Data waktu nyata mulai zona awal hingga zona akhir
Musim NFL ini, AWS mengajak penggemar lebih mendalami data waktu nyata menggunakan Next Gen Stats. Menganalisis jutaan titik data hingga milimeter dengan Machine Learning membuat perubahan yang sangat besar. Bayangkan apa yang dapat dilakukannya untuk bisnis Anda.
AWS ikut serta dalam Big Data Bowl NFL 2022
Cari tahu cara pemenang tahun ini mengubah permainan
AWS Memberikan Wawasan Baru dalam Membangun Jadwal NFL
T&J dengan Wakil Presiden Penyiaran NFL, Mike North, untuk mempelajari tentang sains—dan seni—tentang bagaimana AWS mengurutkan kuadriliun kemungkinan kombinasi jadwal untuk setiap musim untuk menemukan 'satu'
AWS Mendukung Wawasan Pemain Baru untuk Draf NFL
Tanya Jawab dengan Statistik Generasi Berikutnya NFL tentang Skor Draf, alat evaluasi prospek yang didukung oleh AWS, untuk lebih memahami teknologi dan sains yang diperlukan untuk membuat penilaian.
Performa yang Didorong Data di Seattle Seahawks
Lihat bagaimana AWS membantu mereka memanfaatkan data, analitik, dan machine learning untuk memperbaiki performa pemain, menjaga keamanan penggemar, dan memberikan keunggulan kompetitif.
NFL meningkatkan Kesehatan dan Keselamatan Pemain dengan AWS
Lihat bagaimana NFL menggunakan teknologi AI AWS untuk memprediksi dan mencegah cedera.
MENGAPA NFL MEMILIH AWS UNTUK STAT THAT
Sebagian besar machine learning (ML) yang dijalankan di cloud saat ini dilakukan di AWS, itulah sebabnya AWS adalah pilihan terbaik bagi NFL untuk memanfaatkan kekuatan datanya melalui analitik yang canggih. NFL menggunakan kekuatan AWS ML untuk membuat statistik baru serta meningkatkan kesehatan dan keselamatan pemain, menciptakan pengalaman yang lebih baik bagi penggemar, pemain, dan tim—semuanya dalam waktu nyata.
Machine Learning
Inilah bagaimana NFL dapat Stat That, menggunakan layanan machine learning dan analitik data untuk meningkatkan akurasi, kecepatan, dan wawasan yang disediakan oleh platform Next Gen Stats miliknya.
Akses Cepat
Menggunakan alat kecerdasan bisnis Amazon QuickSight, NFL mampu memperoleh wawasan yang lebih luas sekaligus membuka jendela bagi penggemar, penyiar, dan editorial untuk memanfaatkan data.
Kecepatan
Menggunakan Amazon SageMaker untuk membangun, melatih, dan menjalankan model prediktif membantu mendapatkan hasil lebih cepat dari sebelumnya 12 jam menjadi 30 menit.
STAT THAT UNTUK MELIBATKAN PENGGEMAR
Jika ada permainan, NFL dapat melakukan Stat That. Liga telah membangun beberapa statistik Machine Learning di AWS, yang masing-masing bergantung pada titik data yang berbeda. Berikut ini adalah beberapa contoh. Untuk melihat lebih lanjut, kunjungi nextgenstats.nfl.com
Skor Operan
Alat AI pertama yang mengombinasikan tujuh model ML, termasuk model baru untuk memprediksi nilai operan sebelum bola dilempar, untuk mengevaluasi performa operan quarterback.
Probabilitas Penyelesaian
Model prediktif ini menggunakan Amazon SageMaker untuk komputasi probabilitas bahwa setiap operan yang diberikan akan diselesaikan berdasarkan jarak operan, pemisahan penerima dari pemain bertahan terdekat, posisinya di lapangan, jumlah tekanan pada QB, dan banyak lagi.
Panduan Keputusan Fourth Down
Menggunakan Amazon SageMaker untuk menganalisis probabilitas menang, yang menginformasikan bagaimana permainan akan berubah berdasarkan hasil hipotetis, dan probabilitas konversi, yang memprediksi apakah pelanggaran akan mengubah konversi turun keempat atau 2 poin.
Rushing Yard yang Diharapkan
Metrik ini menggunakan Amazon SageMaker untuk memprediksi berapa banyak rushing yard yang diharapkan diperoleh seorang pembawa bola pada carry tertentu berdasarkan lokasi relatif, kecepatan, dan arah pemblokir dan pemain bertahan.
MENERAPKAN MACHINE LEARNING PADA DATA
Dengan memanfaatkan berbagai kemampuan machine learning berbasis cloud dari AWS, NFL membawa bagaimana mereka dapat melakukan Stat That pada hari pertandingan ke tingkat berikutnya—sehingga penggemar, penyiar, pelatih, dan tim dapat memperoleh manfaat dari wawasan yang lebih dalam.
Data pelatihan dari statistik skor kotak tradisional, serta data yang dikumpulkan dari stadion, akan diolah melalui ratusan proses dalam hitungan detik dengan hasil keluaran yang dimasukkan ke Amazon SageMaker. Dari situ, model machine learning yang dibuat oleh tim NGS menyerap data, yang terus melatih dan menyempurnakan model. Model machine learning kemudian digunakan atau disimpulkan dalam waktu nyata selama pertandingan untuk menghasilkan keluaran seperti formasi, rute, dan peristiwa.
"Kami memilih AWS karena kombinasi dari penawaran cloud tingkat lanjut, kemampuan machine learning yang tangguh, dan pengalaman beroperasi pada skala yang kami butuhkan. Dengan memberdayakan Next Gen Stats dengan AWS, kami akan dapat memulai [musim] kami dengan konten yang lebih berdampak dan bermakna, mengungkap wawasan yang lebih dalam tentang pertandingan football daripada yang pernah kami lakukan sebelumnya."
- Matt Swensson, Vice President, Emerging Products and Technology di NFL
"Kami memilih AWS karena kombinasi dari penawaran cloud tingkat lanjut, kemampuan machine learning yang tangguh, dan pengalaman beroperasi pada skala yang kami butuhkan. Dengan memberdayakan Next Gen Stats dengan AWS, kami akan dapat memulai [musim] kami dengan konten yang lebih berdampak dan bermakna, mengungkap wawasan yang lebih dalam tentang pertandingan football daripada yang pernah kami lakukan sebelumnya."
- Matt Swensson, Vice President, Emerging Products and Technology di NFL
MEMPELAJARI MACHINE LEARNING DENGAN NFL
Ingin melihat playbook? Baca selengkapnya tentang tahapan machine learning NFL, dengan pengantar dari CIO NFL Michelle R. McKenna—dan dengarkan langsung dari Matt Swensson tentang cara tim Next Gen Statsnya bekerja sama dengan AWS Machine Learning Solutions Lab untuk membangun, melatih, dan menerapkan model machine learning mereka di Amazon SageMaker.
Produk yang mendukung Next Gen Stats
