Data-wetenschapper · Sportanalyse · Valencia

Ik zet data om in duidelijke beslissingen

Ik ben de brug tussen data-analyse en topsport: ik transformeer prestatiemetrics in strategieën die het verschil maken op het veld.

Bekijk projecten Contact

Python
R
SQL
Power BI
Machine Learning

Over mij

Data met context van baan, weg en competitie

Ik ben Mario Álvarez, student Data Science aan de UPV met echte ervaring in het professionele wielrennen. Ik combineer data-analyse met topsportprestaties om elke metric om te zetten in een beslissing die de resultaten verbetert.

Bekijk meer

UPV

Opleiding

Bachelor in Data Science, Universitat Politècnica de València.

Elite

Ervaring

Echte werkervaring binnen een professioneel wielerteam.

Data + Sport

Aanpak

Analyse toegepast op de verbetering van sportprestaties.

Ervaring

Twee werelden, dezelfde taal: prestatie

Ik heb op het hoogste niveau geëxpresteerd en pas vandaag dezelfde criteria toe op data: ik begrijp wat een cijfer betekent voor een sporter omdat ik die sporter ben geweest.

Bekijk meer

Werk

Projecten

Een automatische selectie van mijn openbare repositories op GitHub.

Specialisaties

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.

Bekijk op 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.

Bekijk op 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.

Bekijk op 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.

Bekijk op 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.

Bekijk op GitHub