• Stars
    star
    450
  • Rank 97,143 (Top 2 %)
  • Language
    HTML
  • License
    MIT License
  • Created over 8 years ago
  • Updated 3 months ago

Reviews

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

Repository Details

Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python - 2014-22. [EN] Data munging, analysis and modeling of CartolaFC - the most popular fantasy football game in Brazil. Data cover years 2014-23.

🎩 CaRtola FC: Ciência de Dados e Futebol desde 2014 até 2023

Felizmente, existe um repositório no GitHub chamado caRtola, no qual toda a parte de obtenção e tratamento dos dados do jogo já foi realizada. (Ribeiro, 2019)

🔊 Servidor Discord

Entre no nosso servidor do Discord para trocar experiências sobre projetos e do uso de estatísticas no Cartola FC.

🎲 Dados

Você encontra os dados raw do Cartola FC desde 2014 na pasta data/01_raw.

Estamos preparando um pipeline para agregar os dados de todos os anos em um único arquivo. Então, fique atento no repositório!

🧑‍🏫 Tutoriais

Estes são alguns tutoriais que escrevemos. Contribuições são sempre bem vindas!

Python

R

C++

🃏 Jogo Cartola - Super PFC

Criamos um jogo de cartas com base nos dados (em VueJS). Detalhe: também é de código-aberto!

:octocat: Contribuições

O repositório caRtola é totalmente aberto a novas contribuições. Quer ajudar a gente, mas não sabe como? A gente te dá algumas ideias:

  • Você já fez alguma análise estatística do Cartola FC que acha legal e gostaria de compartilhar aqui?
  • Você também tem um modelo preditivo para tentar prever os melhores jogadores?
  • Ou simplesmente você viu um erro nos nossos dados/análises?

Sinta-se à vontade para submeter um Pull Request ou abrir uma issue! Nós vamos adorar ter isso no caRtola! ✌️

📰 Na Mídia

🎓 Trabalhos Acadêmicos

  • E. Mota, D. Coimbra, and M. Peixoto, “Cartola FC Data Analysis: A simulation, analysis, and visualization tool based on Cartola FC Fantasy Game,” in Proceedings of the XIV Brazilian Symposium on Information Systems, Caxias do Sul, Brazil, Jun. 2018, pp. 1–8, doi: 10.1145/3229345.3229366.

  • L. E. da S. Ribeiro, “Predição de escalações para o jogo CartolaFC utilizando aprendizado de máquina e otimização,” Prediction of escalations for CartolaFC fantasy game using machine learning and optimization, Jul. 2019, Accessed: Jul. 23, 2020. [Online]. Available: https://repositorio.ufu.br/handle/123456789/26681.

  • E. F. Vernier, R. Garcia, I. P. da Silva, J. L. D. Comba, and A. C. Telea, “Quantitative Evaluation of Time-Dependent Multidimensional Projection Techniques,” arXiv:2002.07481 [cs], Feb. 2020, Accessed: Jul. 23, 2020. [Online]. Available: http://arxiv.org/abs/2002.07481.

  • BARBOSA, D. A. C. Should he stay or should he go? head coaches turnover in brazilian football 2014-2019. Rio de Janeiro: Pontifícia Universidade Católica do Rio de Janeiro, 2020.

Está faltando o seu? Envie para gente e colocamos aqui.

Como citar?

Por favor, cite-nos.

H. Gomide e A. Gualberto, CaRtola: Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python. https://github.com/henriquepgomide/caRtola/. 2022.

@book{
     title={CaRtola: Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python}, 
     url={https://github.com/henriquepgomide/caRtola}, 
     abstractNote={Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python}, 
     author={Gomide, Henrique and Gualberto, Arnaldo}, 
     year={2022}
}

Créditos

👥 Autores

👤 Henrique Gomide:

👤 Arnaldo Gualberto:

In Memoriam de Mário Guilherme (Von Marius)