Специалист по данни · Спортен анализ · Валенсия

Превръщам данните в ясни решения

Аз съм мостът между анализа на данни и елитния спорт: трансформирам метриките за представяне в стратегии, които правят разликата на терена.

Вижте проекти Контакт

Python
R
SQL
Power BI
Machine Learning

За мен

Данни с контекст от писта, път и състезание

Аз съм Mario Álvarez, студент по наука за данните в UPV с реален опит в професионалното колоездене. Съчетавам анализа на данни с елитното спортно представяне, за да превърна всяка метрика в решение, което подобрява резултатите.

Вижте повече

UPV

Обучение

Бакалавърска степен по наука за данните, Universitat Politècnica de València.

Елит

Опит

Реална работа в професионален колоездачен отбор.

Data + Sport

Подход

Анализ, приложен за подобряване на спортното представяне.

Опит

Два свята, един и същ език: представянето

Състезавал съм се на най-виково ниво и днес прилагам същия критерий към данните: разбирам какво означава една цифра за един спортист, защото съм бил този спортист.

Вижте повече

Работа

Проекти

Автоматичен подбор на моите публични репозитории в GitHub.

Специализации

HTML
Power BI
Python
R
SQL

VIS

HTML

This repository contains coursework, practical exercises, and study materials for a university data visualization course. It includes solved programming tasks using R and Python libraries like ggplot2 and Plotly, alongside practice dashboards built in Tableau.

Виж в GitHub

EVALUACION-DE-MODELOS-

HTML

This repository contains practical assignments for a university model evaluation course, covering topics such as cost-sensitive classification, fairness metrics on the COMPAS dataset, and model interpretability using partial dependence plots. The exercises and analyses are implemented using Python and R across Jupyter Notebooks and R Markdown reports.

Виж в GitHub

TRABAJO_MDP

An academic data analysis project in R that explores and characterizes a physicochemical crystal dataset. It covers data cleaning, preprocessing, and dimensionality reduction through Principal Component Analysis (PCA) using packages such as FactoMineR, factoextra, and ggplot2.

Виж в GitHub

TRABAJO_CORREDORES

Python

A Streamlit web application that helps manage cycling teams by scraping race and rider data from ProCyclingStats and FirstCycling to analyze upcoming events and cyclist specialties. It is built with Python using BeautifulSoup, Selenium, Pandas, and the Gemini API to process data and extract UCI points regulations from PDFs.

Виж в GitHub

COFIDIS

Python

Developed as an academic project, this tool scrapes UCI rankings and race data from ProCyclingStats to calculate race difficulty scores tailored to the Cofidis cycling team's calendar. It is built with Python, using Selenium and BeautifulSoup for web scraping, Pandas for data processing, and Streamlit for the interactive interface.

Виж в GitHub