Next Gen Stats desenvolvido pela AWS

PARCERIAS DA AWS EM DESTAQUE NOS ESPORTES

Bundesliga F1 NFL NHL PFF PGA TOUR

POR QUE A NFL ESCOLHE A AWS

“Um dos principais componentes do nosso sucesso é ter excelentes parcerias. A AWS é um exemplo. Gostamos de fazer parcerias com pessoas inteligentes e que tenham ótimas habilidades. Temos isso na nossa parceria com a AWS.”

- Roger Goodell, comissário da NFL

Atualmente, a grande maioria do machine learning (ML) desenvolvido na nuvem é aplicada pela AWS. É por esse motivo que a AWS é a melhor opção para a NFL aproveitar a força dos seus dados por meio de análise sofisticada e ML. A NFL usa o poder do ML da AWS para criar novas estatísticas e melhorar a saúde e a segurança dos jogadores, criando uma experiência melhor para torcedores, jogadores e times em tempo real.

Machine Learning

É assim que a NFL calcula as estatísticas, usando machine learning e serviços de análise de dados para aprimorar a precisão, a velocidade e os insights fornecidos por sua plataforma Next Gen Stats.

Acesso rápido

Usando a ferramenta de inteligência de negócios Amazon QuickSight, a NFL é capaz de obter mais insight, ao mesmo tempo que abre uma oportunidade para os torcedores, transmissores e a imprensa se envolverem com os dados.

Velocidade

O uso do Amazon SageMaker para criar, treinar e executar esses modelos preditivos ajudou a reduzir o tempo de obtenção de resultados, que caiu de 12 horas para 30 minutos.

INTERAÇÃO DOS TORCEDORES

Quando já jogo, a NFL pode calcular. A liga criou várias novas estatísticas na AWS, cada uma baseada em diferentes pontos de dados. Eis alguns exemplos. Para ver mais, acesse nextgenstats.nfl.com

Jardas de corrida esperadas

A NFL fez uma parceria com a AWS para seu segundo concurso anual de análise esportiva, o Big Data Bowl de 2020, para desenvolver essas novas estatísticas. O parâmetro Jardas de corrida esperadas se destina a mostrar quantas jardas o jogador que tem a bola deverá ganhar em uma determinada jogada com base na localização relativa, na velocidade e na direção dos bloqueadores e defensores.

Jardas esperadas após o catch

Esse novo modelo preditivo usa o Amazon SageMaker para indicar as jardas esperadas após o catch, com base em vários fatores usando dados de rastreamento, como a abertura do receptor, sua velocidade e quantos defensores/bloqueadores estão no espaço.

Classificação da rota

Essa estatística de próxima geração ajuda os torcedores a contextualizarem o jogo do passe de nova maneiras, indicando que tipo de rota o jogador executa (go, post ou out) e atribui uma pontuação agregada de como as equipes jogam para que os torcedores possam estudar as tendência da liga para ter uma nova compreensão da estratégia ofensiva.

COMO FUNCIONA

Captura de dados

Os dados são capturados colocando-se etiquetas RFID (Identificação por radiofrequência) nas almofadas dos ombros dos jogadores e na bola. Receptores de banda ultralarga rastreiam o movimento dos jogadores e da bola em detalhe de centímetros. A coleta de dados usa o Amazon EC2, o S3 e o EMR no processo de captura e armazenamento.

Analise

Em seguida, esses dados em tempo real são combinados com dados tradicionais de pontuação/jogada a jogada para calcular centenas de métricas nunca capturadas antes. Essas métricas são processadas por modelos de machine learning criados pelo Amazon SageMaker para fornecer as previsões, os dados estatísticos e muito mais.

Calcule

Por fim, a NFL usa AWS Lambda, Amazon ElastiCache, Quicksight, RDS, Route S3, API gateway e DynamoDB para lançar os insights, as previsões e os dados estatísticos em análise de transmissão, scouting e ferramentas de coaching.

O rastreamento de jogadores da NFL, também conhecido como Next Gen Stats, é a captura de dados de localização, velocidade e aceleração em tempo real para cada jogador e cada jogada em cada centímetro do campo. Os sensores distribuídos pelo estádio rastreiam as etiquetas colocadas nas almofadas dos ombros dos jogadores, indicando os movimentos individuais com precisão de centímetros. Os dados são capturados por meio de etiquetas RFID colocadas em cada jogador e na bola. Os dados em tempo real são, a seguir, transmitidos a receptores instalados nos estádios, que fornecem à NFL dados dos jogadores em cada jogada.

APLICAÇÃO DE MACHINE LEARNING
AOS DADOS

Ao aproveitar a ampla variedade de recursos de machine learning da AWS baseados na nuvem, a NFL está elevando o nível do cálculo de estatísticas em dias de jogos para que torcedores, narradores, treinadores e times possam se beneficiar de insights mais profundos.

Os dados de treinamento de estatísticas tradicionais e os dados coletados no estádio serão submetidos a centenas de processos em poucos segundos, e o resultado será enviado ao Amazon SageMaker. A partir daí, os modelos de machine learning criados pela equipe de NGS consomem os dados, que continuamente treinam e refinam os modelos. Os modelos de machine learning são, a seguir, usados ou deduzidos em tempo real durante os jogos para gerar informações, como formações, rotas e eventos.

“Escolhemos a AWS devido à sua combinação de ofertas avançadas na nuvem, poderosos recursos de machine learning e experiência em operar na escala de que precisamos. Ao usar o Next Gen Status com a AWS, poderemos começar nossa [temporada] com um conteúdo ainda mais impactante e significativo, revelando insights mais profundos sobre o futebol do que já fizemos até hoje.”

- Matt Swensson, Vice-presidente, produtos emergentes e tecnologia da NFL

OBTENÇÃO DE ÓTIMOS RESULTADOS EM MACHINE LEARNING
COM A NFL

Quer conhecer o manual? Leia mais sobre a jornada da NFL em machine learning, com uma apresentação de Michelle R. McKenna, CIO da NFL, e ouça de Matt Swensson em primeira mão como sua equipe de Next Gen Stats trabalhou com o Laboratório de soluções de Machine Learning da AWS para criar, treinar e implantar seus modelos de machine learning no Amazon Sagemaker.

Obtenha o ebook