Cientifico de dati · Analisi sportiva · Valencia

Trasformo i dati in decisioni chiare

Sono il ponte tra l'analisi dei dati e lo sport d'élite: trasformo le metriche di prestazione in strategie che fanno la differenza sul campo.

Vedi progetti Contatto

Python
R
SQL
Power BI
Machine Learning

Su di me

Dati con contesto di pista, strada e competizione

Sono Mario Álvarez, studente di Scienza dei Dati alla UPV con esperienza reale nel ciclismo professionistico. Combino l'analisi dei dati con le prestazioni sportive d'élite, per trasformare ogni metrica in una decisione che migliora i risultati.

Vedi di più

UPV

Formazione

Laurea in Scienza dei Dati, Universitat Politècnica de València.

Élite

Esperienza

Lavoro reale all'interno di una squadra di ciclismo professionistico.

Data + Sport

Approccio

Analisi applicata al miglioramento delle prestazioni sportive.

Esperienza

Due mondi, un'unica lingua: la prestazione

Ho gareggiato al massimo livello e oggi applico lo stesso criterio ai dati: capisco cosa significa un numero per uno sportivo perché sono stato quello sportivo.

Vedi di più

Lavoro

Progetti

Una selezione automatica dei miei repository pubblici su GitHub.

Specializzazioni

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.

Vedi su 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.

Vedi su 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.

Vedi su 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.

Vedi su 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.

Vedi su GitHub