#aws

Die Technologie hinter Bundesliga Match Facts xGoals

Die für die Organisation und das Marketing der 1. und 2. Fußball-Bundesliga verantwortliche Deutsche Fußball Liga (DFL) will ihren Zuschauern und Fans neue, innovative Inhalte bieten. Ein Paradebeispiel hierfür ist die ML-basierte Berechnung der Wahrscheinlichkeit eines Torerfolgs mittels xGoals, eines der Bundesliga Match Facts powered by AWS. Nachdem der erste Teil die Grundlagen des Statistikangebots behandelt hat, wird im Folgenden die zugrundeliegende Cloud-Infrastruktur betrachtet.

Machine Learning auf AWS bringt Datenanalysen ins Fußballspiel

Das kennt jeder Fußballbegeisterte: Ein Spieler schießt „das Traumtor“ und Publikum sowie Kommentatoren diskutieren sofort, wie schwierig es war, den Treffer zu erzielen. Bisher ließ sich diese Frage aufgrund des Gesehenen nur ungefähr beantworten. Dabei berücksichtigten die Betrachter vielleicht noch zu einem gewissen Grad die Zahl der Verteidiger um den Torschützen, die Position des Torhüters oder den Schusswinkel. Mit den Analysen von xGoals (kurz für „Expected Goals“), eines der Bundesliga Match Facts powered by AWS, lässt sich nun der Grund für das Staunen in Zahlen ausdrücken. xGoals zeigt dem Fußballfan exakt, wie hoch die Wahrscheinlichkeit ist, aus einer spezifischen Situation heraus ein Tor zu erzielen – für jede potenzielle Schussposition auf dem Spielfeld.

Architectural Patterns auf der Serverless-Reise von shop.LEGO.com

Serverless - ist das ein weiteres Schlagwort? Ist es real? Ist es für große Unternehmen geeignet? Oder spricht es jeden an? Wo finden wir Antworten auf solche Fragen? Der beste Weg ist es, über die Erfahrung mit Serverless-Systemen zu sprechen und das Publikum auf die Reise zu schicken, die Sie bereits hinter sich haben! Genau das tut Sheen Brisals in seiner Session auf der Serverless Architecture Conference 2019.

Das Monitoring von Serverless-Anwendungen auf AWS

Serverless macht Spaß und ist einfach. Aber was ist mit der Überwachung? Lauert ein Überwachungsmonster hinter der Ecke? Zugegeben, es gibt eine Menge Möglichkeiten, das Monster zu bekämpfen, doch welche Funktionen bietet die AWS? Und was noch wichtiger ist: Wie kann man sie am besten nutzen, um sicherzustellen, dass man nachts nicht aus dem Bett gerufen wird? Diese und weitere Fragen beantwortet Nick Van Hoof in seiner Session auf der Serverless Architecture Conference 2019.

AWS stellt Machine-Learning-Tool Open Source: Neo-AI

AWS hat das Open-Source-Tool Neo-AI auf GitHub veröffentlicht. Es besteht aus dem Quellcode von Amazon SageMaker Neo, einem Teil des Machine-Learning-Service SageMaker, und soll das Deployment von KI-Modellen in IoT-Netzwerken verbessern.

AWS Firecracker: microVMs für moderne Serverless-Anwendungen

Mit AWS Lambda und AWS Fargate hat Amazon das Paradigma Serverless gesellschaftsfähig gemacht. Doch nicht in allen Bereichen gab es bislang eine Optimierung auf diesen neuen Ansatz: Die Virtualisierung blieb bei dem rasanten Fortschritt ein wenig auf der Strecke. Diese Lücke will man bei AWS nun mit dem Projekt Firecracker schließen.

Amazon SageMaker: Die Werkbank für Machine Learning

Amazon SageMaker ist eine Werkbank für maschinelles Lernen, die für die Bedürfnisse von Data Scientists und Entwicklern optimiert ist. Der Service ist Teil des Amazon-Web-Services-(AWS-)Cloud-Angebots. Er deckt den gesamten Machine-Learning-Zyklus von der Datenexploration und Aufbereitung mit Jupyter Notebook über das Training und die Evaluierung von Modellen bis zum Betrieb eines trainierten Modells in der Produktion ab.

Anwendungen einfach in jeder Cloud betreiben mit Cloud Foundry

Microservices-Architekturen sind in aller Munde, und selbst so mancher Fachbereich fängt an, sie als Basis neuer Anwendungen zu fordern. Das Ganze muss man dann nur noch in der Cloud bereitstellen, und schon kann man ganz schnell und ohne lästige IT-Prozesse, Hardwarebeschaffung oder Betriebsstrukturen Wünsche erfüllen. Oder?

X
- Gib Deinen Standort ein -
- or -