Chomado's Blog
You Are Reading

ゲーム開発/運用で ユーザの行動ログデータ分析 (機械学習) をするハンズオンに参加した [#Azure Machine Learning]

0
機械学習

ゲーム開発/運用で ユーザの行動ログデータ分析 (機械学習) をするハンズオンに参加した [#Azure Machine Learning]

Azure データ分析

Microsoft Azure (マイクロソフトのクラウドサービス) を使った、ゲームのデータ分析のオンラインハンズオンに参加しました。ゲームのユーザの行動ログデータを 機械学習 にかけて分析し、ユーザの退会予測などをする内容です。マイクロソフトの巨大なデータ分析基盤である Azure Synapse Analytics を使いデータの前処理をし、それを元に、マイクロソフトの機械学習サービスである Azure Machine Learning を使い、退会予測の機械学習モデル作成を行いました。

ハンズオン講座のランディングページに

今回のハンズオントレーニングは弊社では通常1社様あたり200万円~でご提供をいたしているコースとなりますが、Microsoft様のご厚意により無償でのご参加をいただけます。
トレーニングで利用するデータはソーシャルゲームで利用されている本番リアルデータを用いておりますので、実践的なデータの前処理と可視化、予測モデルを構築いただけるようになります。

とのことで、めちゃ凄いな! 私も参加して学びたい! と思い、jump in しました。
とても楽しく学べました、ありがとうございました。

Azure Machine Learning Studio

使用サービス

【Azureデータ分析シリーズ】 データサイエンスとテクノロジーで「長生きする売れるゲーム」を作ろう 【ハンズオン / オンライン】

この講座で使用したサービスの例です。

使用サービス名 概要 公式ドキュメント
Azure Synapse Analytics マイクロソフトの巨大なデータ分析基盤。
今回はデータ前処理に使用した
docs.microsoft.com
Azure Data Factory マイクロソフトによる、データの移動・変換を自動化するデータ統合サービス docs.microsoft.com
Azure Machine Learning マイクロソフトの機械学習サービス。
Synapse で前処理したデータを使いユーザの退会予測をした
docs.microsoft.com
Azure PlayFab マイクロソフトのゲームのバックエンドサービス。
ゲームに組み込んで使う。ユーザの行動ログ吸い上げに使う
azure.microsoft.com/ja-jp/services/playfab
Microsoft Power BI マイクロソフトのデータ可視化サービス。
前処理データの可視化に用いた
powerbi.microsoft.com

Azure 画面

Azure ポータル画面の使用リソース一覧(リソースグループ)のスクショ

できること

ソシャゲばっかやってるから、この使用例は大変しっくりきました。

ハンズオン詳細

項目
名前 【Azureデータ分析シリーズ】
データサイエンスとテクノロジーで「長生きする売れるゲーム」を作ろう
【ハンズオン / オンライン】
日時 2020 年 8 月 18 日 (火) 10:00 – 18:00
会場 オンライン (Microsoft Teams)
主催 マイクロソフト
協力 DATUM STUDIO 株式会社 / ちゅらデータ株式会社
参加者 40 – 60 名 (正確な数字は知らないけど多分これくらいいた)

タイムテーブル

時間 内容
10:00 環境準備と利用するデータに関しての説明
10:30  Azure Synapse Analytics を活用したデータ前処理ハンズオン
データ結合処理、抽出処理、および可視化
13:00  環境準備
13:30  機械学習入門
15:30  Azure Machine Learning を用いた予測モデル構築
17:40  QA&情報交換

Synapse 編

やったこと

  1. Synapse のセットアップ
    1. コンテナの作成、データのアップロード
    2. Synapse SQL の作成
    3. Azure Data Factory を使用したデータコピー
  2. 特徴量作成
  3. 作成した特徴量の統合
    1. Azure Data Factory を用いた統合
    2. SQL を用いた統合
    3. 統合した特徴量のエクスポート

機械学習編

やったこと

  1. Azure Machine Learning のデザイナーのセットアップ
  2. 離脱予測
  3. 決定木 による予測
  4. GBDT (Gradient Boosting Decision Tree) による予測
  5. 生存予測

↓ 実際に組んだ機械学習パイプライン。データの import からモデルの生成、モデルの評価までやってる

機械学習

決定木 (decision tree)

機械学習の予測モデルのひとつ。
ある事項に対する観察結果から、その事項の目標値に関する結論を導く。

決定木の例

データ


決定木

決定木
(画像:Wikipedia より)

バギング

ハンズオン講師の方

感想

  • とても楽しかったです!!!!
  • めちゃ勉強になった。オンラインでもちゃんとハンズオンってできるんだなあ。
    • つまった時にチューターの方と 1:1 で画面共有で (Teams で) 繋いでもらって助けてもらった
  • 画面ポチポチ GUI で機械学習パイプラインの作成できる Azure Machine Learning (詳細) は やはり強いなと思った。
  • 売れるゲームを作るにはユーザの分析をして、ユーザが真に何を求めているのかを知るのが大切。そのためにはデータ分析の手法をもっと学ぶ必要がある

Madoka Chomado (ちょまど)

千代田まどかです。よく「ちょまど」と呼ばれます。Microsoft 社員。文系出身プログラマ兼マンガ家です。

(2) Comments

  1. 人形百合姫 says:

    C#(Unity)とPythonで機械学習をしてより良いゲームを作ってみたことがあるのですが、1回挫折してしまいました。もう一回やってみようと思います。

    1. コメントありがとうございます!ぜひぜひ!

コメントを残す

メールアドレスが公開されることはありません。