Esta lección es importante porque…
A continuación vamos explicando las distintas secciones de esta lección…
Metodología CRISP-DM? (es una metodología concreta de minería)
Aprendizaje automático (o Machine Learning) moderno:
¿A qué se refieren?
¿Quizá Data Science para videojuegos, los datos que se generan típicamente, cómo hacer telemetría, que son los KPIs (explica DAU, MAU, Retención, ARPU, ARPPU…)?
Explicar Python para análisis de datos, desde el lenguaje básico a Jupyter, Pandas, NumPy (seguramente no me meta en el lenguaje R… pero si podemos trabajar en cuadernos y tal, pues es lo más cómodo y no hay que instalarse el entorno Python… pero quizá para videojuegos no es tontería ver cómo integrarlo)
¿Visualización de datos, o eso ya se cuenta en otra asignatura… rollo herramientas tipo Matplotlib, Seaborn, Plotly… para poder ver embudos de conversión, curvas de retención, heatmaps de mapas…?
Aplicaciones reales de todo esto en un estudio de videojuegos actual (aunque haga una clasecita de historia la movida es ir viendo aplicaciones todo el rato, no en un tema final):
Integración de IA y ML en Unity y Unreal. Claramente tiraré de ML Agents de Unity… aunque quizá no en todas las prácticas.
Python y cómo integrarlo en C# de Unity… como ver gráficas e info de allí
Data-Driven Game Development (incluso se puede evaluar el impacto de cambios de diseño usando datos)
Analytics / Metrics / Telemetría (algo sobre cómo recogerla, pero sobre todo cómo analizarla)
Más información
Para complementar es recomendable consultar otros documentos.
- …
Esta página está licenciada bajo CC BY-NC-SA 4.0 por Laboratorios Narratech.