Der Anwendungsfall: wie Hudl Encord einsetzt
Hudl's Applied Machine Learning team uses Encord as the central annotation and data management layer in its MLOps pipeline, annotating sports video and sensor data for model training. Hudl's own models pre-label the data, a validation agent flags errors, and annotators and data scientists work together in one workflow.
Weitere angegebene Ergebnisse
Zahlen aus der Fallstudie von Encord. usedby hat sie nicht unabhängig gemessen.
With the validation agent in place, the same process is now 40% faster.
In den Worten des Kunden
Encord has broken down barriers between annotation and data science. Pre-labelling has probably been the biggest game changer for us. We've seen a 10x speed improvement on some of our most demanding projects.Weitere KI-Tools von Hudl
Weitere öffentliche Beziehungen, die auf usedby erfasst sind.
Den KI-Stack von Hudl ansehen
Weitere Unternehmen, die Encord nutzen
Kunden aus allen Branchen, mit öffentlichen Belegen.
Archetype AIBestätigt
OnsiteIQBestätigt
Pickle RobotBestätigt
Standard AIBestätigt
Thoro.aiBestätigt
UIPathBestätigtDirekt zur Quelle
Auf Basis der veröffentlichten Fallstudie von Encord. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.
encord.com- Quelle veröffentlicht
- 28. Apr. 2026
- Zuletzt geprüft
- 7. Okt. 2026
Screenshot der Quelle öffnen Was die Fallstudie behauptet und was wir geprüft haben
Was wir mit der Seite verglichen haben.
- Die Zahl: 10xGeprüft
Steht wörtlich auf der Seite, nahe dem Namen Hudl.
- Die oben zitierte PassageGeprüft
Wörtlich von der Seite übernommen, nahe dem Namen Hudl.
- Das VeröffentlichungsdatumGeprüft
Aus den eigenen Metadaten der Seite gelesen, nie geschätzt.
- Hudl nutzt EncordGeprüft
Eintrag mit Stufe Bestätigt.
- Das Ergebnis selbstNicht geprüft
Wir zitieren es; wir haben es nicht gemessen.
By integrating Hudl's own pre-labelling pipeline into Encord, use cases that previously required approximately 10 hours of manual annotation now take around 1 hour.