• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Версия для слабовидящихЛичный кабинет сотрудника ВШЭПоискМеню
2021/2022

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

Статус: Общеуниверситетский факультатив
Когда читается: 1, 2 модуль
Охват аудитории: для всех
Язык: русский
Кредиты: 4

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

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

Планируемые результаты обучения

  • 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.
  • Студенты знают как формулировать и решать задачи , прогнозирования LTV, churn rate
  • 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
  • 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 будут способны корректно оценивать результат по проведенному тестированию и правильно его интопретировать за бизнес-пользователей
  • Студенты научаться правильно формилировать гепотезы и корректноопределять метрики для проведения тестирования
Содержание учебной дисциплины

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

Элементы контроля

  • неблокирующий Домашнее задание 1
  • неблокирующий Домашнее задание 2
  • неблокирующий Домашнее задание 3
  • неблокирующий Домашнее задание 4
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.25 * Домашнее задание 3 + 0.25 * Домашнее задание 4
Список литературы

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