¿De qué trata el libro Big Data Baseball?

★★★★

Piense en este como la próxima iteración de Moneyball . Es la historia de los Piratas de Pittsburgh y cómo transformaron su franquicia abismal en un ganador a través del poder de los datos y el análisis avanzado.

Con una de las nóminas más bajas en el béisbol, los Piratas pudieron convertirse en un contendiente de playoffs a través de una serie de decisiones no convencionales basadas en datos que otros equipos estaban infravalorando, no estaban dispuestos a tomar o no sabían por completo. Cosas como ir tras un receptor de bateo pobre que podría enmarcar lanzamientos mejor que nadie en la liga (y, en consecuencia, vender más strikes). Pidiendo a sus lanzadores que arrojen solo bolas rápidas de 2 costuras, lo que da como resultado más bolas de tierra que las tradicionales de 4 plazas. Y cambiando más que cualquier otro equipo en la historia de la liga. Posicionar a sus jugadores no en sus posiciones tradicionales, sino en donde es más probable que golpeen las bolas.

Russell Martin, aunque un bateador de bajo promedio, fue el segundo mejor lanzador en el campo de béisbol en el momento en que los Piratas lo adquirieron. Una habilidad infravalorada que vale unos cuantos outs / carreras cada dos juegos y varias victorias en el transcurso de una temporada.

Este es un libro para los fanáticos del béisbol y los entusiastas de los datos y la tecnología.

Es profético porque lo que se ha hecho en el béisbol se hará en muchas más industrias a medida que los datos que generamos (y nuestra capacidad para darle sentido) continúen explotando.

Una lectura fácil y que vale la pena.

Béisbol de Big Data: Matemáticas, Milagros y el final de una racha perdedora de 20 años por Travis Sawchik

More Interesting

¿Cómo continuaría preparándose para una entrevista de ciencia de datos sobre estructuras de datos y algoritmos en R?

¿Cuál es exactamente la diferencia entre IA, aprendizaje automático y ciencia de datos? ¿Cómo puedo hacer una carrera en el mismo?

¿Qué es big data en telecomunicaciones?

¿Cuáles son los pros y los contras de los algoritmos genéticos en comparación con otros métodos de optimización global?

¿Qué se entiende por big data?

¿Cuál es la importancia y el uso de las series temporales?

¿Deberían los investigadores de educación adaptar R y alejarse del software estadístico minorista (SAS, Stata, SPSS)?

¿Cuál es preferible para mí, Hadoop o Data Science?

¿Cómo manejan las soluciones de Big Data la heterogeneidad de los esquemas de datos dinámicos y a gran escala de varias fuentes?

Siempre odié programar en idiomas de bajo nivel, ¿debería olvidarme de la ciencia de datos como una carrera potencial? Me refiero a C / C ++ en comparación con Matlab, R, Python

¿Qué nuevas ideas puede proporcionar la ciencia de datos en los datos de transporte?

Cómo extraer el registro DNS de un sitio web para compartir videos (YouTube) para combatir el terrorismo

¿Qué proyectos combinan ciencia de datos y aerodinámica?

Incluso utilizando un conjunto de validación, ¿no estamos tratando de maximizar los resultados en el conjunto de prueba? ¿Y al final sobreajustando?

¿Qué implica la creación de una aplicación para consumir, procesar y filtrar la manguera de Twitter de tweets en tiempo real?