/caRtola

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 and maybe in the world. Data cover years 2014-22.

Primary LanguageHTMLMIT LicenseMIT

🎩 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)