NFL auf AWS
Die NFL nutzt die Leistungsfähigkeit von AWS Machine Learning, um Fans, Spielern und Teams ein besseres Erlebnis zu bieten.
AWS und Next Gen Stats enthüllen neue Statistik zur Druckwahrscheinlichkeit
Anatomie des Drucks
Erfahren Sie anhand von Konzepten aus dem Big Data Bowl 2023, wie AWS-Techniker in den letzten 5 Jahren eine Reihe von ML-Modellen an mehr als 90 000 Pass-Spielzügen trainiert haben, um den Druck der QB besser zu erfassen und wie er sich im Laufe des Zurücklaufens aufbaut.
So unterstützt AWS die NFL
Big Data Bowl
„Ein globaler Datenwissenschaftswettbewerb, der sich mit unbeantworteten Football-Fragen befasst. In den letzten 5 Jahren begannen mehr als 15 Next Gen Stats als Big-Data Bowl-Einsendungen.“
– Mike Lopez
Sr. Director of Data and Analytics – NFL
Next Gen Stats
„Die AWS-ML-Teams bieten Lösungen und Techniken, die wir noch nie zuvor gesehen haben, und in Kombination mit unserer Football-Kompetenz und Erfahrung in der Erstellung von Statistiken sind wir weiterhin jedes Mal erfolgreich, wenn wir eine neue Metrik erstellen.“
– Mike Band
Next Gen Stats
Seattle Seahawks
„Die Daten nehmen immer weiter zu. Daher ist die Einrichtung von Systemen zur Verarbeitung dieser Daten von entscheidender Bedeutung, um bei der Spieler-Analyse auf dem neuesten Stand zu bleiben.“
– Patrick Ward
Head of Research and Analytics – Seattle Seahawks
Gesundheit und Sicherheit der Spieler
„Unser Endziel ist es, in der Lage zu sein, Verletzungen durch die Zusammenarbeit mit AWS vorherzusagen und zu verhindern.“
– Jennifer Langton
SVP of Health and Safety Innovation – NFL
So unterstützt AWS die NFL
Big Data Bowl
„Ein globaler Datenwissenschaftswettbewerb, der sich mit unbeantworteten Football-Fragen befasst. In den letzten 5 Jahren begannen mehr als 15 Next Gen Stats als Big-Data Bowl-Einsendungen.“
– Mike Lopez
Sr. Director of Data and Analytics – NFL
Next Gen Stats
„Die AWS-ML-Teams bieten Lösungen und Techniken, die wir noch nie zuvor gesehen haben, und in Kombination mit unserer Football-Kompetenz und Erfahrung in der Erstellung von Statistiken sind wir weiterhin jedes Mal erfolgreich, wenn wir eine neue Metrik erstellen.“
– Mike Band
Next Gen Stats
Seattle Seahawks
„Die Daten nehmen immer weiter zu. Daher ist die Einrichtung von Systemen zur Verarbeitung dieser Daten von entscheidender Bedeutung, um bei der Spieler-Analyse auf dem neuesten Stand zu bleiben.“
– Patrick Ward
Head of Research and Analytics – Seattle Seahawks
Gesundheit und Sicherheit der Spieler
„Unser Endziel ist es, in der Lage zu sein, Verletzungen durch die Zusammenarbeit mit AWS vorherzusagen und zu verhindern.“
– Jennifer Langton
SVP of Health and Safety Innovation – NFL
Darum fällt die Wahl der NFL auf AWS
AWS führt heute den Großteil des Machine Learning (ML) in der Cloud durch. Die NFL nutzt die Leistung von AWS ML: Sie erstellt neue Statistiken und verbessert die Gesundheit und Sicherheit der Spieler, während sie gleichzeitig eine bessere Erfahrung für Fans, Spieler und Teams schafft – alles in Echtzeit.
Machine Learning
Die NFL nutzt AWS Machine Learning und Daten-Analytik, um die Genauigkeit, Geschwindigkeit und Erkenntnisse für Next Gen Stats sowie die Gesundheit und Sicherheit von Spielern zu verbessern.
