Dátový vedec · Športová analytika · Valencia

Premieňam dáta na jasné rozhodnutia

Som mostom medzi analýzou dát a elitným športom: transformujem metriky výkonnosti na stratégie, ktoré robia rozdiel na ihrisku.

Zobraziť projekty Kontakt

Python
R
SQL
Power BI
Machine Learning

O mne

Dáta s kontextom trate, cesty a súťaže

Som Mario Álvarez, študent dátovej vedy na UPV so skúsenosťami z profesionálnej cyklistiky. Kombinujem analýzu dát s elitným športovým výkonom, aby som premenil každú metriku na rozhodnutie, ktoré zlepšuje výsledky.

Zobraziť viac

UPV

Vzdelanie

Bakalársky titul v odbore Dátová veda, Universitat Politècnica de València.

Elita

Skúsenosti

Reálna práca v profesionálnom cyklistickom tíme.

Data + Sport

Prístup

Analytika aplikovaná na zlepšenie športového výkonu.

Skúsenosti

Dva sveta, rovnaký jazyk: výkon

Súťažil som na najvyššej úrovni a dnes aplikujem rovnaké kritériá na dáta: chápem, čo číslo znamená pre športovca, pretože som tým športovcom bol.

Zobraziť viac

Práca

Projekty

Automatický výber mojich verejných repozitárov na GitHub.

Špecializácie

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.

Zobraziť na 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.

Zobraziť na 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.

Zobraziť na 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.

Zobraziť na 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.

Zobraziť na GitHub