AWS 为制定
NFL 赛程提供新洞察
与 NFL 广播副总裁 Mike North 的问答，了解 AWS 如何对每个赛季的千万亿种可能的日程组合进行排序，以找到“合适的那个”的科学和艺术
AWS 为 NFL 选秀提供新球员洞察
NFL 的 Next Gen Stats about Draft Score 问答（由 AWS 提供支持的前景评估工具）能进一步了解达标所需的技术和科学。
NFL 为何选择 AWS 进行统计
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。
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
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。
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。
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。
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。
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。
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。
“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 Swensson，NFL 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 Swensson，NFL 新兴产品和技术部门副总裁
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。
为 Next Gen Stats 提供支持的产品
