Aimez-vous le football - le NFL Draft, le football fantastique et les jeux vidéo de football? Ensuite, commencez à suivre les statistiques de Joseph Bryan of Koalaty sur Twitter!
Au cours des deux dernières années, je suivais Koalaty Statistiques sur Twitter, intéressé par les analyses et la modélisation prédictive des données de football tweetées dans des discussions. Parfois, les données explorées et analysées proviennent de jeux vidéo, comme Madden football d'EA Sports , qui publie ses propres évaluations des joueurs et des équipes. (J'ai un fils adolescent qui aime le football et les jeux vidéo et qui m'apprend ces choses.)
Alors que le football reprenait très vite, j’ai assigné la personne derrière le compte, identifiée dans la biographie comme étant un spécialiste de l’analyse possédant un BS. en statistiques de l'Université de Géorgie. Il s'avère que Koalaty Statistics ( @DFF_Koala ) est Joseph Bryan, et il a eu la gentillesse de me parler un peu de lui et de ce qu’il prépare.
Né et élevé en Géorgie, Joseph aime le football - à la fois universitaire et de la NFL. Alors qu’il avait prévu d’étudier le génie mécanique à l’Université de Géorgie, il a changé de spécialisation après que le professeur lui ait enseigné les concepts en appliquant les statistiques au football. Quelques années plus tard, ce spécialiste de l’analyse diplômé du premier cycle en statistique a une réputation pour ce qu’il appelle son "point de vue du football".
Il a découvert pour la première fois des données dans une "application réelle" lors d'un stage en ingénierie de la qualité chez Caterpillar. Au cours de la dernière année, il a occupé le poste d’ingénieur qualité chez Masterack en Géorgie, où il a contribué à l’introduction de l’analyse de données dans l’installation et a dirigé des projets permettant des économies estimées à plus de 200 000 dollars par an (!).
Il s'est marié tôt cet été et a déménagé à Philadelphie avec son épouse, qui obtient un doctorat en économie à l'Université de Pennsylvanie. Et maintenant, il est à la recherche d'un poste d'analyste de données dans sa nouvelle ville. Pendant ce temps, il partage des analyses sur Koalaty Statistics.
Parlez-nous de votre projet de statistiques Koalaty? De quoi s'agit-il et quand / comment / pourquoi l'avez-vous commencé?
OK, donc il y a quelques années, j'ai suivi un cours intitulé Applied Linear Regression, qui était mon cours préféré à UGA. Mon professeur, Mark Werner, était fantastique et m'a vraiment fait aimer la régression. C'était un cours de printemps et je voulais appliquer ce que j'avais appris à ce que j'aime (le football). J'ai donc commencé à travailler sur une régression pour prédire le brouillon NFL. Le repêchage est un énorme événement de la NFL qui se produit en avril et l’une de mes choses préférées. Je voulais prédire le projet avant que cela se produise ou du moins essayer. J'ai créé une régression et c'était correct, mais rien d'extraordinaire. J'ai collecté toutes les données manuellement (je ne possédais aucune des compétences que j'ai maintenant) et il m'a fallu environ 30 heures pour que tout soit utilisable.
Un peu de temps a passé et ma graduation approchant, je me suis dit: «Je devrais commencer à utiliser mon diplôme pour le football… les gens sur Twitter s'en soucieront peut-être. »J'ai utilisé mes compétences / méthodes statistiques plus raffinées et le brouillon NFL 2018 pour les demis avec un succès * impressionnant *. Je prédis le projet avec un .67 R ^ 2 avant que cela se produise. J'étais super fier et j'ai commencé à développer un petit public. Surtout, merci à Peter Howard ( @pahowdy ) qui a été la première personne à RT mon travail.
À partir de là, j'ai commencé à appliquer mes méthodes / compétences à plus que le brouillon. Je pensais avoir besoin d'un nom et mon surnom au lycée était Koala ... c'est pourquoi Koalaty Statistics a été formé. J'ai commencé à travailler avec la régression dans DFS (Daily Fantasy Sports), des trucs comme DraftKings et FanDuel, et les suivants ont été beaucoup plus volumineux. À l'heure actuelle, je suis à environ 1 803 partisans, ce qui est une tonne pour un football basé sur une régression ringarde. Quand j'ai commencé, je n'aurais jamais pensé pouvoir dépasser 100 partisans. Tout a commencé avec le draft de la NFL. Mais il a évolué pour devenir presque n'importe quoi basé sur la régression (dans le football). Je prends plaisir à prédire DFS, qui est essentiellement jeu par jeu. 
Vers la fin de 2018, Joseph Bryan a créé ce modèle bayésien en utilisant JMP. Il a prédit si un demi-arrière serait «bon» ou «mauvais». Bon = supérieur au FP moyen (points fantaisie) marqué & Mauvais = inférieur au FP moyen marqué L'objectif était d'ajouter une autre variable à un modèle d'ensemble plus vaste qui prédit le succès hebdomadaire. L'axe des X est un PF marqué en une seule partie.
Quelle a été la réponse des fans de football à Koalaty Statistics?
Habituellement, «crainte» comme «comment a-t-il prédit cela un mois avant que cela se produise?» Ou lorsque je prédit un joueur qui s'est évanoui dans une semaine donnée, les gens sont plutôt heureux. Ce qui est vraiment amusant! Les moments les plus intéressants sont ceux où les gens voient ce que je fais et qui sont suffisamment intéressés pour me permettre d’en apprendre davantage sur les méthodes statistiques.
Quel est le résultat de Koalaty Statistics?
L'objectif final est d'aider les gens à apprendre les statistiques de manière amusante. Chaque fois que quelqu'un me demande ce pour quoi je suis allé au collège et que je dis «statistiques», ils «disent» toujours * «Ewwww, c'est difficile / ennuyant» (ou une variante). La statistique est TELLEMENT amusante, intéressante et une fois que vous en avez appris suffisamment, elle peut être incroyablement utile.
Avez-vous toujours gagner au football fantastique?
Haha, parfois. Mes modèles ne sont pas parfaits 100% du temps - aucun modèle ne l’est. Je travaille toujours sur tout et j'espère un jour pouvoir le faire. J'ai eu des semaines où mon modèle était presque parfait, mais j'ai également eu des semaines où mon modèle a à peine obtenu quelque chose de correct.
Qu'est-ce qui vous plaît le plus dans les statistiques?
La raison pour laquelle j'ai échangé des diplômes de majeure au collège était parce que je pensais: «Avec les statistiques, je peux prédire l'avenir», et c'est vrai dans une certaine mesure. C'est comme une superpuissance, et tout le monde ne veut-il pas d'une superpuissance?
Comment avez-vous commencé à utiliser JMP? Pourquoi l'utilisez-vous maintenant?
J'ai d'abord été présenté à JMP dans mon cours de régression linéaire appliquée à UGA. On nous a appris à utiliser à la fois R et JMP dans ce cours. J'utilise encore les deux aujourd'hui, mais principalement JMP pour ses capacités de visualisation et son réseau de neurones fantastiques. JMP rationalise la plupart des outils de régression, facilitant ainsi l’essai de plusieurs approches différentes à un problème en peu de temps.
Qu'est-ce que les gens aimeraient savoir de plus sur vous?
Quand le football n'est pas sur, j'aime regarder la balle molle de la NCAA et le basketball de la NBA J'étais dans la fanfare Redcoat à UGA où j'ai joué du trombone. Je suis aussi un scout de l'aigle. Enfin, au cours de ma dernière année à l’Université UGA, j’ai enseigné un cours de codage à des élèves de maternelle pour un programme parascolaire dans une école locale.
