Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!NFL 드래프트, 판타지 풋볼, 미식축구 비디오 게임 등 축구를 좋아하시나요? 그런 다음 Twitter에서 Koalaty Statistics의 Joseph Bryan을 팔로우하세요!
지난 몇 년 동안, 나는 코알라티 통계 Twitter에서 스레드로 트윗된 축구 데이터의 분석 및 예측 모델링에 관심이 있습니다. 때때로 탐색 및 분석되는 데이터는 EA Sports의 Madden 축구와 같은 비디오 게임 , 플레이어와 팀의 자체 등급을 공개합니다. (저에게는 축구와 비디오 게임을 모두 좋아하는 십대 아들이 있어 저에게 이런 것들을 가르쳐줍니다.)
곧 축구가 다시 시작되면서 저는 계정 뒤에 있는 사람에게 DM을 보냈습니다. 이 사람은 프로필에서 조지아 대학교에서 통계학 학사 학위를 취득한 분석 전문가로 식별되었습니다. Koalaty Statistics ( @KoalatyStats )은 Joseph Bryan이고 그는 나에게 자신과 그가 하고 있는 일에 대해 약간 이야기할 만큼 친절했습니다.
조지아에서 태어나고 자란 Joseph은 대학과 NFL 모두에서 축구를 좋아합니다. 조지아대학교에서 기계공학을 공부할 계획이었으나, 기초통계학과 교수가 축구에 통계를 적용해 개념을 가르친 후 전공을 바꿨다. 몇 년 후 통계학 학사 학위를 가진 이 분석 전문가는 그가 "축구에 대한 괴상한 회귀 기반의 해석"이라고 부르는 것에 관심을 갖게 되었습니다.
그는 Caterpillar에서 품질 엔지니어링 인턴쉽을 하는 동안 "실제 응용 프로그램"에서 처음으로 데이터 작업을 하게 되었습니다. 지난 1년 동안 그는 조지아에 있는 Masterack에서 품질 엔지니어로 일하면서 시설에 데이터 분석을 도입하고 연간 $200,000(!) 이상의 비용을 절감할 수 있는 프로젝트를 주도했습니다.
그는 올 여름 초 결혼하여 펜실베니아 대학교에서 경제학 박사 학위를 취득 중인 아내와 함께 필라델피아로 이사했습니다. 그리고 이제 그는 새로운 도시에서 데이터 분석가 직업을 찾고 있습니다. 한편, 그는 Koalaty Statistics에 대한 분석을 공유하고 있습니다.
Koalaty 통계에 대해 알려주시겠습니까? 그것은 무엇이며 언제/어떻게/왜 시작했습니까?
자, 몇 년 전에 저는 UGA에서 제가 가장 좋아하는 수업인 Applied Linear Regression이라는 수업을 들었습니다. 제 교수인 Mark Werner는 환상적이었고 진정으로 제가 회귀를 사랑하게 만들었습니다. 그것은 봄학기였고, 내가 좋아하는 것(축구)에 배운 것을 적용하고 싶었다. 그래서 NFL 드래프트를 예측하기 위한 회귀 작업을 시작했습니다. 드래프트는 4월에 열리는 거대한 NFL 이벤트이며 제가 가장 좋아하는 것 중 하나입니다. 나는 드래프트가 발생하기 전에 또는 적어도 시도하기 전에 드래프트를 예측하고 싶었습니다. 회귀를 만들었고 괜찮았지만 놀라운 것은 없었습니다. 나는 모든 데이터를 수동으로 수집했고(나는 지금 내가 하는 기술이 전혀 없었습니다), 모든 것을 사용 가능한 방식으로 얻는 데 약 30시간이 걸렸습니다.
시간이 조금 흐르고 졸업이 다가오자 "내 학위를 축구 관련 분야에 활용해야 하나... 트위터 사람들이 관심을 가질 것 같다"고 생각했습니다. 나는 더 세련된 통계 기술/방법을 사용했고 *굉장한* 성공으로 런닝백을 위해 2018 NFL 드래프트를 했습니다. 드래프트가 발생하기 전에 0.67 R^2로 드래프트를 예측했습니다. 나는 매우 자랑스러워했고 소수의 팔로워를 개발하기 시작했습니다. 특히 Peter Howard( @pahowdy ) 내 작업을 RT한 첫 번째 사람입니다.
