体育分析技术进行时:凭借AI洞察与数据故事不断发展

简介: 各类企业正利用持续增长的数据总量巩固自身优势,同时着力开发技术方案,希望在市场对抗中占据领先。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

至顶网CIO与CTO频道 04月17日 编译:分析技术正彻底改变职业体育机构的绩效评估方式,同时也推动此类机构以前所未有的方式观察球员表现并调整日常运营思路。

各类企业正利用持续增长的数据总量巩固自身优势,同时着力开发技术方案,希望在市场对抗中占据领先。根据Grand View Research的最新研究,到2025年,全球体育分析市场规模将达到46亿美元,年均复合增长率高达31.2%。

巴尔的摩金莺队副总经理Sig Mejdal表示,“毫无疑问,分析技术正在持续发展。随着技术与数据的快速积累,我认为教练及球探需要掌握的技能也在逐步变化。这种变化将随时间而失衡,逐渐将传统思维与新兴趋势结合起来,最终迸发出前所未有的能力。对此,我们将别无选择——我们的竞争对手正在采取同样的方法,我们也得及时跟上。”

在体育界最具影响力的领导者中,已经有不少人意识到利用分析技术保持赛事优胜的重要意义。达拉斯小牛队老板Mark Cuban就通过向Sportlogiq提供资助的方式,将这方面研究推向新的高度。

Sportlogiq公司由奥林匹克运动员Craig Buntin与拥有计算机视觉及机器学习博士学位的Mehrsan Javan共同创立,目前已经与30支NHL队伍、74个专业运动团队以及5家主要广播网络开展合作。该公司还与北美及欧洲多支足球队,外加NFL、NCAA等足球队联手协作。

这家公司打造的高级分析软件能够利用标准比赛画面跟踪赛事过程中每位选手的位置与行为,适用范围涵盖冰场、室外以及室内等赛场环境。以此为基础,Sportlogiq能够将数据转换为书面见解,供球探、教练以及其他相关人员快速参考。

Sportlogiq公司在方案中采用的是由Arria NLG Studio支持的自动内容创建系统,能够以自动方式动态生成大规模数据故事。这些由AI驱动的洞察见解收集自专有数据集,能够准确反映与团队表现、趋势以及对抗体系相关的特定信息,在帮助团队赢下更多比赛的同时,显著提升广播电视观众的观赛感受。

Sportlogiq公司还拥有一套跟踪系统,能够即时场上多个焦点位置的情况,借此提高观众的观看体验。该系统为体育团队及观众提供关于比赛内容的详细信息,也得到2018年史丹利杯冠军华盛顿首都队的高度认可。

Sportlogiq公司CEO兼联合创始人Craig Buntin表示,“技术让我们以前所未有的方式观看、理解并描述体育赛事。我们很高兴能够与ARRIA Studio合作建立这套自动化内容创建系统,并借此帮助我们的伙伴以自动方式动态生成大规模数据故事”

Arria NLG Studio将比赛情况自动转化为自然语言描述,以供各联赛、队伍及广播公司参考使用。

Arria能够将结构化数据转换为自然语言。通过算法与建模,Arria软件以机器速度大规模重现以往只能由人类专家完成的数据洞察分析与交流过程,从而动态将数据转换为书面或者口语形式的叙述结果。

利用Arria NLG处理体育数据能够快速建立起竞争优势。由于叙述内容能够随比赛推进从数据内快速生成,因此Sportlogiq能够为客户立即提供可操作的洞察见解,进而建立起对抗优势。Arria NLG公司CEO Sharon Daniels指出,“在竞争激烈的职业体育世界当中,比赛中会快速生成大量统计数据与表现信息,导致人们极易错过某些关键亮点,且可能永远无法真正理解左右赛场局势的因素。”

