Python - CHAMPIONS League

Ξεκινήστε ένα ταξίδι ανακάλυψης με την προγραμματιστική γλώσσα Python και δεδομένα από το Πρωτάθλημα UEFA Champions League.
Αυτό το micro course σας εισάγει στην επεξεργασία δεδομένων και την οπτικοποίηση προσαρμόζοντας τις δεξιότητές σου στο πλαίσιο τουρνουά.
Εξερευνήστε προβλέψεις απόδοσης παικτών, προγνώσεις αποτελεσμάτων αγώνων και πολλά άλλα. Εξοπλιστείτε με την κατάρτιση στη γλώσσα Python για να αποκωδικοποιήσετε σημαντικές γνώσεις που επηρεάζουν τις στρατηγικές του παιχνιδιού και συμβάλλουν στην πλούσια ιστορία του UEFA Champions League.
Write your awesome label here.

Γλώσσα:

Αγγλικά

Level:

Basic

Συμβατοί browsers:

  • Google Chrome
  • Mozilla Firefox
  • Microsoft Edge
  • Opera

    • #1 HEX Installation Guide

    Sections included :

    • The benefits of using HEX in Data Analysis
    • HEX Sign Up guide with video and step by step instructions
    • HEX Data Connect Data Guide with video and step by step instructions

    #2 Introduction to Python

    Sections included :

    • Introduction to Python
    • Python in the world of Sports Analytics
    • Terms you should know
    • HEX Installation Guide
    • Python Basics
    • Data Types
    • Python Input
    • Python Output
    • Python Mathematics
    • Python Mathematic Operations
    • Python Strings
    • Escape Characters
    • Casting
    • Practical Examples
    • Quiz

    #3 Python Data Structures

    Sections included :

    • Python Data Structures
    • Python Lists
    • Python Tuples
    • Python Sets
    • Python Dictionaries
    • Practical Examples
    • Quiz

    #4 Python Functions

    Sections included :

    • Python Functions
    • Defining & Calling a Function
    • Function Arguements
    • Return Values
    • Scope of Variables
    • Lambda Functions
    • Built-in Functions
    • Practical Examples
    • Quiz
    • Coding Assessment

    #5 Python Modules

    Sections included :

    • Python Modules
    • random - Module
    • math - Module
    • Python Counter
    • Practical Examples
    • Quiz

    #6 Python Conditionals

    Sections included :

     Python Conditionals
     Comparison Operators
     Logical Operators
     Conditional Statements
     Practical Examples
     Quiz
     Coding Assessment

    #7 Python Loops

    Sections included :

     Python Conditionals
     Comparison Operators
     Logical Operators
     Conditional Statements
     Practical Examples
     Quiz
     Coding Assessment

    #8 Python Regular Expressions

    Sections included :

     Python Regular Expressions
     re.search() Function
     re.match() Function
     re.findall() Function
     re.finditer() Function
     re.sub() Function
     re.split() Function
     Practical Examples
     Quiz
     Coding Assessment

    #9 Overall Python Assignment

    Sections included :

     Coding Assessment

    #10 Optional Content - Practicing with Python Locally

    Sections included :

     Local Python Installation
     PyCharm Installation

    Part 2 - Python for Data Analytics

    Fully Interactive

    #1 Introduction to Python Data Analysis & Numpy

      Introduction to Python Sports Data Analysis
     NumPy - Arrays
     NumPy - Indexing and Slicing
     NumPy - Broadcasting
     NumPy - Mathematical Functions
     NumPy - Linear Algebra
     Quiz

    #2 Pandas

     Introduction to Pandas
     Pandas Series
     Pandas DataFrames
     Data Inspection and Exploration
     Data Cleaning
     Handling Missing Values
     Removing Duplicates
     Sorting & Ranking Data
     Applying Functions
     Grouping Data
     Merging Joining & Reshaping
     Data Grouping & Aggregation
     Timeseries Data
     Categorical Data
     Practical Examples
     Quiz
      Coding Assessment 