거기에서 나는 초안보다 더 많은 것에 나의 방법/기술을 적용하기 시작했습니다. 이름이 필요하다고 생각하고 고등학교 때 별명이 코알라....그래서 코알라티 통계가 결성되었습니다. DFS(Daily Fantasy Sports), DraftKings 및 FanDuel과 같은 항목에서 회귀 작업을 시작했고 내 추종자들이 훨씬 더 커졌습니다. 현재 저는 약 1,803명의 팔로워를 보유하고 있습니다. 처음 시작할 때만 해도 팔로워 100명을 넘을 거라고는 생각하지 못했습니다. 모든 것은 NFL 드래프트에서 시작되었습니다. 그러나 거의 모든 회귀 기반(축구 내)으로 발전했습니다. 나는 본질적으로 게임 대 게임 기반의 DFS 예측을 즐깁니다.
Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game. 2018년 말에 Joseph Bryan은 JMP를 사용하여 이 베이지안 모델을 만들었습니다. 런닝백이 '좋다', '나쁘다'를 예측했다. 좋음 = 평균 FP(판타지 포인트) 이상, 나쁨 = 평균 FP 미만 목표는 주간 성공을 예측하는 더 큰 앙상블 모델에 다른 변수를 추가하는 것이었습니다. X축은 단일 게임에서 득점한 FP입니다.
축구팬들은 Koalaty Statistics에 어떻게 반응했나요?
일반적으로 "경외심"은 "그가 그 일이 일어나기 한 달 전에 어떻게 예측했습니까?"와 같습니다. 또는 내가 주어진 주에 브레이크 아웃 플레이어를 예측할 때 사람들은 꽤 행복합니다. 정말 재미있습니다! 가장 멋진 순간은 사람들이 내가 하는 일을 보고 통계 방법에 대해 자세히 알아보기 위해 DM을 보낼 만큼 관심이 있을 때입니다.
Koalaty Statistics의 결과는 무엇입니까?
최종 목표는 사람들이 통계를 재미있게 배울 수 있도록 돕는 것입니다. 누군가 내가 대학에 다녔던 이유가 무엇인지 물을 때마다 "통계"라고 말하면 그들은 *항상* "와우, 힘들고/지루하다"(또는 일부 변형)라고 말합니다. 통계는 정말 재미있고 흥미롭고 일단 충분히 배우면 엄청나게 유용할 수 있습니다.
판타지 축구에서 항상 이기나요?
하하, 가끔. 내 모델은 100% 완벽하지 않습니다. 어떤 모델도 완벽하지 않습니다. 나는 여전히 모든 일을 하고 있고 언젠가는 할 수 있기를 바랍니다. 나는 내 모델이 거의 완벽했던 몇 주를 보냈지만, 또한 제 모델이 거의 모든 것을 제대로 맞추지 못한 주도 있었습니다.
통계에서 가장 좋아하는 것은 무엇입니까?
대학에서 전공을 바꾼 이유는 '통계로 미래를 예측할 수 있다'는 생각이 어느 정도 맞았기 때문이다. 그것은 초강대국과 같으며 모두가 초강대국을 원하지 않습니까?
어떻게 JMP를 사용하기 시작하셨습니까? 왜 지금 사용합니까?
제가 처음 소개받았던 JMP UGA의 응용 선형 회귀 과정에서. 우리는 그 과정에서 R과 JMP를 모두 사용하는 방법을 배웠습니다. 나는 오늘날에도 여전히 둘 다 사용하지만 환상적인 시각화와 신경망 기능 때문에 주로 JMP를 사용합니다. JMP는 대부분의 회귀 도구를 간소화하여 짧은 시간에 문제에 대한 다양한 접근 방식을 매우 쉽게 시도할 수 있도록 합니다.
사람들이 당신에 대해 더 알고 싶어하는 것은 무엇입니까?
미식축구 경기가 없을 때는 NCAA 소프트볼과 NBA 농구를 보는 것을 즐깁니다. 나는 UGA의 Redcoat Marching Band에서 트롬본을 연주했습니다. 저도 이글 스카우트입니다. 마지막으로, UGA에서 3학년 때 지역 학교에서 방과후 프로그램을 위해 유치원생들에게 코딩 수업을 가르쳤습니다.
정말 멋진 사람입니다... 그리고 JMP와 통계를 사용하는 깔끔한 방법입니다. 미식축구 팬이자 판타지 미식축구 구단주이자 가끔 Madden 선수인 이 글은 Twitter에서 훌륭한 팔로우가 될 것입니다. 내 동료 판타지 축구 소유자가 이 블로그를 읽지 않기를 바랍니다. 그렇지 않으면 내가 그 이점을 잃을 것입니다! 계속해서 분석 @DFF_코알라 !
