M&E 的機器學習和分析

使用 AWS Machine Learning and Analytics 進行自動化、增強及創新。M&E (媒體與娛樂) 公司都被淹沒在資料之中,然而大多數公司都不知道如何解開這個價值。機器學習和分析會分析客戶、內容和營運資料,產生製作更好內容、基礎架構和貨幣化策略的可行洞見,以提供您在這個競爭場域中最佳化商業決策時所需的情報。

Michelle McKenna-Doyle 分享 NFL 如何將「Next Gen Stats」升級

使用案例

  • 自動產生中繼資料
  • 聰明便利的內容製作
  • 推薦引擎
  • 自動產生中繼資料
  • 自動產生中繼資料

    媒體分析解決方案可協助您處理、分析及擷取您內容中鎖定的中繼資料。此解決方案利用 AWS Step Functions、Amazon Rekognition (影像辨識)、Amazon Transcribe (語音轉換文字) 與 Amazon Comprehend (自然語言處理) 提供更豐富的內容搜尋能力。

    進一步了解 »

    Media-Entertainment-Industry_Automated-metadata-generation_02
  • 聰明便利的內容製作
  • 聰明便利的內容製作

    透過中繼資料擷取結合使用者參與,讓內容製作的方式變得更聰明便利、更動態靈活。

    進一步了解 »

    Media-Entertainment-Industry_Smarter-content-creation
  • 推薦引擎
  • 推薦引擎

    大規模提供個人化內容使得消費者更加投入。Amazon SageMaker 可為大型和小型公司加速建置、測試及部署專有的演算法,以提供相關的個人化內容。

    進一步了解 »

    Media-Entertainment-Industry_Recommendation engine

案例研究與資源

MLB Statcast

美國職棒大聯盟 (MLB) 使用 AWS 的機器學習服務來驅動 Statcast AI (MLB 所使用的追蹤技術,可分析 MLB.com 和 MLB Network 上每場球賽的球員表現)。此外,Amazon ML Solutions Lab 也與 MLB 合作,針對各種市場和地區提供更加個人化的內容,以持續提升觀眾的體驗。

進一步了解 »

Hearst

Hearst 需要開發一個用來分析即時 clickstream 事件和趨勢內容的平台,以在數分鐘內取得資料給他們的編輯人員。他們每天從 300 網站傳輸 30 TB 的 clickstream 資料,讓他們能夠提供更相關的內容給消費者。

進一步了解 »

NFL Next Gen Stats

NFL 透過球員配備中的無線電頻率 ID (RFID) 擷取即時資訊。AWS Machine Learning and Analysis 能夠利用此資料來開發將球場上的動作視覺化的新方法,並協助 NFL 預測編隊、路線和重要事件。此外,他們還能從這些資料增強廣播內容和賽後洞見,以建立更深厚的消費者參與感。

進一步了解 »

Amazon Rekognition for M&E

了解電腦視覺技術如何藉由自動識別圖片和影片的內容,讓媒體專業人員能夠以快速且低成本的方式產生有價值的洞見。利用 Amazon Rekognition 這項深入學習的圖片和影片分析服務,只要按幾下,即可將人工智慧整合至您的媒體工作流程中。

進一步了解 »


開始使用

我們能協助您先向我們的業務與架構單位諮詢,或者您今天就可以開始進行前導測試。