-
Apresentação
Apresentação
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).
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Mestre | Semestral | 8
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
1 | Obrigatório | Português
-
Código
Código
ULHT6838-25523
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
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.
-
Objetivos
Objetivos
Obter conhecimentos estatísticos fundamentais e compreender a sua importância nos jogos digitais contemporâneos. Aprender a manipular e trabalhar com uma grande variedade de corpus de dados. Compreender as ligações entre os dados e a interação e concepção dos jogadores. Construir relatórios e relações de construção entre os dados e potenciais hipóteses de preferências e tendências dos jogadores.
-
Metodologias de ensino
Metodologias de ensino
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.
-
Bibliografia principal
Bibliografia principal
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.
-
Avaliação
Avaliação
A avaliação é realizada da seguinte forma:
-
Vários pequenos projetos/exercícios de avaliação (4-6) cobrindo todo o programa e que requerem a apresentação de um relatório. Inclui a submissão e avaliação dos "learning logs".
-
Um teste de avaliação.
-
Nota final = 70% projetos + 30% teste.
Avaliação do exame: Teste teórico sobre os conteúdos ensinados durante o semestre (30%) + projecto prático equivalente a todos os projectos de menor dimensão realizados em avaliação contínua (70%).
Em ambas as avaliações pode ser fixada uma nota mínima em cada componente (teórica e prática).
Assessment is performed as follows:
-
Several small projects/assessment exercises (4-6) covering the entire program which require submitting a study report. Including evaluation of the learning logs.
-
One assessment test.
-
Final grade = 70% projects + 30% test.
Exam evaluation: Theoretical test on the contents taught during the semester (30%) + practical project equivalent to all the smaller projects performed under regular evaluation (70%).
In both assessments a minimum mark may be set in each component (theoretical and practical).
-
-
Mobilidade
Mobilidade
Não
