Game, set, math: datos útiles para predecir rendimientos en el tenis

Big Data Sports

Conteúdo fornecido por Marcelo Gantman. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Marcelo Gantman ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

1y ago 47:33

MP3•Home de episódios

Marcelo Gantman conversa con Marcelo Albamonte, entrenador de tenis y analista de datos que trabaja desde hace más de 20 años con Franco Davin, ex coach de Gastón Gaudio, Juan Martín Del Potro y Fabio Fognini. Albamonte y Davin desarrollaron Game, Set, Math, una plataforma que ingresa datos del juego que luego se transforman en insights que mejoran la planificación y el rendimiento de los tenistas

Albamonte sostiene que el aporte de cinco puntos en un partido pueden marcar la diferencia entre ganar o perder y que el uso inteligente de los datos en el tenis ofrece una transformación vital en la búsqueda de un tenista que quiere ascender en el ranking: marcar la diferencia entre predecir rendimientos en lugar de resultados para poder alcanzar los objetivos.

Ejemplos con Andy Murray, Fran Cerúndolo, Roger Federer, Rafa Nadal y hasta el caso de un grupo de tenistas veteranas aficionadas que querían mejorar sus resultados, en un episodio único para entender el valor real en el uso de las estadísticas avanzadas en el tenis.

222 episódios

#Deportes #Big Data Sports #Olympics #Juegos Olímpicos #Tokyo 2020 #Tokyo #Sports #Data #Tech