Ami il calcio: i videogiochi NFL Draft, fantasy football e football? Quindi, inizia a seguire Joseph Bryan di Koalaty Statistics su Twitter!
Negli ultimi due anni, ho seguito Statistiche di Koalaty su Twitter, interessato alle analisi e alla modellizzazione predittiva dei dati sul calcio, ha twittato lì nei thread. A volte provengono i dati che vengono esplorati e analizzati videogiochi, come il calcio Madden di EA Sports , che rilascia le proprie valutazioni di giocatori e squadre. (Ho un figlio adolescente che ama sia il calcio che i videogiochi che mi insegna su queste cose.)
Con il calcio che ricominciava presto, ho DM la persona dietro l'account, identificata nella bio come specialista di analisi con una BS nelle statistiche dell'Università della Georgia. Si scopre Koalaty Statistics ( @DFF_Koala ) è Joseph Bryan, ed è stato così gentile da dirmi un po 'di se stesso e di cosa sta combinando.
Nato e cresciuto in Georgia, Joseph ama il calcio - sia college che NFL. Mentre aveva programmato di studiare ingegneria meccanica presso l'Università della Georgia, ha cambiato il suo ruolo dopo che il professore per il suo corso di statistica di base ha insegnato concetti applicando statistiche al calcio. Avanzano di pochi anni e ora questo specialista di analisi con una laurea in statistica ha un seguito per quello che definisce il suo "nerdy regressione sul calcio".
Ha iniziato a lavorare con i dati per la prima volta in una "applicazione del mondo reale" durante uno stage di ingegneria della qualità presso Caterpillar. Nell'ultimo anno ha lavorato come ingegnere di qualità per Masterack in Georgia, dove ha contribuito a introdurre l'analisi dei dati nella struttura e ha portato a progetti con un risparmio stimato di oltre $ 200.000 all'anno (!).
Si è sposato all'inizio di questa estate e si è trasferito a Filadelfia con sua moglie, che ha conseguito un dottorato in economia all'Università della Pennsylvania. E ora è in cerca di lavoro per una posizione di analista di dati nella sua nuova città. Nel frattempo, ha condiviso analisi su Koalaty Statistics.
Parlaci del tuo progetto Koalaty Statistics? Che cos'è e quando / come / perché l'hai avviato?
OK, così alcuni anni fa, ho preso una lezione chiamata Applied Linear Regression, che era la mia classe preferita alla UGA. Il mio professore, Mark Werner, è stato fantastico e mi ha fatto davvero amare la regressione. Era una lezione di primavera, e volevo applicare ciò che avevo imparato a ciò che amo (il calcio). Quindi, ho iniziato a lavorare su una regressione per prevedere il Draft NFL. La bozza è un grande evento NFL che accade ad aprile e una delle mie cose preferite. Volevo prevedere la bozza prima che accadesse o almeno provarci. Ho creato una regressione, ed era OK, ma niente di straordinario. Ho raccolto tutti i dati manualmente (non avevo le competenze che ho ora) e ci sono volute circa 30 ore per ottenere tutto in modo utilizzabile.
Passò un po 'di tempo, e la mia laurea si avvicinò, pensai: "Dovrei iniziare a usare la mia laurea per il calcio ... forse le persone su Twitter si prenderanno cura di me. "Ho usato i miei metodi / metodi statistici più raffinati e ho fatto il Draft NFL 2018 per il running back con * fantastico * successo. Ho previsto la bozza con un .67 R ^ 2 prima che accadesse. Ero super orgoglioso e ho iniziato a sviluppare un piccolo seguito. Soprattutto grazie a Peter Howard ( @pahowdy ) che è stata la prima persona a fare il mio lavoro.
Da lì, ho iniziato ad applicare i miei metodi / competenze a qualcosa di più della semplice bozza. Ho pensato che avevo bisogno di un nome, e il mio soprannome al liceo era Koala .... quindi è stata creata la statistica di Koalaty. Ho iniziato a lavorare con la regressione in DFS (Daily Fantasy Sports), roba come DraftKings e FanDuel, e il mio seguito è diventato molto più grande. In questo momento, sono circa 1.803 follower, che è una tonnellata per un nerd sul calcio di regressione. Quando ho iniziato, non avrei mai pensato di passare nemmeno 100 follower. Tutto è iniziato con la Draft NFL. Ma si è evoluto in quasi tutto basato sulla regressione (nel calcio). Mi piace predire DFS, che è essenzialmente basato sul gioco per gioco. 
Verso la fine del 2018, Joseph Bryan ha realizzato questo modello bayesiano usando JMP. Ha predetto se un back running sarebbe "buono" o "cattivo". Buono = sopra il FP av (punti fantasia) segnato & Cattivo = sotto il punteggio FP segnato. L'obiettivo era di aggiungere un'altra variabile a un modello di ensemble più grande che predisse il successo settimanale. L'asse X è segnato da FP in una singola partita.
Qual è stata la risposta del tifoso alle statistiche di Koalaty?
Di solito, "soggezione" come, "come ha previsto che un mese prima che accadesse?" O quando prevedo un giocatore di breakout in una determinata settimana, le persone sono piuttosto felici. Che è veramente divertente! I momenti più belli sono quando le persone vedono ciò che faccio e sono abbastanza interessato a DM per saperne di più sui metodi statistici.
Cosa speri sia il risultato delle statistiche di Koalaty?
L'obiettivo finale è aiutare le persone a imparare le statistiche in modo divertente. Ogni volta che qualcuno mi chiede cosa sono andato al college e dico "statistiche", loro * sempre * dicono "Ewwww, è difficile / noioso" (o qualche variante). Le statistiche sono COSI divertenti, interessanti, e una volta che hai imparato abbastanza, può essere terribilmente utile.
Vinci sempre al calcio fantastico?
Haha, a volte. I miei modelli non sono perfetti il 100% delle volte, nessun modello lo è. Sto ancora lavorando su tutto e spero che un giorno potrò. Ho avuto settimane in cui il mio modello era quasi perfetto, ma ho anche avuto settimane in cui il mio modello non ha ottenuto nulla di corretto.
Cosa ti piace di più delle statistiche?
L'intera ragione per cui ho scambiato le major al college è perché pensavo: "Con le statistiche, posso predire il futuro", e in una certa misura questo è vero. È come una superpotenza, e non tutti vogliono una superpotenza?
Come hai iniziato a utilizzare JMP? Perché lo usi ora?
Sono stato introdotto per la prima volta JMP nel mio corso di regressione lineare applicata all'UGA. Ci è stato insegnato come utilizzare sia R che JMP in quel corso. Uso ancora oggi, ma principalmente JMP per la sua fantastica capacità di visualizzazione e di rete neurale. JMP semplifica la maggior parte degli strumenti di regressione, rendendo molto facile provare più approcci diversi a un problema in un breve lasso di tempo.
Cos'altro potrebbe piacere alla gente sapere di te?
Quando il calcio non è attivo, mi piace guardare il softball NCAA e il basket NBA. Ero nella Redcoat Marching Band di UGA, dove suonavo il trombone. Sono anche un Eagle Scout. Infine, durante il mio ultimo anno alla UGA, ho insegnato una lezione di codice agli asili per un programma di doposcuola in una scuola locale.
