Advanced Basketball Data Science
With Applications in R
Sorozatcím: Chapman & Hall/CRC Data Science Series;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 66.99
-
30 245 Ft (28 805 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 6 049 Ft off)
- Kedvezményes ár 24 196 Ft (23 044 Ft + 5% áfa)
- A kedvezmény érvényes eddig: 2026. június 30.
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
27 221 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2026. augusztus 25.
- ISBN 9781032502212
- Kötéstípus Puhakötés
- Terjedelem342 oldal
- Méret 234x156 mm
- Súly 453 g
- Nyelv angol
- Illusztrációk 12 Illustrations, black & white; 98 Illustrations, color; 20 Halftones, color; 12 Line drawings, black & white; 78 Line drawings, color; 28 Tables, black & white 700
Kategóriák
Rövid leírás:
This book is the essential next step for anyone looking to push basketball analytics beyond standard metrics. Expanding on the foundation of Basketball Data Science (2020), this book takes readers into the fastevolving world of advanced statistical modeling, machine learning, and modern computational techniques applied to the game.
TöbbHosszú leírás:
Advanced Basketball Data Science: With Applications in R is the essential next step for anyone looking to push basketball analytics beyond standard metrics. Expanding on the foundation of Basketball Data Science (2020), this book takes readers into the fast-evolving world of advanced statistical modeling, machine learning, and modern computational techniques applied to the game.
From lineup optimization and clutch-performance analysis to player tracking, pose estimation, and ball-trajectory modeling, the book shows how cutting-edge data can reveal the hidden patterns that shape decision-making on and off the court. Readers learn not only what to analyze, but how to build robust, reproducible workflows using real data, fully executable R code, and a structured project environment.
Designed for analysts, coaches, researchers, and graduate students, this volume translates complex concepts into actionable tools that can immediately elevate scouting, strategy, and performance evaluation. Whether you aim to understand spatial tendencies, quantify player impact, or model scoring probabilities with machine learning, this book provides the framework to do so with clarity and confidence.
Advanced Basketball Data Science is where rigorous methodology meets practical basketball insight, an indispensable resource for anyone committed to understanding the game through the power of data.
• Combines advanced statistical methods, machine learning, and computer-vision techniques to provide a unified and cutting-edge framework for basketball analytics.
• Offers fully reproducible workflows - complete with datasets, R code, and additional functions - which enable readers to directly apply and extend all analyses.
• Integrates real-world case studies from diverse data sources (play-by-play, tracking, pose estimation, ball trajectories) to demonstrate how rigorous methodology translates into actionable basketball insights.
Tartalomjegyzék:
Foreword Preface 1 Getting started: overview and supporting materials I Analyzing and comparing game splits 2 Beyond individual skills 3 Drilling down on clutch splits: measuring performance when it matters most 4 The race to the finish: exploring the relationship between season segments and final rankings II Decoding motion 5 Understanding players’ spatial dynamics 6 Athletic motion kinematics analysis 7 Tracking and analyzing ball trajectories III Spatial performance analysis 8 Basketball performance maps based on court segmentation 9 Scoring probability maps via Machine Learning algorithms Bibliography R packages Index
Több
