NFL sur AWS
La NFL utilise la puissance du machine learning d'AWS pour créer une meilleure expérience pour les fans, les joueurs et les équipes.
Pourquoi la NFL a choisi AWS
AWS réalise aujourd'hui la majeure partie du machine learning (ML) dans le cloud. La NFL utilise la puissance du ML AWS pour créer de nouvelles statistiques, améliorer la santé et la sécurité des joueurs et offrir une meilleure expérience aux fans, aux joueurs et aux équipes, le tout en temps réel.
Machine Learning
Former un athlète numérique : utiliser l'IA pour réécrire le manuel sur la sécurité des joueurs de la NFL
Tableaux de bord de données
La NFL utilise Amazon QuickSight pour organiser et analyser les données en temps réel capturées pendant les matchs.
Calcul flexible
La NFL utilise des milliers d'instances Spot Amazon EC2 pour économiser des millions de dollars et des milliers d'heures lors de l'élaboration du calendrier annuel de la saison.
Application du machine learning aux données
En tirant parti de la vaste gamme de capacités de machine learning basées sur le cloud d'AWS, la NFL fait passer le jour du match à un niveau supérieur, afin que les fans, les diffuseurs, les entraîneurs et les équipes puissent bénéficier d'informations plus approfondies. Les données de formation issues des statistiques de notation traditionnelles sont traitées par des centaines de processus en quelques secondes et les résultats sont transmis à Amazon SageMaker. Ces modèles sont utilisés en temps réel pendant les matchs pour générer des résultats tels que des formations, des tracés et des événements.
NFL Big Data Bowl
Découvrez comment l'équipe Next Gen Stats de la NFL contribue au Big Data Bowl et tire parti de l'équipe du centre d'innovation AWS GenAI pour créer de nouvelles statistiques sur l'IA et le machine learning chaque saison.
Entretien exclusif avec Michael Lopez, cofondateur du Big Data Bowl et directeur principal des données et des analyses de la NFL.
Infographie sur la chronologie de la probabilité de pression
AWS et Next Gen Stats dévoilent une nouvelle statistique de probabilité de niveau de pression
Anatomie de la pression
En s'appuyant sur les concepts du Big Data Bowl de 2023, découvrez comment les ingénieurs d'AWS ont formé une série de modèles de machine learning sur plus de 90 000 passes au cours des 5 dernières années afin de mieux saisir la pression QB et son évolution au fil d'un dropback.
Comment AWS alimente la NFL
Big Data Bowl
« Un concours mondial de science des données qui vise à répondre à des questions footballistiques restées sans réponse. Au cours des 5 dernières années, plus de 15 statistiques de nouvelle génération ont été soumises au Big Data Bowl. »
- Mike Lopez
Directeur senior des données et de l'analyse - NFL
Next Gen Stats
« Les équipes d'AWS ML proposent des solutions et des techniques inédites et, associées à notre expertise du football et à notre expérience en matière de production de statistiques, nous continuons à connaître du succès chaque fois que nous créons une nouvelle métrique. »
- Mike Band
Next Gen Stats
Seattle Seahawks
« Les données ne font qu'augmenter. Il est donc essentiel de mettre en place des systèmes pour gérer ces données afin de rester à la pointe de l'analyse des joueurs. »
- Patrick Ward
Responsable de la recherche et de l'analyse - Seattle Seahawks
Santé et sécurité des joueurs
« Notre objectif final est de pouvoir prévoir et prévenir les blessures en travaillant avec AWS. »
- Jennifer Langton
Vice-présidente principale de l'innovation en matière de santé et de sécurité - NFL
Comment AWS alimente la NFL
Big Data Bowl
« Un concours mondial de science des données qui vise à répondre à des questions footballistiques restées sans réponse. Au cours des 5 dernières années, plus de 15 statistiques de nouvelle génération ont été soumises au Big Data Bowl. »
- Mike Lopez
Directeur senior des données et de l'analyse - NFL
Next Gen Stats
« Les équipes d'AWS ML proposent des solutions et des techniques inédites et, associées à notre expertise du football et à notre expérience en matière de production de statistiques, nous continuons à connaître du succès chaque fois que nous créons une nouvelle métrique. »
- Mike Band
Next Gen Stats
Seattle Seahawks
« Les données ne font qu'augmenter. Il est donc essentiel de mettre en place des systèmes pour gérer ces données afin de rester à la pointe de l'analyse des joueurs. »
- Patrick Ward
Responsable de la recherche et de l'analyse - Seattle Seahawks
Santé et sécurité des joueurs
« Notre objectif final est de pouvoir prévoir et prévenir les blessures en travaillant avec AWS. »
- Jennifer Langton
Vice-présidente principale de l'innovation en matière de santé et de sécurité - NFL
Les services AWS optimisent la plateforme Next Gen Stats
Découvrez comment la NFL fait appel à AWS
La ligue a généré plusieurs statistiques avec le Machine Learning sur AWS, chacune reposant sur différents points de données. En voici quelques exemples. Pour en savoir plus, consultez la page nextgenstats.nfl.com
Score de passes
Un outil d’IA unique en son genre qui mélange sept modèles de ML, y compris un nouveau modèle pour prédire la valeur d’une passe avant que le ballon soit lancé, pour évaluer les performances en passes des quarterbacks.
Guide de décision 4edown
Utilise Amazon SageMaker pour analyser les probabilités de victoire, ce qui informe sur la manière dont le jeu va évoluer en fonction de résultats hypothétiques et de probabilités de conversion, prédisant ainsi si la faute entraînera un 4e down ou une conversion à 2 points.
Probabilité de réussite
Ce modèle prédictif utilise Amazon SageMaker pour calculer la probabilité qu'une passe donnée soit réussie en fonction de la distance de la passe, de la distance entre le récepteur et le défenseur le plus proche, de son positionnement sur le terrain, de la pression exercée sur un quart-arrière, etc.
Yards gagnés attendus
Cette métrique utilise Amazon SageMaker pour prédire le nombre de yards qu'un porteur de ballon devrait gagner sur une portée donnée en fonction de l'emplacement, de la vitesse et de la direction relatifs des bloqueurs et des défenseurs.
Yards de rendement attendus
Les nouvelles statistiques optimisées par ML et avancées d'AWS et de la NFL contrent le dynamique cachée des retours de dégagement et de lancement.
Classification de couverture
La classification de couverture est un système d'IA unique en son genre qui permet d'identifier 8 types différents de couvertures défensives d'hommes et de zones quelques secondes après la fin du jeu. Entraîné lors de plus de 60 000 parties dans la NFL au cours des 4 dernières saisons, il utilise les données de suivi des joueurs pour prendre en compte des variables telles que l'alignement défensif initial des joueurs, la façon dont ils s'adaptent aux mouvements des joueurs offensifs une fois le ballon cassé, l'accélération des joueurs, les couvertures déguisées et même les affectations de couverture ratées pour déterminer quelle couverture a été utilisée.
Découvrez comment d'autres entreprises transforment leur activité grâce à la puissance d'AWS.