Científico de datos · Analítica deportiva · Valencia

Convierto datos en decisiones claras

Soy el puente entre el análisis de datos y el deporte de élite: transformo métricas de rendimiento en estrategias que marcan la diferencia sobre el terreno.

Ver proyectos Contacto

Python
R
SQL
Power BI
Machine Learning

Sobre mí

Datos con contexto de pista, carretera y competición

Soy Mario Álvarez, estudiante de Ciencia de Datos en la UPV con experiencia real dentro del ciclismo profesional. Combino el análisis de datos con el rendimiento deportivo de élite, para convertir cada métrica en una decisión que mejora resultados.

UPV

Formación

Grado en Ciencia de Datos, Universitat Politècnica de València.

Élite

Experiencia

Trabajo real dentro de un equipo de ciclismo profesional.

Data + Sport

Enfoque

Analítica aplicada a la mejora del rendimiento deportivo.

Experiencia

Dos mundos, un mismo lenguaje: el rendimiento

He competido al máximo nivel y hoy aplico ese mismo criterio a los datos: entiendo lo que un número significa para un deportista porque he sido ese deportista.

Trabajo

Proyectos

Una selección automática de mis repositorios públicos en GitHub.

Especializaciones

HTML
Power BI
Python
R
SQL

VIS

HTML

Repositorio con los apuntes, ejercicios y el trabajo práctico de la asignatura de Visualización, donde recopilo prácticas resueltas en R y Python junto con dashboards en Tableau. Sirve como registro de mi aprendizaje en el análisis y representación gráfica de datos.

Ver en GitHub

EVALUACION-DE-MODELOS-

HTML

Repositorio de prácticas académicas sobre evaluación de modelos de aprendizaje automático, donde se exploran temas como la clasificación sensible al coste, la detección de clases desconocidas, el análisis de sesgos y la explicabilidad de predicciones. Los ejercicios están implementados en Python y R mediante Jupyter Notebooks y R Markdown.

Ver en GitHub

TRABAJO_MDP

Un proyecto práctico de análisis exploratorio y reducción de dimensionalidad mediante PCA sobre las propiedades fisicoquímicas de distintos cristales. Está desarrollado en R utilizando paquetes como FactoMineR, factoextra, dplyr y ggplot2 para la limpieza de datos, el tratamiento de valores atípicos y la visualización.

Ver en GitHub

TRABAJO_CORREDORES

Python

Una aplicación creada con Streamlit y Python para planificar alineaciones en equipos ciclistas, obteniendo datos de portales especializados mediante web scraping con Selenium y BeautifulSoup. También incorpora la API de Gemini para procesar automáticamente normativas en PDF y extraer los sistemas de puntuación UCI.

Ver en GitHub

COFIDIS

Python

Proyecto académico que calcula una puntuación de dificultad para las carreras del equipo ciclista Cofidis a partir de datos de ProCyclingStats. Utiliza web scraping con Selenium y BeautifulSoup, procesamiento de datos con Pandas y una interfaz web interactiva creada en Streamlit.

Ver en GitHub