Datavitenskapsmann · Sportsanalytikk · Valencia

Jeg gjør om data til klare beslutninger

Jeg er broen mellom dataanalyse og elitisport: Jeg forvandler ytelsesmålinger til strategier som gjør en forskjell på banen.

Se prosjekter Kontakt

Python
R
SQL
Power BI
Machine Learning

Om meg

Data med kontekst fra bane, vei og konkurranse

Jeg er Mario Álvarez, student i datavitenskap ved UPV med reell erfaring fra profesjonell sykling. Jeg kombinerer dataanalyse med eliteidrettsprestasjoner for å gjøre om hver måling til en beslutning som forbedrer resultater.

Se mer

UPV

Utdanning

Bachelorgrad i datavitenskap, Universitat Politècnica de València.

Elite

Erfaring

Reelt arbeid i et profesjonelt sykkelag.

Data + Sport

Tilnærming

Analytikk brukt til å forbedre sportslige prestasjoner.

Erfaring

To verdener, ett og samme språk: prestasjon

Jeg har konkurrert på høyeste nivå og bruker i dag det samme kriteriet på data: Jeg forstår hva et tall betyr for en utøver fordi jeg har vært den utøveren.

Se mer

Arbeid

Prosjekter

Et automatisk utvalg av mine offentlige repositorier på GitHub.

Spesialiseringer

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.

Vis på 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.

Vis på 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.

Vis på 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.

Vis på 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.

Vis på GitHub