[ad_1]

پانلی از لیگ های اصلی AWS Summit Online در مورد چگونگی استفاده از یادگیری ماشین برای خرد کردن داده های سریع به محتوای قابل هضم بحث کردند.

هفته گذشته سه لیگ بزرگ ورزشی در اجلاس آنلاین AWS در مورد روشهای استفاده از یادگیری ماشین برای کارایی داخلی و همچنین بهبود روابط هواداران صحبت کردند.

شارلوت کری ، مدیر پخش در لیگ ملی فوتبال (NFL) ؛ Dave Lehanski ، معاون اجرایی توسعه تجارت و نوآوری در لیگ ملی هاکی (NHL) ؛ و راب اسمدلی ، مدیر فرمول 1 (F1) Racing Data Systems ، در پانل مجازی با پریا پوناپالی ، مدیر ارشد و دانشمند ارشد آزمایشگاه یادگیری ماشین AWS صحبت کردند و به عنوان مجری کار می کردند.

اعتبار: Dan74 از طریق Adobe Stock

اعتبار: Dan74 از طریق Adobe Stock

دنیای ورزش در حال تجربه نسخه خود از تحول دیجیتال است زیرا منابع محاسباتی بیشتری با ارزیابی داده های زنده از رویدادهای ورزشی و همچنین مقایسه ردیابی تاریخی ایجاد می شود. همانطور که در تورنمنت هایی مانند US Open دیده می شود ، محاسبات پیشرفته می تواند اطلاعات بی درنگ را به ورزشکاران ، هواداران و سایر افرادی که می توانند استفاده کنند ، ارائه دهد.

در این اجلاس ، AWS با گفتگوی پنل توانایی های خود را در دنیای ورزش پالایش کرد. پوناپالی گفت: “ما با NFL در حال تصمیم گیری در مورد سلامتی و ایمنی بازیکنان هستیم.” “ما به F1 کمک می کنیم تا اتومبیل های آنها را از نو طراحی کند.” او گفت که AWS با ردیابی بازیکنان NFL Next Gen Stats و F1 Insights ، که آمار مسابقه در زمان واقعی را ارائه می دهند ، تجربه هواداران را بهبود می بخشد.

Lehanski از NHL در مورد برخی از تجزیه و تحلیل های پیشرفته با استفاده از فناوری ابر AWS که توسط لیگ او برای جمع آوری و ارزیابی داده های شات و صرفه جویی در درصد ارائه شده است ، صحبت می کند. وی گفت ، چنین تحلیلی با استفاده از آمارهای بی درنگ ، همراه با 10 سال داده تاریخی ، نتایج را در اختیار تیم ها ، اپراتورهای تلویزیون و هواداران قرار می دهد. “ما در تلاش بودیم تا دریابیم که چگونه می توانیم از تجزیه و تحلیل برای تغییر تجربه فن استفاده کنیم.

وی گفت: سرعت سریع و غیرقابل پیش بینی بودن هاکی ، چنین تلاش هایی را به چالش می کشد ، که به منابع محاسباتی نیاز دارد که بتواند همگام با منظره همیشه در حال پیشرفت باشد. لهانسکی گفت: “من فکر می کنم ما تنها ورزش تیمی هستیم که تغییرات کادرفنی را داریم که به صورت زنده در جریان بازی اتفاق می افتد.” “ما همیشه نمی دانیم چه کسی آنجا خواهد بود و زمان ما برای بیان این داستان ها واقعاً کوتاه است.”

وی گفت که وظایف محاسبه شامل قرار دادن لایه های گرافیکی است که هنگام پخش اسکیت بیش از 25 مایل در ساعت با پخش کننده ها حرکت می کنند. لهانسکی گفت: “چالش بزرگ در راه حل این است که شما بتوانید در زمان واقعی خلاصه ، پردازش ، تحلیل ، انتشار و تجسم کنید.” وی گفت ، NHL قصد دارد از منابع AWS برای کمک به تولید تجزیه و تحلیل بهتر از نحوه اجرای ضربات گل و چگونگی ساخت دروازه بان ها استفاده کند. Lehanski گفت ، که این شامل منابع فنی فصل آینده خواهد بود ، که شامل تجزیه و تحلیل ، گرافیک و تجسم جدید است که انتظار می رود در زمان واقعی در بازی ها ادغام شود.

همچنین پیست اتومبیلرانی برای شناخت قدرت محاسباتی ابر و یادگیری ماشین ناشناخته نیست. Smedley گفت: “فرمول 1 چنین ورزشی غنی از داده است.” “مقدار زیادی داده در دسترس است.” هنگامی که لیگ مسابقه F1 تصمیم گرفت از داده های خود برای تعامل بیشتر طرفداران استفاده کند ، وی گفت که همکاری او با AWS با در نظر گرفتن زمان ترانسپوندر و سایر شاخص ها ، به عنوان گردش هر ماشین در اطراف ، تأثیرگذار بوده است. آهنگ. Smedley گفت: “ما تقریباً 2.53 میلیارد ترکیب رویداد زمان بندی را در هر مسابقه ، دقیقاً بعد از ظهر یکشنبه ایجاد می کنیم.”

