NFL en AWS
La NFL utiliza la tecnología del machine learning de AWS para crear una mejor experiencia para los aficionados, los jugadores y los equipos.
Por qué la NFL elige a AWS
En la actualidad, AWS lleva a cabo la mayor parte del machine learning (ML) en la nube. La NFL utiliza la tecnología de ML de AWS para crear nuevas estadísticas y mejorar la salud y la seguridad de los jugadores, al mismo tiempo que ofrece una mejor experiencia a los aficionados, los jugadores y los equipos, y todo en tiempo real.
Machine Learning
Creación de un atleta digital: uso de la IA para reescribir el manual sobre la seguridad de los jugadores de la NFL
Paneles de datos
La NFL usa Amazon QuickSight para organizar y analizar los datos en tiempo real capturados durante los partidos.
Computación flexible
La NFL utiliza miles de instancias de spot de Amazon EC2 para ahorrar millones de dólares y miles de horas al crear el calendario anual de la temporada.
Aplicación del machine learning a los datos
Al sacar partido de la gran variedad de capacidades de machine learning basadas en la nube de AWS, la NFL lleva los días de partido al siguiente nivel, de modo que seguidores, locutores, entrenadores y equipos puedan beneficiarse de una mayor cantidad de información. Los datos de entrenamiento obtenidos mediante estadísticas de resúmenes tradicionales pasan por cientos de procesos en cuestión de segundos y el resultado se envía a Amazon SageMaker. Estos modelos se utilizan en tiempo real durante los partidos para generar resultados como formaciones, rutas y eventos.
NFL Big Data Bowl
Descubra cómo el equipo de Next Gen Stats de la NFL contribuye al Big Data Bowl y aprovecha el equipo del Centro de Innovación GenAI de AWS para crear nuevas estadísticas de IA y machine learning cada temporada.
Entrevista exclusiva con Michael Lopez, cofundador del Big Data Bowl y director ejecutivo de Data and Analytics de la NFL.
Infografía del cronograma de probabilidad de presión
AWS y Next Gen Stats presentan una nueva estadística de probabilidad de presión
Anatomía de la presión
Vea cómo los ingenieros de AWS, en base a los conceptos del Big Data Bowl de 2023, entrenó una serie de modelos de ML en más de 90 000 jugadas de pases durante los últimos 5 años para captar mejor la presión del mariscal de campo y cómo evoluciona en el transcurso de un retroceso.
Cómo AWS impulsa a la NFL
Big Data Bowl
“Una competición mundial de ciencia de datos que busca abordar preguntas sobre fútbol americano que no tienen respuesta. Durante los últimos 5 años, más de 15 Next Gen Stats comenzaron como presentaciones al Big Data Bowl”.
- Mike Lopez
Sr. Director of Data and Analytics en NFL
Next Gen Stats
“Los equipos de ML de AWS ofrecen soluciones y técnicas que no habíamos visto antes y, en conjunto con nuestra experiencia en el fútbol y la producción de estadísticas, seguimos teniendo éxito cada vez que creamos una nueva métrica”.
- Mike Band
Next Gen Stats
Seattle Seahawks
“Los datos no hacen más que aumentar. Por lo tanto, disponer de sistemas para gestionarlos es fundamental para mantenerse a la vanguardia en lo que respecta al análisis de jugadores”.
- Patrick Ward
Head of Research and Analytics de Seattle Seahawks
Salud y seguridad de los jugadores
“Nuestro objetivo final es poder predecir y prevenir lesiones al trabajar con AWS”.
- Jennifer Langton
SVP of Health and Safety Innovation en NFL
Cómo AWS impulsa la NFL
Big Data Bowl
“Una competición mundial de ciencia de datos que busca abordar preguntas sobre fútbol americano que no tienen respuesta. Durante los últimos 5 años, más de 15 Next Gen Stats comenzaron como presentaciones al Big Data Bowl”.
- Mike Lopez
Sr. Director of Data and Analytics en NFL
Next Gen Stats
“Los equipos de ML de AWS ofrecen soluciones y técnicas que no habíamos visto antes y, en conjunto con nuestra experiencia en el fútbol y la producción de estadísticas, seguimos teniendo éxito cada vez que creamos una nueva métrica”.
- Mike Band
Next Gen Stats
Seattle Seahawks
“Los datos no hacen más que aumentar. Por lo tanto, disponer de sistemas para gestionarlos es fundamental para mantenerse a la vanguardia en lo que respecta al análisis de jugadores”.
- Patrick Ward
Head of Research and Analytics de Seattle Seahawks
Salud y seguridad de los jugadores
“Nuestro objetivo final es poder predecir y prevenir lesiones al trabajar con AWS”.
- Jennifer Langton
SVP of Health and Safety Innovation en NFL
Los servicios de AWS impulsan Next Gen Stats
Vea cómo la NFL interactúa con AWS
La liga ha creado varias estadísticas con machine learning en AWS, cada una de las cuales se basa en diferentes puntos de datos. Aquí mostramos unos cuantos ejemplos. Para obtener más información, visite nextgenstats.nfl.com
Puntaje de pases
Una herramienta de IA pionera en su tipo que combina siete modelos de ML, incluido un nuevo modelo para predecir el valor de un pase antes de que se lance el balón a fin de evaluar el rendimiento de los pases del mariscal de campo.
Guía de decisiones de 4.a oportunidad
Utiliza Amazon SageMaker para analizar la probabilidad de ganar, que informa cómo cambiará el juego en función de los resultados hipotéticos, y la probabilidad de conversión, que predice si la infracción realizará una conversión de cuarta oportunidad o de dos puntos.
Probabilidad de finalización
Este modelo predictivo usa Amazon SageMaker para calcular la probabilidad de que se complete cualquier pase en función de la distancia del pase, la separación del receptor respecto del defensor más cercano, su posición en el campo, la presión sobre el mariscal de campo, etc.
Yardas en carrera esperadas
Esta métrica usa Amazon SageMaker para predecir cuántas yardas se espera que recorra en carrera el jugador en posesión del balón para ganar en un contraataque según la ubicación relativa, la velocidad y dirección de los bloqueadores y los defensores.
Yardas de devolución esperadas
La última estadística avanzada basada en ML de AWS y la NFL aborda la dinámica oculta de las devoluciones de patadas de despeje y patadas de salida.
Clasificación de cobertura
La clasificación de cobertura es un sistema de inteligencia artificial único en su clase que puede identificar 8 tipos diferentes de coberturas defensivas de hombre y zona solo unos segundos después de que termine la jugada. Este sistema, que se ha entrenado con más de 60 000 jugadas de la NFL durante las últimas 4 temporadas, utiliza los datos de seguimiento de los jugadores para tener en cuenta variables como la alineación inicial de los jugadores defensivos, la forma en que se adaptan al movimiento de los jugadores ofensivos una vez que se produce un pase inicial, la aceleración de los jugadores, las coberturas ocultas e incluso las asignaciones de cobertura detectadas para determinar qué cobertura se utilizó.
Descubra cómo otras empresas están transformando sus negocios con la potencia de AWS.