Curso de Data Analytics en fútbol

Lección 1 • Configuración de un Flujo de Trabajo Analítico

Describe un proceso repetible desde la formulación de preguntas hasta la entrega de conclusiones. Conecta el rigor analítico con la toma de decisiones práctica en el club.

Lección 2 • Fuentes de Datos y Métodos de Recolección

Examina los principales proveedores de datos, sistemas de seguimiento y registros de eventos. Los estudiantes comprenden la procedencia de los datos y las ventajas y desventajas de la calidad antes de comenzar el análisis.

Lección 3 • Qué Significa la Analítica en el Fútbol

Define la analítica en un contexto futbolístico y la distingue del scouting tradicional. Establece un vocabulario compartido que se utiliza a lo largo del curso.

Lección 1 • Trabajo con Formatos de Datos de Fútbol

Cubre las estructuras JSON, CSV y XML comunes en los flujos de eventos y seguimiento. Prepara a los estudiantes para analizar y cargar datos reales de proveedores mediante programación.

Lección 2 • Limpieza y Validación de Datos

Aborda valores faltantes, registros duplicados y etiquetas inconsistentes en conjuntos de datos de fútbol. Los datos limpios son el requisito previo para todas las métricas posteriores confiables.

Lección 3 • Ingeniería de Características para el Fútbol

Transforma eventos en bruto en características analíticamente útiles como zonas, secuencias y deltas de tiempo. Las características diseñadas potencian los modelos construidos en capítulos posteriores.

Lección 4 • Fusión y Vinculación de Conjuntos de Datos

Enseña a unir datos de eventos con tablas de seguimiento, alineación y contextuales. Las uniones precisas previenen errores analíticos causados por identificadores no coincidentes.

Lección 1 • Comunicación Visual de Hallazgos

Aplica principios de diseño—color, jerarquía, anotación—a los resultados analíticos. La comunicación visual efectiva asegura que las conclusiones lleguen a audiencias no técnicas.

Lección 2 • Fundamentos de Visualización en la Cancha

Construye mapas de cancha estáticos para remates, pases y acciones defensivas usando mplsoccer o bibliotecas similares. El contexto espacial transforma coordenadas en bruto en conocimiento táctico.

Lección 3 • Estadística Descriptiva para Datos de Fútbol

Aplica media, mediana, varianza y análisis de distribución a métricas de jugadores y equipos. Los resúmenes descriptivos forman la línea de base antes de comenzar el trabajo inferencial.

Lección 4 • Gráficos de Radar y Comparación

Diseña gráficos de radar y comparaciones de barras para el perfilado de jugadores con múltiples métricas. Estos formatos son estándar en informes de scouting y presentaciones a las partes interesadas.

Lección 1 • Selección de Características para Modelos de xG

Identifica la distancia del remate, el ángulo, la parte del cuerpo y el tipo de asistencia como predictores centrales. La elección de características determina directamente la precisión e interpretabilidad del modelo.

Lección 2 • xG Post-Remate y al Arco

Extiende el xG básico con datos de ubicación del remate y posicionamiento del arquero. Los modelos post-remate proporcionan una resolución más fina sobre la dificultad de la atajada y el rendimiento del arquero.

Lección 3 • Entrenamiento y Validación de Modelos de xG

Aplica regresión logística y gradient boosting a datos de remates con validación cruzada adecuada. La validación previene el sobreajuste y asegura la generalización a través de las temporadas.

Lección 4 • Interpretación y Aplicación de los Resultados de xG

Traduce los resultados del modelo en estimaciones de habilidad de definición y calidad de ataque del equipo. Conecta el xG con las decisiones de reclutamiento y tácticas tomadas por el cuerpo técnico.

Lección 1 • Agrupamiento de Estilos Tácticos

Agrupa equipos por métricas de posesión y presión utilizando agrupamiento no supervisado. Los grupos de estilo permiten comparaciones de igual a igual y la preparación contra rivales.

