
Machine Learning e Ciência de Dados nas Apostas Esportivas
- 74 Alunos matriculados
- 20 Horas de duração
- 112 Aulas
- 18 Módulos
- 14 Avaliações
- 1 ano de suporte
- Certificado de conclusão
Nesse curso você irá aprender desde as noções básicas da linguagem de programação Python até os conceitos mais avançados de data science e machine learning.
Se você ao fazer as suas apostas já pensou que a estatística poderia ser uma grande aliada para melhorar os seus resultados, você estava certo! E nesse curso você terá contato com ferramentas poderosas para cálculos estatísticos e análise de dados! Não importa se você é iniciante e nunca programou na vida, iremos partir do básico e qualquer um poderá aprender os conceitos até conseguir construir os seus próprios algoritmos.
Você poderá participar desse curso até 4 anos após a matrícula.
Esse curso é voltado para todos que queiram aprender com exercícios práticos sobre Python, ciência de dados e machine learning.
Cientista de dados no Clube da Aposta
Mestrando na Universidade Federal de Lavras
Graduado em Engenharia Mecatrônica pelo CEFET-MG
Entusiasta e apaixonado por Python, Análise de dados e Machine Learning
Conteúdo Programático
- 1. Machine Learning • Aprendizado de máquina nas apostas e no futebol
- 2. Introdução à linguagem de programação Python
- 3. Conhecendo o Jupyter Notebook
- 4. Primeiros passos com o Jupyter Notebook
- 5. Apresentação de slides no Jupyter
- 6. Zen do Python, PEP 20 e PEP 8
- 7. Habilitando e trabalhando com extensões
- 1. Variáveis e o tipo inteiro
- 2. Tipo ponto flutuante
- 3. Tipo string e booleano
- 4. Tipos containers
- 5. Conversão de tipo
- 6. Exercícios
- Quiz • Introdução e Tipos primitivos
- 1. Comentários e Função Input
- 2. Operações matemáticas básicas
- 3. Ordem de Avaliação dos Operadores
- 4. Exercícios
- 5. Operadores relacionais e expressões lógicas
- 6. Operadores booleanos e de filiação
- 7. Estrutura de Decisão
- 8. Exercícios
- Quiz • Operações matemáticas, booleanas e estruturas de decisão
- 1. Listas, tuplas e conjuntos
- 2. Métodos e funções para listas
- 3. Estruturas de repetição
- 4. Exercícios
- 5. Slicing, format e fstrings
- 6. Métodos e funções
- 7. Iteração em strings
- 8. Exercícios
- Quiz • Strings e estruturas de repetição
- 1. Acessando elementos de dicionários
- 2. Métodos e funções
- 3. Iterando dicionários
- 4. Exercícios
- 5. Funções definidas pelo usuário
- 6. Argumentos
- 7. Variáveis locais e globais
- 8. Funções anônimas
- 9. Funções built-in
- 10. Exercícios
- Quiz • Dicionários e funções
- 1. Principais erros em Python
- 2. Tratando exceções
- 3. Onde pesquisar sobre os erros
- 4. Exercícios
- 5. Instalando módulos externos
- 6. Biblioteca Padrão do Python - Alguns módulos
- 7. Exercícios
- 8. Função built-in open()
- 9. Usando a biblioteca csv
- 10. Exercícios
- 1. Planilha Fellabot e Jupyter Notebook
- 1. Introdução à Numpy para apostadores
- 2. Média das odds e dos valores apostados
- 3. Retorno potencial das apostas com multiplicação de arrays
- 4. Média ou mediana das odds?
- 5. Buscando ajuda na comunidade e na documentação
- Quiz • Introdução ao Numpy para apostadores
- 1. Introdução ao Pandas
- 2. Criando o nosso primeiro DataFrame
- 3. Calculando o lucro potencial em um DataFrame
- 4. Calculando a probabilidade aproximada das odds
- Quiz • Introdução ao Pandas
- 1. Pandas Apply e Lambda Expressions
- 2. Números aleatórios com expressões lambda
- 3. Aposta perdida ou ganha - Lambda Expressions e Apply
- 4. Criando uma função para retornar os lucros ou prejuízos das apostas
- 5. Aplicando a função de lucros e prejuízos em nossos dados
- Quiz • Pandas Apply e Lambda Expressions
- 1. Abrindo arquivos Excel com Python
- 2. Estatística Descritiva das apostas do Fellabot
- 3. As variáveis e os seus tipos em um Dataframe
- 4. O resultado das apostas do Fellabot
- Quiz • Trabalhando com as apostas do Fellabot
- 1. Trabalhando os DataFrames a partir de iterações
- 2. Iterando o nosso conjunto de dados
- 3. Utilizando o Pandas Iterrows
- 4. Obtendo o Mandante e o Visitante da Partida
- 5. Mandante e Visitante utilizando Apply
- 6. Exportando as apostas para Excel
- Quiz • Iterando DataFrames
- 1. Criando filtros para as nossas apostas
- 2. Filtrando pela quantidade de gols
- 3. Aplicando filtros nas apostas do Fellabot
- Quiz • Filtrando dados
- 1. Como saber se um mercado deu lucro
- 2. Resultados agrupados por mercados com Groupby
- 3. Agregando os resultados por média, soma e contagem
- Quiz • Agrupando Dados
- 1. Estatísticas descritivas por mercado
- 2. Taxa de acertos e breakeven odds
- 3. Roi Total e Roi por mercado
- 4. Percentual investido em cada mercado
- 5. Analisando o resultado de cada campeonato
- 6. Erros - Aplicando o principio de Pareto aos campeonatos
- 7. Quais os intervalos de odds mais e menos lucrativos
- 8. Conclusões que podemos tirar com os dados
- Quiz • Cálculos estatísticos nas apostas esportivas
- 1. Gráfico de linha
- 2. Gráfico de Barras
- 3. Apostar Somente em Tendências
- 4. Elo Score
- 5. Gráfico de Dispersão e Heatmap
- 6. Elo Score nas Apostas Esportivas
- Quiz • Visualização de dados
- 1. Extraindo dados da internet - parte 1
- 2. Extraindo dados da internet - parte 2
- 3. Extraindo dados da internet - parte 3
- 4. Regressão - Teoria
- 5. Regressão - Pré-processamento dos dados
- 6. Regressão - LinearRegression
- 7. Regressão - ElasticNet
- 8. Regressão - KNN
- 9. Regressão - Hiperparametrização e Validação Cruzada
- 10. Regressão - Fazendo previsões
- 11. Regressão Material Complementar
- Quiz • Regressão
- 1. Usando dados de API
- 2. Tratando os dados
- 3. Adicionando o Elo Score
- 4. Análise exploratória
- 5. K-fold e Random Forest
- 6. Hiperparametrização
- 7. Logistic Regression