Comment Hudl utilise Encord
L'équipe Applied Machine Learning de Hudl utilise Encord comme plateforme centrale d'annotation et de gestion des données pour les vidéos et les données de suivi par capteurs dans des sports tels que le football, le football américain, le hockey sur glace et le basketball. Les modèles propres à Hudl fournissent des pré-étiquettes à Encord, et un agent de validation signale les erreurs avant la révision, les données annotées étant ensuite exportées vers les pipelines d'entraînement des modèles.
Voir la preuve capturéeL’usage : comment Hudl déploie Encord
Hudl's Applied Machine Learning team uses Encord as the central annotation and data management platform for video and sensor tracking data across sports such as soccer, American football, ice hockey and basketball. Hudl's own models feed pre-labels into Encord, and a validation agent flags errors before review, with annotated data exported to model training pipelines.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de Encord. usedby ne les mesure pas de façon indépendante.
With the validation agent in place, the same process is now 40% faster.
Le témoignage du client
Encord a fait tomber les barrières entre l'annotation et la data science. Le pré-étiquetage a probablement été ce qui a le plus changé la donne pour nous. Nous avons constaté une vitesse multipliée par 10 sur certains de nos projets les plus exigeants.Traduction automatique de l’anglaisVoir l’original
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.Les autres outils IA utilisés par Hudl
Autres relations publiques recensées sur usedby.
Explorer la stack IA de HudlLes autres entreprises qui utilisent Encord
Des clients de différents secteurs, avec une preuve publique.
Ambi RoboticsConfirmé
Archetype AIConfirmé
ForterraConfirmé
OnsiteIQConfirmé
Pickle RobotConfirmé
Standard AIConfirméConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Encord. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
encord.com- Source publiée
- 28 avr. 2026
- Dernière vérification
- 10 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 10xVérifié
Imprimé mot pour mot sur la page, près du nom de Hudl.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Hudl.
- La date de publicationVérifié
Lue dans les métadonnées de la page, jamais devinée.
- Hudl utilise EncordVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
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.