自动化分析则更偏重细节,能够立足多个层级提供丰富信息。例如,Sportlogiq可在每场比赛中捕捉多达6000个事件,并在标准NHL比赛中跟踪超过1000个指标。这些数据通过Arria NLG Studio平台推送,并利用Sportlogiq的预编码叙述完成内容格式化,最终自动生成符合预期要求的媒体内容。

自动生成后的内容将通过不同渠道(包括Slack及电子邮件)发送给客户,以供即时使用。

Arria的平台能够为客户提供量身定制的文章,按周发布全联盟赛事报道、比赛前瞻以及选手资料,尽可能满足更多客户的需求。更重要的是,这项技术本身具有项目中立性,适用于多种体育类型。只要Sportlogiq能够及时获取数据,Arria的平台就能帮助Sportlogiq的媒体部门成员快速掌握欧洲及北美超过5000场足球赛、730场NFL比赛、高校级橄榄球赛以及120场国家级曲棍球比赛的实际情况与趋势性信息。

Sportlogiq公司目前还在与博彩企业合作,通过赛事前瞻及选手资料统计等方式预测比赛结果,同时整理出观众心目中最强大的梦幻阵容。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-17
本文来自:“至顶网”,了解相关信息可以关注“至顶网

相关文章
|
3天前
|
存储 机器学习/深度学习 人工智能
【AI系统】完全分片数据并行 FSDP
本文深入探讨了AI框架中针对权重数据、优化器数据和梯度数据的分布式并行实现,特别是在PyTorch框架下的具体方案。文章首先回顾了通用数据并行和分布式数据并行的概念,重点讨论了同步与异步数据并行的差异。接着,文章详细介绍了如何在PyTorch中实现弹性数据并行,特别是完全分片数据并行(FSDP)的机制,包括其如何通过分片模型状态和剩余状态来减少内存消耗,提高训练效率。此外,文章还探讨了混合精度训练、损失缩放和内存消耗估算等关键技术,为理解和实施高效的分布式训练提供了全面的指导。
21 9
【AI系统】完全分片数据并行 FSDP
|
4天前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】数据并行
数据并行是一种在分布式AI系统中广泛应用的技术,通过将数据集划分成多个子集并在不同计算节点上并行处理,以提高计算效率和速度。在大规模机器学习和深度学习训练中,数据并行可以显著加快模型训练速度,减少训练时间,提升模型性能。每个计算节点接收完整的模型副本,但处理不同的数据子集,从而分摊计算任务,提高处理速度和效率。数据并行按同步方式可分为同步数据并行和异步数据并行,按实现方式包括数据并行、分布式数据并行、完全分片的数据并行等。其中,分布式数据并行(DDP)是当前应用最广泛的并行算法之一,通过高效的梯度聚合和参数同步机制,确保模型一致性,适用于大型NPU集群和AI系统。
41 7
【AI系统】数据并行
|
1天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
5天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
19 5
【AI系统】离线图优化技术
|
2天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
8天前
|
机器学习/深度学习 人工智能 TensorFlow
探索AI技术在医疗健康领域的应用
随着人工智能技术的不断发展,其在医疗健康领域的应用也日益广泛。本文将介绍AI技术在医疗健康领域的应用,包括医学影像分析、智能诊断和治疗建议、药物研发等方面。通过代码示例,我们将展示如何使用Python和TensorFlow构建一个简单的神经网络模型来进行医学影像分析。
34 13
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
6天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
18 2
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
底层技术大揭秘!AI智能导购如何重塑购物体验
双十一期间,淘宝内测AI助手“淘宝问问”,基于阿里通义大模型,旨在提升用户在淘宝上的商品搜索和推荐效率。该助手通过品牌推荐、兴趣商品推荐和关联问题三大板块,提供个性化购物体验。其背后采用多智能体架构,包括规划助理和商品导购助理,通过对话历史和用户输入,实现精准商品推荐。此外,文章还介绍了如何快速部署此解决方案,并探讨了其对现代购物体验的影响。
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
29 2