AWS NFL
NFL 利用 AWS 机器学习的强大功能为球迷、球员和球队创造更好的体验。
将机器学习应用至数据
通过利用 AWS 广泛的基于云的机器学习功能,NFL 将比赛日体验提升到新的水平,让球迷、解说员、教练和球队可以从更深入的见解中受益。来自传统个人技术统计的训练数据,将在几秒钟内完成成百上千个过程的计算,结果输出输入到 Amazon SageMaker。这些模型在比赛期间用于生成诸如阵型、路线和事件等输出。
AWS + Next Gen Stats 揭示了新的压力概率统计数据
压力剖析
利用 2023 年大数据碗赛的概念,了解 AWS 工程师如何对过去五年中超过 90000 次传球进行一系列机器学习模型训练,以更好地捕捉四分卫(QB)面临的压力以及这种压力在后场退防过程中的演变。
AWS 如何助力 NFL
大数据碗
“一项全球数据科学竞赛,旨在解决悬而未决的橄榄球问题。在过去的 5 年中,有超过 15 个 Next Gen Stats 最初是大数据碗的参赛作品。”
- Mike Lopez
NFL 数据与分析高级总监
Next Gen Stats
“AWS ML 团队带来了前所未有的解决方案和技术,结合我们的橄榄球专业知识和制作统计数据的经验,使我们每次创建新指标时都能继续取得成功。”
- Mike Band
Next Gen Stats
AWS 如何助力 NFL
大数据碗
“一项全球数据科学竞赛,旨在解决悬而未决的橄榄球问题。在过去的 5 年中,有超过 15 个 Next Gen Stats 最初是大数据碗的参赛作品。”
- Mike Lopez
NFL 数据与分析高级总监
Next Gen Stats
“AWS ML 团队带来了前所未有的解决方案和技术,结合我们的橄榄球专业知识和制作统计数据的经验,使我们每次创建新指标时都能继续取得成功。”
- Mike Band
Next Gen Stats
AWS 服务为 Next Gen Stats 提供支持
查看 NFL 如何与 AWS 互动
该联盟在 AWS 上构建了几个机器学习统计数据,每个统计数据都依赖于不同的数据点。下面是一些示例。有关详细信息,请访问 nextgenstats.nfl.com
及格分数
一款业界首创的 AI 工具,将七种 ML 模型组合在一起,包含一个新的模型,用于预测在投球之前进行传球的价值,以评估四分卫的传球能力。
第四次进攻决策指南
利用 Amazon SageMaker 分析获胜几率,以基于假想的结果了解比赛的走势,并分析球权交换概率,以预测进攻方是否在第四次进攻时进行球权转换或 2 分转换。
传球成功概率
此预测模型借助 Amazon SageMaker,根据传球距离、接球者与最近防守者之间的距离、其在场上的位置、QB 上的压力大小等来计算完成任何给定传球的概率。
预期的跑动码数
此指标使用 Amazon SageMaker 来根据进攻球员和防守球员的相对位置、速度和方向,预测运球球员在给定的运球过程中预计能获得的跑动码数。
防守分类
Coverage Classification 是一款首创的人工智能系统,可以在比赛结束几秒钟后识别出 8 种不同类型的人员和区域防御掩护。该系统基于过去 4 个赛季的 6 万多场 NFL 比赛进行训练,使用球员追踪数据来考虑变量,例如最初的防守球员队形、球被抢断后他们如何适应进攻球员的移动、球员加速、假防,甚至防守任务失败,以确定使用了哪些防守策略。
了解其他企业如何利用 AWS 的力量实现业务转型。