POSGRADO EN SPORTS ANALYTICS
Organizado por:
Con el soporte de:
El posgrado en Sports Analytics ofrece una oportunidad única de unificar el análisis avanzado de los datos y la pasión por el deporte. La formación se realiza en colaboración con el Fútbol Club Barcelona, equipo líder en el análisis de datos en el deporte. Esta colaboración permitirá trabajar con datos de primer nivel, event data y tracking data, y en la resolución de problemas aplicados. Además, los estudiantes podrán obtener una visión real y privilegiada de la aplicación de la sports analytics en un club líder en este ámbito. El posgrado tiene como objetivo dar una visión global y transversal de un ecosistema de datos aplicado al ámbito deportivo, profundizando en la gestión (data management) y explotación de los datos (data analytics). La formación aporta una visión global de todos los componentes y tareas involucrados en la aplicación de sports analytics en la actualidad.
FECHA DE INICIO
Octubre 2022
FECHA DE FINALIZACIÓN
Febrero 2023
DURACIÓN
4 meses
IDIOMA
Español
LUGAR
Barcelona
CRÉDITOS
15 ECTS
PRECIO
€ 4.500
DEGREE
Posgrado en Sports Analytics
FORMATO
Presencial
DIRIGIDO A
Graduados en informática o equivalente, estadística, matemáticas, física o ingenierías. A profesionales informáticos, principalmente, desarrolladores, arquitectos, analistas de datos y administradores de sistemas, interesados en la gestión y analítica de datos aplicado al sector del deporte. Los interesados tienen que tener una formación técnica en bases de datos centralizadas, programación y estadística.
PLAN DE ESTUDIOS
- Introducción al sport analytics.
- Introducción al análisis del juego.
- Metodología futbol, ADN Barça.
- Sports analytics en otros deportes.
- Análisis avanzado de datos en el futbol.
- Datos de rendimiento físico.
- Inteligencia artificial aplicada al baloncesto.
- Introducción: Big data, cloud computing y la ingeniería de servicios (XaaS).
- Gestión de los datos sobre cloud databases (NOSQL).
- Procesamiento y análisis de datos distribuidos.
- Modelos de datos no estructurados o semi-estructurados más empleados.
- Gestión de streams.
- Gestión de datos geo‐espaciales y trayectorias.
- Integración y calidad de datos.
- Visualización.
- Introducción: Estadística básica.
- Inferencia estadística, muestreo y validación del método.
- Modelización estadística y calibración de modelos.
- Knowledge discovery in databases and association rules.
- Principal component analysis.
- Clustering methods.
- Árboles de decisión.
- Time series.
- Clasificación de métodos: discriminant analysis y Support Vector Machine (SVM).
- Redes neuronales.
- Convolutianal neural networks.
Este módulo tiene como objetivo poner en práctica los conceptos explicados en los 3 módulos anteriores, a partir de la realización de un caso de uso.