    #3 Matplotlib

     Basics of Matplotlib
     Line Plots
     Scatter Plots
     Bar Plots
     Pie Plots
     Titles, Labels & Legends
     Colors, Markers & Line Styles
     Ticks, Tick, Labels & Limits
     Histograms and Box Plots
     Heatmaps and Contour Plots
     3D Plots
     Plot Style & Customization
     Grid and Plot Layout
     Subplots, Sharing Axes & Spacing
     Pandas & Matplotlib
     Practical Examples
     Quiz

    #4 Seaborn

     Basics of Seaborn
     Basic Plotting
     Box, Violin & Swarm Plots
     FacetGrids, PairGrids and more
     Heatmaps and Clustermaps
     Regression and Line Plots
     Practical Examples
     Quiz

    #5 Plotly

     Basics of Plotly
     Graph Objects & Express
     Line, Bar & Pie Charts
     Histograms and Box Plots
     Scatter Plots and Bubble Charts
     Heatmaps
     Geographic Plots
     Interactivity
     Practical Examples
      Quiz

    #6 SciPy

     Data Manipulation with Scipy
     Basics of Statistical Analysis
     Hypothesis Testing
     Types of t-tests
     Analysis of Variance
     Linear Algebra
     SciPy Matrix Operations
     Eigenvalues and Eigenvectors
     Linear Equations
     Optimization
     Advanced Aspects of SciPy
     Interpolation
     Integration
     Fourier Transform
     Spatial Data and Distance

    #7 case studies

    Case Study #1: Analyzing Team Performance in the UEFA Champions League 2023

    Σε αυτή τη μελέτη περίπτωσης δεδομένων με την χρήση Python, ξεκινάμε ένα συναρπαστικό ταξίδι στο UEFA Champions League 2023, όπου εξερευνούμε και αναλύουμε τις επιδόσεις της Μπάγερν Μονάχου κατά τη διάρκεια της σεζόν.
    Ελάτε μαζί μας καθώς θα εμβαθύνουμε στον κόσμο των ποδοσφαιρικών δεδομένων, χρησιμοποιώντας ερωτήματα Python για να αποκαλύψουμε τα μυστικά πίσω από την επιτυχία κάθε ομάδας. 🔍

    Case Study #2: MVP of the Champions League Final 2023

    Σε αυτή τη μελέτη περίπτωσης, θα εξερευνήσουμε πώς τα εργαλεία ανάλυσης δεδομένων μπορούν να αποκαλύψουν πληροφορίες από τον ποδοσφαιρικό αγώνα Άγιαξ - Νάπολι, αναδεικνύοντας τις στρατηγικές των ομάδων, τις ατομικές επιδόσεις, τις επιρροές των θέσεων και τη δυναμική του αγώνα, μετατρέποντας τελικά ένα σύνολο ακατέργαστων δεδομένων σε μια ολοκληρωμένη μελέτη των κομβικών πτυχών του παιχνιδιού.

    Case Study #3: Analyzing Goal-Scoring Patterns in the Champions League 2023

    Σε αυτή τη μελέτη περίπτωσης, διερευνούμε διεξοδικά ένα λεπτομερές σύνολο δεδομένων που αντικατοπτρίζει στα γκολ που σημειώθηκαν στον αγώνα Νάπολι - Μίλαν του Champions League 2023. Αξιοποιώντας τις ισχυρές βιβλιοθήκες ανάλυσης δεδομένων της Python, διατυπώνουμε διερευνητικά ερωτήματα για να αποκαλύψουμε κρίσιμες πληροφορίες σχετικά με τις τάσεις των τερμάτων και τις επιπτώσεις τους στον αγώνα.
    Μέσω της ανάλυσής μας, στοχεύουμε να απαντήσουμε σε ερωτήματα σχετικά με την κατανομή των τερμάτων, τα είδη των τερμάτων, τους καθοριστικούς σκόρερ και πολλά άλλα. Αυτή η διερεύνηση μας δίνει τη δυνατότητα να επιτύχουμε μια ολοκληρωμένη κατανόηση της περίπλοκης δυναμικής πίσω από τα γκολ που σημειώθηκαν σε αυτόν τον άκρως ανταγωνιστικό αγώνα. 📈

