{"id":28298763,"url":"https://github.com/gerardo1909/proyecto_nba_mvp","last_synced_at":"2025-10-03T13:21:41.791Z","repository":{"id":231215781,"uuid":"781222432","full_name":"Gerardo1909/proyecto_nba_mvp","owner":"Gerardo1909","description":"Trabajo práctico final de la materia \"Introducción al Aprendizaje Automático\" de la Licenciatura en Ciencia de Datos (UNSAM). 2C-2023","archived":false,"fork":false,"pushed_at":"2024-06-01T15:39:54.000Z","size":6070,"stargazers_count":0,"open_issues_count":0,"forks_count":1,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-05-30T06:26:49.374Z","etag":null,"topics":["machine-learning","nba","notebooks-jupyter","pandas","python","random-forest","scikit-learn"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/Gerardo1909.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-04-03T01:14:46.000Z","updated_at":"2025-05-06T12:36:58.000Z","dependencies_parsed_at":"2024-06-01T17:34:42.763Z","dependency_job_id":"141613b2-6919-4c9b-860f-bb19ff42f9a8","html_url":"https://github.com/Gerardo1909/proyecto_nba_mvp","commit_stats":null,"previous_names":["gerardo1909/proyecto_nba_mvp"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/Gerardo1909/proyecto_nba_mvp","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Gerardo1909%2Fproyecto_nba_mvp","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Gerardo1909%2Fproyecto_nba_mvp/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Gerardo1909%2Fproyecto_nba_mvp/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Gerardo1909%2Fproyecto_nba_mvp/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/Gerardo1909","download_url":"https://codeload.github.com/Gerardo1909/proyecto_nba_mvp/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Gerardo1909%2Fproyecto_nba_mvp/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":260535665,"owners_count":23024205,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["machine-learning","nba","notebooks-jupyter","pandas","python","random-forest","scikit-learn"],"created_at":"2025-05-23T06:14:43.533Z","updated_at":"2025-10-03T13:21:41.784Z","avatar_url":"https://github.com/Gerardo1909.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# MVP NBA: Analizando el Jugador Más Valioso con Aprendizaje Automático\n\n**Participantes del proyecto:**\n\n* Santino Semec - santinosemec@gmail.com\n* Gerardo Toboso - gerardotoboso1909@gmail.com\n\n## ¿Qué es el premio MVP de la NBA?\n\nEl premio MVP (Jugador Más Valioso), como su nombre sugiere, **se concede a los jugadores más destacados** durante la temporada regular de la NBA. Dicha parte del calendario NBA **consta de 82 partidos** en la cual se definen a los equipos que luego pasarán a una ronda de eliminación.\n\nEl ganador del premio es determinado mediante **una votación realizada por periodistas deportivos**. Los tres jugadores más votados se convierten en finalistas y, finalmente, el jugador con la mayor cantidad de votos entre ellos se consagra como el ganador.\n\n## Definiendo los objetivos\n\nCada temporada, siempre surge una gran discusión sobre el Jugador Más Valioso (MVP) de la NBA, el premio individual más importante que un jugador de baloncesto puede recibir. Y resulta complicado explicar los criterios de este premio a alguien que no está familiarizado con el deporte.\n\nAlgo que ya confunde a algunas personas es que el MVP no es un premio al mejor jugador, sino al jugador más valioso en la temporada regular. Entonces, surge la pregunta: **¿Qué significa ser más valioso?**\n\nSignifica que es **el jugador con el mayor impacto positivo en su equipo**. Esto implica que el desempeño del equipo también es una variable que influye en este premio individual, ya que debe tener un buen récord para respaldar ese impacto. Para lograrlo, el equipo debe contar con un buen grupo de apoyo para ayudar al MVP, ya que no puede ganar cada partido por sí solo. Sin embargo, el grupo de apoyo no puede ser demasiado bueno, ya que en ese caso no necesitarían al MVP para obtener una buena posición.\n\n**Esto en principio deja ver la subjetividad a la cual está sujeta el premio**.\n\nCon esto en mente, decidimos **aplicar técnicas de Aprendizaje Automático** para observar los patrones en la lógica de elección del MVP, determinar cuáles son las estadísticas más importantes en esta elección y si sería posible crear un modelo que, sea capaz de generar predicciones sobre quien puede ganar este premio en una temporada dada.\n\n### Observación\n\nLas temporadas consideradas para este proyecto van **desde la 99-2000 hasta la 22-23**.\n\n### Fuentes\n\nhttps://www.kaggle.com/datasets/sumitrodatta/nba-aba-baa-stats","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fgerardo1909%2Fproyecto_nba_mvp","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fgerardo1909%2Fproyecto_nba_mvp","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fgerardo1909%2Fproyecto_nba_mvp/lists"}