015年间OBP和SLG的回报，调查SLG的各项组成部分。
- 第四周：引入跑分期望的概念，计算基于2018赛季数据的跑值。
- 第五周：探讨胜利贡献值（WAR）的计算，分析跑值与胜率和球员薪资之间的关系。
学习收获
完成本课程后，我不仅对《Moneyball》的核心思想有所了解，还掌握了如何用Python处理和分析数据的技能。这种技能在当今数据驱动的时代无疑是非常宝贵的。
推荐理由
如果你对体育数据分析感兴趣，或者希望进入这个充满创新的领域，该课程绝对值得参加。无论你是编程新手还是有一定基础，本课程都能引导你逐步掌握数据分析的技巧。
结论
总之，《Moneyball and Beyond》不仅是一门有趣的课程，更是一次深入理解数据分析与体育结合的绝佳机会。如果你想通过数据提升你的职业能力，或者只是想更好地理解体育世界，这门课程都是一个不错的选择。
课程主页: https://www.coursera.org/learn/moneyball-and-beyond