Om de știință a datelor · Analitică sportivă · Valencia

Transform datele în decizii clare

Sunt puntea dintre analiza datelor și sportul de elită: transform valorile de performanță în strategii care fac diferența pe teren.

Vezi proiecte Contact

Python
R
SQL
Power BI
Machine Learning

Despre mine

Date cu context de pistă, șosea și competiție

Sunt Mario Álvarez, student în Știința Datelor la UPV cu experiență reală în ciclismul profesionist. Combin analiza datelor cu performanța sportivă de elită, pentru a transforma fiecare metrice într-o decizie care îmbunătățește rezultatele.

Vezi mai mult

UPV

Formare

Licență în Știința Datelor, Universitat Politècnica de València.

Elită

Experiență

Muncă reală în cadrul unei echipe de ciclism profesionist.

Data + Sport

Abordare

Analitică aplicată la îmbunătățirea performanței sportive.

Experiență

Două lumi, aceeași limbă: performanța

Am concurat la cel mai înalt nivel și astăzi aplic același criteriu datelor: înțeleg ce înseamnă un număr pentru un sportiv deoarece am fost acel sportiv.

Vezi mai mult

Muncă

Proiecte

O selecție automată a depozitelor mele publice de pe GitHub.

Specializări

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.

Vezi pe 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.

Vezi pe 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.

Vezi pe 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.

Vezi pe 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.

Vezi pe GitHub