AWS 在製定 NFL 賽程方面提供
全新洞察
與 NFL 廣播副總裁 Mike North 進行問答，了解 AWS 如何對每個賽季數万億個可能的賽程進行分類，以找到「期待賽事」的科學和藝術
AWS 為 NFL Draft 提供新球員洞察
與 NFL 的 Next Gen Stats 關於 Draft Score 的問答，這是採用 AWS 技術的前景評估工具，以更好地了解取得成績所需的技術和科學。
NFL 為什麼選擇 AWS 進行統計
當今在雲端中完成的絕大多數機器學習 (ML) 都是在 AWS 上完成的，這就是為什麼在透過複雜的分析利用其資料時，AWS 是 NFL 最佳選擇的原因。NFL 使用 AWS ML 的強大功能進行統計：建立新的統計資料，並改善球員的健康和安全，同時為球迷、球員和球隊創造更好的體驗，所有一切皆在即時即刻發生。
機器學習
它是 NFL 的統計方式，使用機器學習和資料分析服務來提高其 Next Gen Stats 平台的準確性、速度和提供的洞察。
快速存取
使用商業智慧工具 Amazon QuickSight，NFL 能在內部取得更好的深入分析，同時也為球迷、廣播公司和編輯部門開啟了與資料互動的一扇窗。
速度
Amazon SageMaker 可用於建置、訓練及執行預測模型，將得到結果的時間有效地從 12 小時縮短到 30 分鐘。
統計與粉絲互動
如果有比賽，NFL 可以進行統計。聯盟已經在 AWS 上建置了幾個機器學習統計資料，並且依賴於不同的資料點。以下是一些範例。若要進一步了解，請瀏覽 nextgenstats.nfl.com
合格分數
首創的 AI 工具，結合了七個 ML 模型，包括一個在投球前預測傳球值的新模型，以評估四分衛的傳球表現。
完成概率
此預測模型使用 Amazon SageMaker 根據傳球距離、接球手與最近防守球員的距離、他在場上的位置、QB 上的壓力大小等來計算完成任何給定傳球的概率。
4thDown 決策指南
使用 Amazon SageMaker 分析獲勝概率，它根據假設的結果告知比賽將如何變化，以及轉換概率，它預測進攻是否會轉換為第四次或 2 分轉換。
預期的跑陣碼數
該指標使用 Amazon SageMaker，根據開路球員和防守球員的相對位置、速度和方向，顯示在某次持球中，持球者預期的跑陣碼數。
將機器學習運用於資料
透過利用 AWS 廣泛的雲端機器學習功能，NFL 將其對比賽日的統計方式提高到了一個新水平，以便球迷、廣播業者、教練和球隊可以從更深入的洞察中受益。
來自傳統技術分析統計資料的訓練資料以及從體育場收集的資料將在幾秒鐘內通過數百個程序，並且輸出將饋送到 Amazon SageMaker 中。然後由 NGS 團隊建置的機器學習模型將擷取資料，從而不斷訓練和完善模型。然後在比賽期間即時使用該機器學習模型，以產生諸如陣式、路線和事件之類的輸出。
「我們之所以選擇 AWS，是因為它提供進階雲端產品，具備強大的機器學習能力，並且擁有以我們所需規模執行的經驗。透過使用 AWS 為 Next Gen Stats 提供支援，我們將能夠以更具影響力和意義的內容開始我們的 [賽季]，比以往任何時候都更深入地了解足球比賽。」
- Matt Swensson，NFL 新興產品和技術副總裁
「我們之所以選擇 AWS，是因為它提供進階雲端產品，具備強大的機器學習能力，並且擁有以我們所需規模執行的經驗。透過使用 AWS 為 Next Gen Stats 提供支援，我們將能夠以更具影響力和意義的內容開始我們的 [賽季]，比以往任何時候都更深入地了解足球比賽。」
- Matt Swensson，NFL 新興產品和技術副總裁
與 NFL 一起深入探索機器學習
想看這本手冊嗎？ 詳細了解 NFL 的機器學習之旅，以及 NFL 資訊長 Michelle R. McKenna 的介紹，並親耳聆聽 Matt Swensson 的 Next Gen Stats 團隊如何與 AWS 機器學習解決方案實驗室合作，在 Amazon SageMaker 上建立、訓練和部署他們的機器學習模型。
為 Next Gen Stats 提供技術支援的產品
