Saintis data · Analitik sukan · Valencia

Saya menukarkan data kepada keputusan yang jelas

Saya adalah jambatan antara analisis data dan sukan elit: saya mengubah metrik prestasi kepada strategi yang membawa perubahan ketara di atas padang.

Lihat projek Hubungi

Python
R
SQL
Power BI
Machine Learning

Tentang saya

Data dengan konteks trek, jalan raya dan pertandingan

Saya Mario Álvarez, pelajar Sains Data di UPV dengan pengalaman sebenar dalam berbasikal profesional. Saya menggabungkan analisis data dengan prestasi sukan elit, untuk menukar setiap metrik kepada keputusan yang meningkatkan hasil.

Lihat lagi

UPV

Pendidikan

Ijazah Sarjana Muda Sains Data, Universitat Politècnica de València.

Elit

Pengalaman

Kerja sebenar dalam pasukan berbasikal profesional.

Data + Sport

Pendekatan

Analitik yang diaplikasikan untuk penambahbaikan prestasi sukan.

Pengalaman

Dua dunia, satu bahasa yang sama: prestasi

Saya telah bersaing di peringkat tertinggi dan hari ini saya mengaplikasikan kriteria yang sama pada data: saya faham maksud nombor kepada seorang atlet kerana saya pernah menjadi atlet tersebut.

Lihat lagi

Kerja

Projek

Pilihan automatik repositori awam saya di GitHub.

Pengkhususan

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.

Lihat di 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.

Lihat di 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.

Lihat di 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.

Lihat di 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.

Lihat di GitHub