Científic de dades · Analítica esportiva · València

Converteixo dades en decisions clars

Soc el pont entre l'anàlisi de dades i l'esport d'elit: transformo mètriques de rendiment en estratègies que marquen la diferència sobre el terreny.

Veure projectes Contacte

Python
R
SQL
Power BI
Machine Learning

Sobre mi

Dades amb context de pista, carretera i competició

Soc Mario Álvarez, estudiant de Ciència de Dades a la UPV amb experiència real dins del ciclisme professional. Combino l'anàlisi de dades amb el rendiment esportiu d'elit, per convertir cada mètrica en una decisió que millora resultats.

Veure més

UPV

Formació

Grau en Ciència de Dades, Universitat Politècnica de València.

Elit

Experiència

Treball real dins d'un equip de ciclisme professional.

Data + Sport

Enfocament

Analítica aplicada a la millora del rendiment esportiu.

Experiència

Dos mons, un mateix llenguatge: el rendiment

He competit al màxim nivell i avui aplico aquest mateix criteri a les dades: entenc el que un número significa per a un esportista perquè he estat aquest esportista.

Veure més

Treball

Projectes

Una selecció automàtica dels meus repositoris públics a GitHub.

Especialitzacions

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.

Veure a 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.

Veure a 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.

Veure a 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.

Veure a 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.

Veure a GitHub