2021/2022
Data Science в игровой индустрии (из серии курсов «Искусственный интеллект в цифровой экономике»)
Статус:
Общеуниверситетский факультатив
Кто читает:
Базовая кафедра компании SAS
Когда читается:
1, 2 модуль
Охват аудитории:
для всех
Язык:
русский
Кредиты:
4
Контактные часы:
44
Программа 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)
Промежуточная аттестация
- 2021/2022 учебный год 2 модуль0.25 * Домашнее задание 2 + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 3 + 0.25 * Домашнее задание 4
Список литературы
Рекомендуемая основная литература
- Продажи. Кн.6: Привлечение и удержание клиентов, работа с рекламациями : формирование контингента покупателей, постоянные клиенты : пер. с нем., Кюппер В., Врублевская Н.А., 2000
Рекомендуемая дополнительная литература
- Геймификация в бизнесе : как пробиться сквозь шум и завладеть вниманием сотрудников и клиентов, Зикерманн, Г., 2014
- Лояльность клиентов, или как удержать старых и привлечь новых клиентов, 192 с., Носова, Н. С., 2009
- Основы Data Science и Big data : Python и наука о данных, Силен, Д., 2017
- Основы Data Science и Big Data. Python и наука о данных : пер. с англ., Силен, Д., Мейсман, А., 2018
- Прицельный маркетинг : новые правила привлечения и удержания клиентов, Забин, Дж., 2006