Daten-Dashboards
Die NFL verwendet Amazon QuickSight, um während Spielen erfasste Echtzeit-Daten zu organisieren und zu analysieren.
Flexibles Computing
Die NFL verwendet Tausende von Amazon-EC2-Spot-Instances, um Millionen von Dollar und Tausende von Stunden bei der Erstellung des jährlichen Saisonplans zu sparen.
Anwenden von Machine Learning auf die Daten
Durch die Verwendung des breiten Spektrums an Cloud-basierten Machine-Learning-Funktionen von AWS hebt die NFL den Spieltag auf die nächste Stufe, sodass Fans, Sendeanstalten, Trainer und Teams von tieferen Erkenntnissen profitieren können. Trainingsdaten aus herkömmlichen Spielbericht-Statistiken durchlaufen innerhalb von Sekunden Hunderte von Prozessen, wobei die Ausgabe in Amazon SageMaker eingespeist wird. Diese Modelle werden während Spielen in Echtzeit verwendet, um Ergebnisse wie Formationen, Routen und Ereignisse zu generieren.
AWS-Services als Motor für Next Gen Stats
Erfahren Sie, wie die NFL AWS einsetzt
Die Liga hat mehrere Machine-Learning-Statistiken auf AWS erstellt, die jeweils auf unterschiedlichen Datenpunkten beruhen. Hier stellen wir nur einige Beispiele vor. Weitere finden Sie unter nextgenstats.nfl.com
Zum Bestehen erforderliche Punktzahl
Ein einzigartiges KI-Tool, das sieben ML-Modelle kombiniert, darunter ein neues Modell zur Prognose des Werts eines Passes, bevor der Ball geworfen wird, um die Passleistung des Quarterbacks zu bewerten.
Entscheidungsleitfaden zum 4.Versuch
Verwendet Amazon SageMaker, um die Siegwahrscheinlichkeit zu analysieren, die darüber informiert, wie sich das Spiel basierend auf hypothetischen Ergebnissen ändern wird, und die Konversionswahrscheinlichkeit, die vorhersagt, ob die Offensive einen vierten Versuch oder 2-Punkte-Konvertierung konvertiert.
Completion Probability (Abschlusswahrscheinlichkeit)
Dieses Prognosemodell verwendet Amazon SageMaker, um die Wahrscheinlichkeit zu berechnen, dass ein bestimmter Pass – auf der Grundlage der Passdistanz, des Abstands zwischen dem Empfängers und dem nächsten Verteidiger, seiner Position auf dem Spielfeld, des Drucks auf den Quarterback und mehr – abgeschlossen wird.
Expected Rushing Yards (Erwartete Laufspiel-Yards)
Diese Metrik verwendet Amazon SageMaker, um vorherzusagen, wie viele Laufspiel-Yards ein Ballträger bei einem bestimmten Laufversuch auf der Grundlage der relativen Position, Geschwindigkeit und Richtung von Blockern und Verteidigern voraussichtlich erzielen wird.
Erwartete Return-Yards
Die neueste fortschrittliche ML-basierte Statistik von AWS und der NFL befasst sich mit der verborgenen Dynamik von Punt- und Kickoff-Returns.
Deckungsklassifizierung
Deckungsklassifizierung ist ein einzigartiges KI-System, das nur Sekunden nach Spiel-Ende 8 verschiedene Typen von Mann- und Zonenverteidigungsabdeckungen identifizieren kann. Sie wurde in den letzten 4 Saisons an über 60 000 NFL-Spielen trainiert und verwendet Spieler-Nachverfolgungsdaten, um Variablen wie die anfängliche Ausrichtung der Verteidiger, ihre Anpassung an die Bewegung offensiver Spieler nach einer Ballübergabe, Spielerbeschleunigung, getarnte Deckungen und sogar zugewiesene Deckung zu berücksichtigen, um festzustellen, welche Deckung verwendet wurde.
Erfahren Sie, wie andere Unternehmen ihr Geschäft mit der Leistung von AWS transformieren.