Data Science в игровой индустрии (из серии курсов «Искусственный интеллект в цифровой экономике»)

2021/2022

Статус: Общеуниверситетский факультатив

Кто читает: Базовая кафедра компании SAS

Когда читается: 1, 2 модуль

Охват аудитории: для всех

Преподаватели: Воробьева Мария Сергеевна, Титова Наталия Николаевна

Язык: русский

Кредиты: 4

Контактные часы: 44

Полная версия программы учебной дисциплины

Аннотация

Данный факультатив рассмотривает современные подходы, инструменты и методы интеллектуального анализа данных, применяемые в игровой индустрии. Обучение построено на изучении не только соответствующих математических моделей и алгоритмов, но и на рассмотрении примеров их реального применения в этой области. Это позволяет студентам изучить весь жизненный цикл аналитической модели, начиная с этапа формирования требований, подготовки данных и заканчивая этапом внедрения/эксплуатации.

Цель освоения дисциплины

Получить представления об особенностях задач в игровой индустрии
Изучить современные подходы, инструменты и методы интеллектуального анализа данных, применяемые в игровой индустрии.

Планируемые результаты обучения

Студенты будут способны корректно оценивать результат по проведенному тестированию и правильно его интопретировать за бизнес-пользователей
Студенты знают как формулировать и решать задачи , прогнозирования LTV, churn rate
Студент способен использовать ключевые показатели эффективности и основные метрики операционной и финансовой деятельности, используемые в разных отраслях экономики, отраслевую и функциональную специфику реализации задач анализа данных в бизнесе.
СТудент способен применять математические методы и модели для решения задач анализа данных в бизнесе, возни-кающих в области клиентской аналитики, в розничных сетях продаж товаров и при анализе и оценке рисков, принципы проверки и представления результата решения этих задач
Студенты способны использовать программные средства загрузки, обработки, визуализации и интерактивно-го исследования онлайн данных, а также строить и применять на практике описательные и про-гнозные модели интеллектуального анализа данных и машинного обучения с использованием
Студенты научаться правильно формилировать гепотезы и корректноопределять метрики для проведения тестирования

Содержание учебной дисциплины

Тема 1. Что такое игра? какие бывают механики/жанры игр?
Тема 2. Как привлекают игроков? Основы unit экономики игры.
Тема 3. Способы монетизации. Как игровые компании зарабатывают деньги?
Тема 4. Инфраструктура для разработки игр (трэккинг данных, mmp и так далее).
Тема 5. Как оценивают качество игры ( метрики на основании фактических данных)
Тема 6. Как оценивают качество игры ( метрики на основании прогнозных данных)
Тема 7. Как улучшить игру (LiveOps, турниры и все тому подобное)
Тема 8. Улучшение и оптимизация игры - A/B тесты
Тема 10. Подстраивание игры под игрока: автоподыгрывание, матч-мейкинг, рекомендации, динамическое изменение сложности, автогенерация контента, боты
Тема 11. Digital marketing через гейминг и киберспорт: как монетизировать миллионные охваты и взаимодействовать с вовлеченной и платежеспособной аудиторией. Тренды рынка киберспорта, инсайты, монетизация успешных киберспортных компаний.
Тема 9. Распространение: особенности сторов (+особенности китайских сторов), фичеринги от сторов, что такое ASO, локализация, endcard, правовые основы (GDPR, COPPA)

Элементы контроля

Домашнее задание 1
Домашнее задание 2
Домашнее задание 3
Домашнее задание 4

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.25 * Домашнее задание 2 + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 3 + 0.25 * Домашнее задание 4

Программа дисциплины