Datový vědec · Sportovní analytika · Valencie

Měním data v jasná rozhodnutí

Jsem mostem mezi datovou analýzou a elitním sportem: transformuji metriky výkonu na strategie, které dělají rozdíl na hřišti.

Zobrazit projekty Kontakt

Python
R
SQL
Power BI
Machine Learning

O mně

Data s kontextem z dráhy, silnice a soutěže

Jsem Mario Álvarez, student datové vědy na UPV s reálnými zkušenostmi v profesionální cyklistice. Kombinuji analýzu dat s elitním sportovním výkonem, abych proměnil každou metriku v rozhodnutí, které zlepšuje výsledky.

Zobrazit více

UPV

Vzdělání

Bakalářský obor Datová věda, Universitat Politècnica de València.

Elita

Zkušenosti

Reálná práce v týmu profesionalní cyklistiky.

Data + Sport

Zaměření

Analytika aplikovaná na zlepšení sportovního výkonu.

Zkušenosti

Dva světy, jeden jazyk: výkon

Soutěžil jsem na nejvyšší úrovni a dnes aplikuji stejné kritérium na data: chápu, co číslo znamená pro sportovce, protože jsem tím sportovcem byl.

Zobrazit více

Práce

Projekty

Automatický výběr mých veřejných repozitářů na GitHubu.

Specializace

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.

Zobrazit na GitHubu

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.

Zobrazit na GitHubu

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.

Zobrazit na GitHubu

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.

Zobrazit na GitHubu

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.

Zobrazit na GitHubu