Disciplina Processamento de Dados do Jogador

  Contemporary Artificial Intelligence (AI) algorithms are becoming more heavily dependent on several theorems and methodologies grounded in the field of mathematical statistics. Popular machine learning algorithms such as neural networks have a fundamental basis on statistical theory. Prediction algorithms and population tendencies are also heavily used techniques in the field of games as a way of predicting player preference, tendencies and even retention (i.e. how to keep players engaged). Thus, the ability to collect, process, analyse and interpret data is a skill with a substantial necessity in modern day game development and AI. Thus, this course will focus on the introductory aspects which are key to modern day statiscal analysis with a focus on game analytics specifically (i.e. collecting game data, using game-based data sets, interpreting data based on game design principles).   

Não aplicável

  Introdução à estatística: população e amostragem; estatística descritiva; média, simetria e variabilidade; distribuições; intervalos de confiança e estimativas; hipótese nula; visualização de dados. Estatística em jogos: game design, level design, e estatísticas de comportamentos de interação. Processamento e análise prática de dados. Python e Jupyter notebooks. Tipos de recolha de dados: nominal, ordinal, questionários, etc. Processamento de dados em Python: tratamento, análise, visualização e leitura de dados. Bibliotecas de dados e numéricas: NumPy, Pandas, Scikit-Learn e Stats. Bibliotecas de visualização: Matplotlib e Seaborn. Interpretação de dados. Dados de telemetria de jogabilidade. Heat maps para level design. Noções básicas de relatórios estatísticos: recolha de dados, análise de corpus, observação e interpretação de dados e construção de um relatório.  

A disciplina utiliza o Visual Studio Code e Jupyter notebooks para programação Python, edição de texto em Markdown, bem como Git para controlo de versões. Além de utilizar peer-review utilizando quizzes, e acompanhemento por "learning logs" semanais.

El-Nasr, M. S., Drachen, A., & Canossa, A. (2013). Game Analytics – Maximizing the Value of Player Data. Springer London Limited. Haslwanter, T. (2022). An Introduction to Statistics with Python. Springer. Griffiths, D. (2008). Head First Statistics. O’Reilly Media.