Автостатсмен для Dota 2 (командный проект) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(Новая страница, с помощью формы Новый_командный_проект) |
|||
| (не показано 13 промежуточных версии 2 участников) | |||
| Строка 1: | Строка 1: | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
=== Что это за проект? === | === Что это за проект? === | ||
| − | Статсмен в | + | |
| + | [[Файл:Dota Statsman Screenshot 3.png|x300px|обрамить|справа|Типичный статсмен]] | ||
| + | |||
| + | Статсмен в Dota 2 — человек, который занимается поиском любопытных статистических фактов и закономерностей в истории матчей Dota 2. Такая информация обычно используется во время трансляции игр, на постматчевой аналитике или же при подготовке команд к конкретным противникам. | ||
При этом ключевыми источниками информации для подготовки являются 2 сайта: Dotabuff и DatDota и статсменам приходится вручную искать по ним необходимую информацию для ответа на интересующие их вопросы или составления статистических отчетов. Для того, чтобы облегчить их труд, данный процесс можно автоматизировать, сделав поиск и извлечение релевантной информации автоматическим. | При этом ключевыми источниками информации для подготовки являются 2 сайта: Dotabuff и DatDota и статсменам приходится вручную искать по ним необходимую информацию для ответа на интересующие их вопросы или составления статистических отчетов. Для того, чтобы облегчить их труд, данный процесс можно автоматизировать, сделав поиск и извлечение релевантной информации автоматическим. | ||
| Строка 22: | Строка 17: | ||
=== Компоненеты (Из каких частей состоит проект?) === | === Компоненеты (Из каких частей состоит проект?) === | ||
| − | #Создание системы по сбору и хранению данных о профессиональных матчах с Dotabuff и Datdota; | + | #Создание системы по сбору и хранению данных о профессиональных матчах используя Steam API; |
| + | #Создание автоматической системы сбора статистической информации о героях/игроках с Dotabuff и Datdota; | ||
#Классификация типовых статистических запросов и алгоритмизация их выполнения; | #Классификация типовых статистических запросов и алгоритмизация их выполнения; | ||
| − | # | + | #Построение модели машинного обучения, ранжирующую полученную информацию по интересности |
#Автоматизация работы системы в режиме реального времени на основе данных из текущих матчей Dota 2 Live API. | #Автоматизация работы системы в режиме реального времени на основе данных из текущих матчей Dota 2 Live API. | ||
| + | #(*) Чат-бот, дающий ответы на вопросы по данным о матчах, вроде того: Какой герой имеет наибольший винрейт на последнем чемпионате? | ||
=== Какие будут использоваться технологии? === | === Какие будут использоваться технологии? === | ||
| − | + | * Краулинг данных с веб-сайтов: Scrapy, HTML/CSS | |
| + | * Получение полных данных о матчах и данных в live-режиме (Steam API) | ||
| + | * Хранение данных: , MongoDB, SQL | ||
| + | * Бэкенд: Python, AWS EC2 | ||
| + | * Машинное обучение: SciKit-Learn, XGBoost, методы ранжирования | ||
| + | * Telegram API, Twitter API - в зависимости от выбранного способа публикации | ||
=== Какие начальные требования? === | === Какие начальные требования? === | ||
| Строка 35: | Строка 37: | ||
=== Темы вводных занятий === | === Темы вводных занятий === | ||
| − | * | + | * Краулинг данных |
| + | * Работа со Steam API | ||
| + | * Способы хранения данных | ||
| + | * Ликбез по машинному обучению | ||
=== Критерии оценки === | === Критерии оценки === | ||
| Строка 44: | Строка 49: | ||
=== Контактная информация === | === Контактная информация === | ||
| − | Даниил Яшков (daniil.yashkov@phystech.edu) — YDF, Александр Семенов — | + | Даниил Яшков (daniil.yashkov@phystech.edu) — YDF, Александр Семенов — [https://anr.hse.ru/ ANR HSE] |
Текущая версия на 13:10, 23 ноября 2016
Содержание
- 1 Что это за проект?
- 2 Чему научатся студенты? Что самое интересное в проекте?
- 3 Организация работы (Как студенты будут работать в команде?)
- 4 Компоненеты (Из каких частей состоит проект?)
- 5 Какие будут использоваться технологии?
- 6 Какие начальные требования?
- 7 Темы вводных занятий
- 8 Критерии оценки
- 9 Похожие проекты
- 10 Контактная информация
Что это за проект?
Типичный статсмен
Статсмен в Dota 2 — человек, который занимается поиском любопытных статистических фактов и закономерностей в истории матчей Dota 2. Такая информация обычно используется во время трансляции игр, на постматчевой аналитике или же при подготовке команд к конкретным противникам.
При этом ключевыми источниками информации для подготовки являются 2 сайта: Dotabuff и DatDota и статсменам приходится вручную искать по ним необходимую информацию для ответа на интересующие их вопросы или составления статистических отчетов. Для того, чтобы облегчить их труд, данный процесс можно автоматизировать, сделав поиск и извлечение релевантной информации автоматическим.
Чему научатся студенты? Что самое интересное в проекте?
В рамках данного проекта студенты научатся извлечению данных со страниц веб-сайтов (scraping), использованию API, алгоритмизации выполнения поисковых и аналитических запросов. Проект предполагает создание микросервиса для взаимодействия с Dota 2 API в режиме реального времени и публикации результатов в социальных сетях.
Организация работы (Как студенты будут работать в команде?)
Для работы над данным проектом потребуется как минимум 2 студента
- специализирующийся на сборе и хранении данных
- специализирующийся на алгоритмизации извлечения и аналитики информации, полученной из данных
Компоненеты (Из каких частей состоит проект?)
- Создание системы по сбору и хранению данных о профессиональных матчах используя Steam API;
- Создание автоматической системы сбора статистической информации о героях/игроках с Dotabuff и Datdota;
- Классификация типовых статистических запросов и алгоритмизация их выполнения;
- Построение модели машинного обучения, ранжирующую полученную информацию по интересности
- Автоматизация работы системы в режиме реального времени на основе данных из текущих матчей Dota 2 Live API.
- (*) Чат-бот, дающий ответы на вопросы по данным о матчах, вроде того: Какой герой имеет наибольший винрейт на последнем чемпионате?
Какие будут использоваться технологии?
- Краулинг данных с веб-сайтов: Scrapy, HTML/CSS
- Получение полных данных о матчах и данных в live-режиме (Steam API)
- Хранение данных: , MongoDB, SQL
- Бэкенд: Python, AWS EC2
- Машинное обучение: SciKit-Learn, XGBoost, методы ранжирования
- Telegram API, Twitter API - в зависимости от выбранного способа публикации
Какие начальные требования?
- 3k+ MMR, лучше — 4k+ MMR
- Страсть к анализу данных и киберспорту
Темы вводных занятий
- Краулинг данных
- Работа со Steam API
- Способы хранения данных
- Ликбез по машинному обучению
Критерии оценки
Для получения хорошей оценки необходимо будет запустить автоматического статсмена в виде канала в социальной сети (например, Twitter), опубликовать по результатам проекта статью в релевантном издании.
Похожие проекты
Контактная информация
Даниил Яшков (daniil.yashkov@phystech.edu) — YDF, Александр Семенов — ANR HSE
