Datenwissenschaftler · Sportanalytik · Valencia

Ich verwandle Daten in klare Entscheidungen

Ich bin die Brücke zwischen Datenanalyse und Spitzensport: Ich verwandle Leistungskennzahlen in Strategien, die auf dem Spielfeld den Unterschied ausmachen.

Projekte ansehen Kontakt

Python
R
SQL
Power BI
Machine Learning

Über mich

Daten mit Kontext von Strecke, Straße und Wettkampf

Ich bin Mario Álvarez, Student der Datenwissenschaft an der UPV mit praktischer Erfahrung im professionellen Radsport. Ich verbinde Datenanalyse mit sportlicher Spitzenleistung, um jede Kennzahl in eine Entscheidung zu verwandeln, die die Ergebnisse verbessert.

Mehr ansehen

UPV

Ausbildung

Bachelor in Datenwissenschaft, Universitat Politècnica de València.

Elite

Erfahrung

Praktische Arbeit in einem professionellen Radsportteam.

Data + Sport

Ansatz

Analytik angewandt auf die Verbesserung der sportlichen Leistung.

Erfahrung

Zwei Welten, dieselbe Sprache: die Leistung

Ich habe auf höchstem Niveau konkurriert und wende heute genau dieses Kriterium auf Daten an: Ich verstehe, was eine Zahl für einen Sportler bedeutet, weil ich dieser Sportler war.

Mehr ansehen

Arbeit

Projekte

Eine automatische Auswahl meiner öffentlichen Repositories auf GitHub.

Spezialisierungen

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.

Auf GitHub ansehen

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.

Auf GitHub ansehen

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.

Auf GitHub ansehen

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.

Auf GitHub ansehen

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.

Auf GitHub ansehen