    Case Study #4: Analyzing Defensive Performance in the Champions League: A Statistical Exploration

    Το Champions League είναι αναγνωρισμένο για τις πιο συναρπαστικές επιθετικές επιδόσεις του παγκόσμιου ποδοσφαίρου. Ωστόσο, πίσω από κάθε θριαμβεύτρια ομάδα υπάρχει μια ισχυρή αμυντική βάση.
    Σε αυτή τη μελέτη περίπτωσης δεδομένων Python, στρέφουμε την προσοχή μας στην αμυντική πτυχή του παιχνιδιού, βουτώντας στο σύνολο δεδομένων για να διερευνήσουμε και να αναλύσουμε τις αμυντικές επιδόσεις στο Champions League. Χρησιμοποιώντας τα ισχυρά εργαλεία ανάλυσης δεδομένων της Python, θα μετατρέψουμε τα ακατέργαστα δεδομένα σε ολοκληρωμένες πληροφορίες. 🔍

    Case Study #5: Analyzing Penalty Shootouts in the Champions League 2023

    Τα πέναλτι αποτελούν μερικές από τις πιο συναρπαστικές στιγμές στο ποδόσφαιρο, με την τύχη των ομάδων να κρέμεται συχνά από μια κλωστή.
    Σε αυτή τη μελέτη περίπτωσης βασισμένη στην Python, εμβαθύνουμε στα δεδομένα των πέναλτι από το Champions League 2023, προσπαθώντας να ανασύρουμε τους λόγους που σχετίζονται με αυτές τις τεταμένες συνθήκες.
    Αξιολογώντας πτυχές όπως τα ποσοστά επιτυχίας, οι επιδόσεις των τερματοφυλάκων και η επιρροή της ακολουθίας των πέναλτι, στοχεύουμε να επιτύχουμε μια εμπλουτισμένη κατανόηση της δυναμικής των πέναλτι σε ένα από τα πιο διάσημα ποδοσφαιρικά τουρνουά στον κόσμο. 🐍🔍

    Case Study #6: Season Performance

    Στη σημερινή μελέτη περίπτωσής μας, φοράμε το καπέλο ενός ποδοσφαιρικού αναλυτή μιας από τις πιο επιτυχημένες ομάδες των τελευταίων ετών, της Ατλέτικο Μαδρίτης. Στο πλαίσιο αυτού του ταξιδιού, θα χρησιμοποιήσουμε την Python, μια από τις πιο ευέλικτες γλώσσες προγραμματισμού στον κόσμο, για να πραγματοποιήσουμε μια εις βάθος ανάλυση της απόδοσης της Ατλέτικο τη σεζόν 2022-2023 στο Champions League.
    Θα το κάνουμε αυτό μέσω ενός συνδυασμού εξερεύνησης δεδομένων, οπτικοποίησης με τη χρήση της διαδραστικής βιβλιοθήκης σχεδίασης - Plotly, και στατιστικής ανάλυσης με τη χρήση του Scipy.

    Case Study #7: Player Season Performance

    🌟🎉 Κυρίες και κύριοι! Καλώς ήρθατε σε μια βαθιά κατάδυση στον κόσμο των ποδοσφαιρικών στατιστικών και της ανάλυσης δεδομένων. Σήμερα, θα εξερευνήσουμε την απόδοση ενός από τους πιο θεαματικούς ποδοσφαιριστές στον κόσμο, του Karim Benzema της Ρεάλ Μαδρίτης, στο Champions League της σεζόν 2022-2023. ⚽🏆
    Ο Μπενζεμά, ένας πραγματικά πολυτάλαντος επιθετικός και ταλαντούχος της Ρεάλ Μαδρίτης, έχει μαγέψει τους οπαδούς σε όλο τον κόσμο με τις σπινθηροβόλες επιδόσεις του. Ως αναλυτές δεδομένων, έχουμε το προνόμιο να κατανοήσουμε και να απεικονίσουμε τη μαγεία του σε αριθμούς και διαγράμματα. 📊📈

    #8 Optional Content - Practicing with Python Locally

     Local Python Installation
     PyCharm Installation