¿Te gusta el fútbol: el NFL Draft, el fútbol de fantasía y los videojuegos de fútbol? Luego, ¡comienza a seguir las estadísticas de Joseph Bryan de Koalaty en Twitter!
Durante los últimos años, he estado siguiendo Estadísticas Koalaty en Twitter, interesado en los análisis y modelos predictivos de datos de fútbol que se han twitteado en hilos. A veces los datos que se exploran y analizan provienen de Videojuegos, como el fútbol Madden de EA Sports. , que lanza sus propios ratings de jugadores y equipos. (Tengo un hijo adolescente que ama el fútbol y los videojuegos que me enseñan estas cosas).
Con el fútbol volviendo a comenzar pronto, DM la persona detrás de la cuenta, identificada en la biografía como especialista en análisis con un BS En estadísticas de la Universidad de Georgia. Resulta Koalaty Statistics ( @DFF_Koala es Joseph Bryan, y tuvo la amabilidad de contarme un poco acerca de sí mismo y de lo que está haciendo.
Joseph, nacido y criado en Georgia, ama el fútbol, tanto en la universidad como en la NFL. Mientras planeaba estudiar ingeniería mecánica en la Universidad de Georgia, cambió su especialidad después de que el profesor de su curso básico de estadística enseñó conceptos aplicando estadísticas al fútbol. Avancemos unos años, y ahora este especialista en análisis con una licenciatura en estadística tiene seguidores por lo que él llama "su nerd basado en la regresión en el fútbol".
Se puso a trabajar con datos por primera vez en una "aplicación del mundo real" durante una pasantía en ingeniería de calidad en Caterpillar. Durante el año pasado, se desempeñó como ingeniero de calidad para Masterack en Georgia, donde ayudó a introducir el análisis de datos en la instalación y dirigió proyectos con ahorros estimados de más de $ 200,000 al año (!).
Se casó a principios de este verano y se mudó a Filadelfia con su esposa, quien está obteniendo un doctorado en economía en la Universidad de Pennsylvania. Y ahora está en la búsqueda de empleo para un puesto de analista de datos en su nueva ciudad. Mientras tanto, ha estado compartiendo análisis sobre Koalaty Statistics.
Cuéntanos acerca de tu proyecto Koalaty Statistics? ¿Qué es y cuándo / cómo / por qué lo empezaste?
Bien, hace unos años, tomé una clase llamada Regresión lineal aplicada, que era mi clase favorita en UGA. Mi profesor, Mark Werner, fue fantástico y realmente me hizo amar la regresión. Esa fue una clase de primavera, y quería aplicar lo que había aprendido a lo que amo (fútbol). Entonces, comencé a trabajar en una regresión para predecir el Draft de la NFL. El draft es un gran evento de la NFL que ocurre en abril y una de mis cosas favoritas. Quería predecir el borrador antes de que sucediera o al menos intentarlo. Creé una regresión, y estuvo bien, pero nada sorprendente. Recolecté todos los datos manualmente (no tenía ninguna de las habilidades que tengo ahora), y me tomó cerca de 30 horas obtener todo de una manera útil.
Pasó un poco de tiempo y mi graduación se acercó, pensé: "Debería comenzar a usar mi título para cosas de fútbol ... a las personas en Twitter les importará ”. Utilicé mis habilidades / métodos estadísticos más refinados e hice el Draft de la NFL 2018 para corredores con un éxito" impresionante ". Predije el draft con un .67 R ^ 2 antes de que sucediera. Estaba muy orgulloso y comencé a desarrollar un pequeño grupo de seguidores. Especialmente, gracias a Peter Howard ( @pahowdy ) que fue la primera persona en RT mi trabajo.
A partir de ahí, comencé a aplicar mis métodos / habilidades a algo más que el borrador. Pensé que necesitaba un nombre, y mi apodo en la escuela secundaria era Koala ... así que se formó Koalaty Statistics. Comencé a trabajar con la regresión en DFS (Daily Fantasy Sports), cosas como DraftKings y FanDuel, y mis seguidores se hicieron mucho más grandes. En este momento, tengo alrededor de 1.803 seguidores, lo que es una tonelada para una nerd basada en el fútbol. Cuando empecé, nunca pensé que iba a pasar a 100 seguidores. Todo comenzó con el Draft de la NFL. Pero se ha convertido en casi cualquier cosa basada en la regresión (dentro del fútbol). Me gusta predecir el DFS, que es esencialmente sobre una base de juego a juego. 
Hacia fines de 2018, Joseph Bryan hizo este modelo bayesiano utilizando JMP. Se predijo si un corredor sería "bueno" o "malo". Bueno = por encima del promedio de FP (puntos de fantasía) y malo = por debajo del promedio de FP. El objetivo era agregar otra variable a un modelo de conjunto más grande que predijera el éxito semanal. El eje X es FP puntuado en un solo juego.
¿Cuál ha sido la respuesta de los fanáticos del fútbol a Koalaty Statistics?
Por lo general, "asombro" como, "¿cómo predijo eso un mes antes de que sucediera?" O cuando predigo un jugador en una semana determinada, la gente está bastante feliz. Lo que es realmente divertido! Los mejores momentos son cuando la gente ve lo que hago y está lo suficientemente interesada como para que me ayude a aprender más sobre los métodos estadísticos.
¿Cuál esperas que sea el resultado de Koalaty Statistics?
El objetivo final es ayudar a las personas a aprender estadísticas de una manera divertida. Cada vez que alguien me pregunta por qué fui a la universidad y digo "estadísticas", * siempre * dicen "Ewwww, eso es difícil / aburrido" (o alguna variante). Las estadísticas son MUY divertidas, interesantes, y una vez que aprendes lo suficiente, pueden ser increíblemente útiles.
¿Siempre ganas en el fútbol de fantasía?
Jaja, a veces. Mis modelos no son perfectos el 100% del tiempo, ningún modelo lo es. Todavía estoy trabajando en todo, y espero que algún día pueda. He tenido semanas en las que mi modelo era casi perfecto, pero también he tenido semanas en las que mi modelo apenas consiguió algo correcto.
¿Qué es lo que más te gusta de las estadísticas?
Toda la razón por la que cambié de carrera en la universidad fue porque pensé: "Con las estadísticas, puedo predecir el futuro", y hasta cierto punto eso es cierto. Es como una superpotencia, ¿y no todos quieren una superpotencia?
¿Cómo empezaste a usar JMP? ¿Por qué lo usas ahora?
Me presentaron por primera vez JMP en mi curso de regresión lineal aplicada en UGA. Nos enseñaron cómo usar R y JMP en ese curso. Todavía utilizo ambos hoy, pero principalmente JMP por su fantástica visualización y capacidad de red neuronal. JMP agiliza la mayoría de las herramientas de regresión, por lo que es muy fácil probar varios enfoques diferentes a un problema en un corto período de tiempo.
¿Qué más les gustaría saber de ti?
Cuando el fútbol no está encendido, disfruto viendo el softbol de la NCAA y el baloncesto de la NBA. Estuve en la Banda de Marcha de Redcoat en UGA donde toqué trombón. También soy un Eagle Scout. Por último, durante mi último año en UGA, enseñé una clase de codificación a alumnos de kindergarten para un programa después de la escuela en una escuela local.
