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

F1 insights

Formula 1 使用機器學習提升超過 5 億車迷的賽車體驗。透過在 Amazon SageMaker 收集歷史資料和訓練 ML 演算法，F1 能以更高的準確性預測賽車成績。F1 資料科學家與 AWS 緊密合作開發了 F1 Insights，提供即時預測，像是超車機率或哪位車手可能會先進站。

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機構諮詢，或者您今天就可以開始進行前導測試。

聯絡銷售人員