授業計画 |
| 回数 |
学習目標 |
学習項目 |
| 1 |
ゲーム運営におけるデータの役割を説明が出来る |
オリエンテーション：データ駆動型ゲーム運営の意義と、収集されるデータの種類（行動ログ、経済ログ等）の概論 |
| 【理解度確認】授業終了前の小テストで確認 |
| 2 |
データの構造と収集基盤を説明が出来る |
ゲームクライアントとサーバー間でのデータ送信、データレイク・ウェアハウスの役割、データソースの理解 |
| 【理解度確認】授業終了前の小テストで確認 |
| 3 |
データの品質管理を説明が出来る |
データクレンジングの基礎： ログの欠損値、外れ値、異常行動（チートの端緒）の特定と処理方法 |
| 【理解度確認】授業終了前の小テストで確認 |
| 4 |
分析環境の構築方法を説明が出来る |
Pythonとクラウド環境： Google Colaboratoryを用いたデータ加工の基本操作（Pandas/Numpy） |
| 【理解度確認】授業終了前の小テストで確認 |
| 5 |
分析のための指標を設計が出来る |
特徴量エンジニアリング： プレイヤーの習熟度や離脱兆候を測るための、分析用データの作成と構造化 |
| 【理解度確認】授業終了前の小テストで確認 |
| 6 |
データの基礎数学を理解が出来る |
統計の背景となる基礎数学：集合論や微積分の概念を、ゲームのパラメータ調整やバランス取りの視点で学ぶ。 |
| 【理解度確認】授業終了前の小テストで確認 |
| 7 |
統計を用いてデータを要約が出来る |
確率・統計の基礎：プレイヤー行動の平均・分散の把握と、A/Bテストによる施策効果の有意差検定。 |
| 【理解度確認】授業終了前の小テストで確認 |
| 8 |
データの異常値を見極める事が出来る |
統計的検定を用いた変化の検出。特に「普段と違う行動」からチートや不具合を見つけ出す手法の検討 |
| 【理解度確認】授業終了前の小テストで確認 |
| 9 |
ユーザーの未来の行動を予測が出来る |
予測分析の基礎：回帰分析や時系列分析を用いた、LTV（課金額）予測やユーザー離脱予測の概念 |
| 【理解度確認】授業終了前の小テストで確認 |
| 10 |
効率的なデータ処理を設計する事が出来る |
【ここから実技重視】 データパイプライン：チート対策用のリアルタイム監視ワークフロー。（サンプルデータを用いたグループディスカッション30分） |
| 【理解度確認】授業終了前の小テストで確認 |
| 11 |
最適化問題をゲームに応用する事が出来る |
マッチングアルゴリズムや在庫管理の最適化。（サンプルデータによる最適化案のグループディスカッション30分） |
| 【理解度確認】授業終了前の小テストで確認 |
| 12 |
現場のエンジニアリングを説明が出来る |
実務事例紹介：オンラインゲーム企業での大規模基盤構築と品質管理。（実例データの構造分析のグループディスカッション30分） |
| 【理解度確認】授業終了前の小テストで確認 |
| 13 |
機械学習導入のための準備が出来る |
機械学習とデータ準備：チート検出モデル等のための学習データ作成（アノテーション）の重要性。（データ要件定義のグループディスカッション30分） |
| 【理解度確認】授業終了前の小テストで確認 |
| 14 |
分析結果を可視化・報告が出来る |
ダッシュボード設計：運営チームに伝えるための効果的なグラフ表現。（サンプルデータを用いた可視化改善のグループディスカッション30分）。 |
| 【理解度確認】授業終了前の小テストで確認 |
| 15 |
学習のまとめが出来る |
1～14回で学んだ復習を行い、期末テストの準備を行う。 |
| 【理解度確認】授業終了前の小テストで確認 |
