Mahzad a obtenu son doctorat en 2009 dans le domaine de la vision par ordinateur. Elle a plus de 10 ans d’expérience dans le domaine de la data. Sa spécialité est la mise en production d’algorithmes de data science et machine learning à l’échelle. Elle a également travaillé sur l’ application de l’ apprentissage par renforcement dans les jeux video pour l’automatisation des tests. Aujourd’hui elle est lead machine learning specialist au sein de Gearbox Studio Montréal.
Session
Cette présentation sera faite en français
Machine learning, Data Science, AI dans les jeux video
Les jeux vidéo génèrent une très forte quantité de données par jour. Ces données proviennent de différentes sources. On peut citer la télémétrie qui consiste à enregistrer toutes les actions et les événements accomplis par le joueur dans le jeu, comme le nombre de quêtes effectuées, le nombre d’ennemis vaincus, les temps de jeu, etc. D’autres sources de données proviennent des achats dans les magasins au sein du jeu que cela soit avec une monnaie virtuelle propre au jeu ou de l’argent réel. De plus, du côté backend notamment pour les jeux en ligne et jeux mobiles, une grande quantité de données sont collectées tous les jours comme les pannes, le nombre de connexions, les alertes de services etc. A tout cela s’ajoutent les informations liées aux différents réseaux sociaux, forum de discussions qui parle du jeu. Toutes ces données sont une mine d’or qui depuis quelques années ont commencé à être exploitées. Des équipes data science, machine learning ont alors été créées au sein des studios. Dans cette présentation nous ferons un tour d’horizon des différentes applications de machine learning, data science appliquée aux donnés du jeux vidéo, mais aussi nous discuterons des avancées en termes d’AI au sein même de l’engin, comme les applications de l’apprentissage par renforcement. Nous conclurons cette présentation avec les défis et enjeux portant sur la démocratisation du machine learning au sein des productions de jeu.