Lección 2 • Construcción de Redes de Pases

Construye grafos dirigidos ponderados a partir de datos de eventos de pases usando NetworkX o igraph. La estructura de la red revela la jerarquía del equipo y las rutas de circulación preferidas.

Lección 3 • Secuencias y Cadenas de Posesión

Segmenta los datos del partido en cadenas de posesión y analiza sus resultados. El análisis a nivel de cadena vincula los patrones de circulación del balón con la creación de remates.

Lección 4 • Métricas de Pases Más Allá de la Tasa de Finalización

Introduce pases progresivos, pases al último tercio y amenaza esperada agregada. Las métricas de pase más ricas capturan la intención y el peligro más allá de la simple precisión.

Lección 1 • Curvas de Edad y Trayectorias de Desarrollo

Modela cómo evoluciona el rendimiento del jugador con la edad utilizando datos longitudinales. Las curvas de edad informan las decisiones de compra vs. préstamo y la planificación de plantel a largo plazo.

Lección 2 • Confección de una Lista Corta de Reclutamiento

Integra filtros de métricas, puntajes de similitud e indicadores contextuales en una lista corta clasificada. El formato de lista corta une el resultado analítico y el flujo de trabajo del director deportivo.

Lección 3 • Búsqueda de Similitud y Comparaciones de Jugadores

Utiliza métricas de distancia y búsqueda de vecinos más cercanos para encontrar jugadores estadísticamente similares. Los modelos de similitud potencian la identificación de reemplazos y objetivos alternativos.

Lección 4 • Modelos Compuestos de Calificación de Jugadores

Combina múltiples métricas en puntajes compuestos ponderados para el valor general del jugador. Los modelos compuestos reducen la dimensionalidad y respaldan la confección rápida de listas cortas.

Lección 1 • Análisis del Movimiento sin Balón

Mide carreras, creación de espacio y calidad de posicionamiento independientemente del contacto con el balón. Las métricas sin balón revelan contribuciones del jugador invisibles solo en los datos de eventos.

Lección 2 • Integración de Datos de Seguimiento con Datos de Eventos

Alinea los fotogramas de seguimiento con las marcas de tiempo de eventos para enriquecer remates, pases y duelos. Los conjuntos de datos combinados permiten modelos conscientes del contexto no disponibles de ninguna fuente por sí sola.

Lección 3 • Forma del Equipo y Métricas Espaciales

Cuantifica el ancho, la profundidad y el movimiento del centroide del equipo a partir de fotogramas de seguimiento sincronizados. Las métricas espaciales del equipo operacionalizan conceptos tácticos como la compacidad y el estiramiento.

Lección 4 • Introducción a los Datos de Seguimiento

Explica los sistemas de seguimiento óptico y GPS, los marcos de coordenadas y las velocidades de fotogramas. Comprender la procedencia de los datos es esencial antes de cualquier cálculo de métrica física.

Lección 1 • Amenaza Esperada y Valor de la Posesión

Construye marcos de xT y VAEP para asignar valor a cada acción con balón. Los modelos de valor de posesión permiten una atribución holística del rendimiento de jugadores y equipos.

Lección 2 • Traducción de la Analítica en Estrategia del Club

Estructura los hallazgos analíticos en recomendaciones estratégicas para el cuerpo técnico y la dirigencia. Une el resultado técnico y la toma de decisiones organizacionales a nivel del club.

Lección 3 • Modelos de Predicción de Resultados de Partidos

Construye modelos de probabilidad de victoria pre-partido y durante el partido utilizando características a nivel de equipo. Los modelos de resultado respaldan el benchmarking del mercado de apuestas y los ajustes tácticos durante el juego.

Lección 4 • Analítica de la Pelota Parada

Cuantifica las rutinas de córner, tiro libre y saque de banda utilizando datos espaciales y de resultados. Las pelotas paradas representan una parte significativa de los goles y merecen un modelado específico.