GRAPHIC_Orange-rule_01

NFL 为何选择 AWS 进行统计

“我们成功的关键因素之一是拥有伟大的合作伙伴,AWS 恰恰印证了这一点。我们喜欢与技术卓越、智慧超群的企业合作,而我们的合作伙伴 AWS 正是如此。” 

– Roger Goodell,NFL 总裁

“我们成功的关键因素之一是拥有伟大的合作伙伴,AWS 恰恰印证了这一点。我们喜欢与技术卓越、智慧超群的企业合作,而我们的合作伙伴 AWS 正是如此。” 

– Roger Goodell,NFL 总裁

如今,在云端进行的绝大多数机器学习(ML)都是在 AWS 上完成的,这就是为什么 AWS 是 NFL 通过复杂的分析来利用其数据力量的最佳选择。NFL 利用 AWS ML 的强大功能进行统计:创建新的统计数据、改善球员的健康和安全,为球迷、球员和球队实时创造更好的体验。

机器学习

NFL 使用机器学习和数据分析服务进行统计,以提高其 Next Gen Stats 平台的准确性、速度,并改进其提供的洞察。

快速访问

借助商业智能工具 Amazon QuickSight,NFL 能够获得更深入的见解,同时还为球迷、解说和体育评论提供了与数据互动的机会。

速度

使用 Amazon SageMaker 来构建、训练和运行这些预测模型,有助于将获得结果的时间从 12 小时缩短到 30 分钟。

GRAPHIC_Orange-rule_01

利用统计促进球迷互动

只要有比赛,NFL 就可以进行统计。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

CP_128_KYLER

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。

ERY_214_JACKSON

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。

GRAPHIC_Orange-rule_01

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 将比赛日的数据统计提升到了一个新的水平,让球迷、解说员、教练和球队可以从更深入的洞察中受益。

Diagram-MOBILE_02
Diagram-DESKTOP_02

来自传统个人技术统计的训练数据,以及从体育场收集的数据,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。之后,NGS 团队构建的机器学习模型将从中获取这些数据,不断对模型进行训练和改进。然后,在比赛过程中实时使用或推断机器学习模型,生成诸如阵型、路线和事件的输出。

GRAPHIC_thin-rule_02

“我们选择 AWS 是因为它结合了先进的云服务、强大的机器学习功能以及以我们所需规模的运营经验。通过使用 AWS 为 Next Gen Stats 提供支持,我们将能够以更具影响力和更有意义的内容开启[赛季],获得对美式橄榄球比赛前所未有的深入见解。”

– Matt SwenssonNFL 新兴产品和技术部门副总裁

“我们选择 AWS 是因为它结合了先进的云服务、强大的机器学习功能以及以我们所需规模的运营经验。通过使用 AWS 为 Next Gen Stats 提供支持,我们将能够以更具影响力和更有意义的内容开启[赛季],获得对美式橄榄球比赛前所未有的深入见解。”

– Matt SwenssonNFL 新兴产品和技术部门副总裁

GRAPHIC_thin-rule_02
GRAPHIC_Orange-rule_01

联手 NFL 深入推进机器学习

想要查看手册? 通过 NFL CIO Michelle R. McKenna 的介绍阅读有关 NFL 机器学习之旅的更多信息,聆听 Matt Swensson 的第一手资料,了解他的 Next Gen Stat 团队如何与 AWS Machine Learning 解决方案实验室合作构建、训练和在 Amazon SageMaker 上部署其机器学习模型。

eBook-02
NGS-football-graphic

了解其他企业如何利用 AWS 的力量实现业务转型。