وی گفت ، اطلاعات اضافی زیادی از جمله آب و هوا و فراداده در حال ورود به دریاچه داده F1 است ، اما لیگ می خواهد چنین داده های خام را برای هواداران قابل دسترسی و خواندن کند. Smedley گفت: “به همین دلیل ما این کتابخانه را برای تجزیه و تحلیل داده ها و آمار ایجاد کردیم.” وی گفت ، تسهیل درک چنین منابعی از طریق منابع محاسباتی می تواند تصویری گردتر از این ورزش را به هواداران ارائه دهد ، فراتر از آنچه در تلویزیون ثبت می شود. گرافیک تولید شده توسط تجزیه و تحلیل و دیگر یادگیری ماشین از AWS به انتقال قدرت و دقت ورزش کمک می کند.

Smedley گفت: “این یک نمایشگر احشایی است که از طریق داده ها و تجزیه و تحلیل قدرت یک ماشین فرمول یک ارائه می شود.” “در بیش از 5G توقف کنید. تأخیر از 350-360 کیلومتر در ساعت به 40 ، 50 ، 60 کیلومتر در ساعت. “

کری گفت ، AWS همچنین شبکه خود را با NFL آغاز کرد ، جایی که برای کمک به برنامه ریزی فصل 2021 مورد استفاده قرار گرفت ، که شامل 272 جلسه تیم خواهد بود. وی گفت که کار بر روی برنامه برای هر فصل اندکی پس از پایان هر فصل Super Bowl یک فصل منظم آغاز می شود. “طی چهار ماه آینده ، ما بسیار سخت تلاش می کنیم تا بهترین برنامه را برای فصل آینده پیدا کنیم.”

کری گفت: راه حل های رایانش ابری AWS در به روزرسانی نحوه مدیریت برنامه NFL در برنامه خود نقش مهمی داشته است ، روندی که می تواند تکرار ده ها هزار برنامه پیشنهادی را فقط در یک فصل ببیند. وی گفت: “واقعاً همین مدت ها پیش نبود که توانستیم به شش کامپیوتر روی هم انباشته برسیم.” “در آن زمان ، ما فکر می کردیم که بسیار پیشرفته هستیم و امیدواریم که اگر خوش شانس باشیم روزانه یک برنامه بگیریم.” با AWS ، کری گفت NFL از 3000 تا 5000 مورد در شب در اوج استفاده می کند. وی گفت: “ما به هر رایانه ای نیاز داریم كه بتوانیم 24 ساعت شبانه روز از آن استفاده كنیم ، اما در واقع فقط حدود چهار ماه در سال به آنها احتیاج داریم.”

کری گفت ، فصل 2021 شامل 256 بازی بزرگ است و هر 32 باشگاه فوتبال هر 18 هفته 17 بازی انجام می دهند. وی گفت: “این تغییری نسبت به سال گذشته است ، جایی که در 17 هفته 16 بازی انجام شده است.” هدف این است که برای رتبه بندی تلویزیون ، در دسترس بودن استادیوم و سفر تیمی ، که ممکن است شامل سفرهای دویدن و سه شب باشد ، بهینه سازی شود. کری گفت: “وقتی تبلیغات بزرگی مانند تیلور سویفت در این فصل به شهر می آیند و به استادیوم ها می روند بسیار پیچیده است.”

وی گفت ، استفاده از منابع AWS برای ایجاد انواع مختلف برنامه های بالقوه ضروری است ، که می تواند از 80،000 تغییر با گزینه هایی که می تواند به میلیون ها نفر برسد ، فراتر رود. کری گفت: “به هیچ وجه نمی توانیم در بازه زمانی کوتاه و چهار ماهه خود به کاوش بخشی از فضای راه حل نزدیک شویم.” “با داشتن برنامه های بیشتر ، ما به روش بهتری برای تجزیه و تحلیل نیاز داریم. این زمان زیادی می برد – ما روزانه صدها برنامه دریافت می کنیم. چگونه بهترین را انتخاب کنیم؟ وی گفت: “مراحل بعدی برای NFL شامل استفاده از AWS برای پشتیبانی از تجزیه و تحلیل پیش بینی است ،” برای بهینه سازی رتبه بندی و توزیع بازی.

مطالب مرتبط:

AWS سلیپسکی را به عنوان مدیرعامل بعدی جانشین اندی جسی منصوب کرد

IBM Red Hat OpenShift را بر روی داده های ورزشی US Open کار می کند

Topspin و Terabytes: IBM در حال افزایش بازی ابری خود در Masters است

Joao-Pierre S. Ruth کار خود را غرق در روزنامه نگاری تجارت و فن آوری گذراند ، ابتدا در صنعت محلی در نیوجرسی ، بعداً به عنوان سردبیر Xconomy در نیویورک فعالیت های خبری خود را آغاز کرد و به انجمن راه اندازی فناوری شهر پرداخت و سپس به عنوان فریلنسر برای این موارد فعالیت کرد. سایت ها به عنوان. .. بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir