Пролистал недавнюю Game Data Science от Anders Drachen et al. По общей структуре напомнила мне учебники по машинному обучению (то же ISL Хасти и Тибширани, например), только с примерами из геймдева. Я, конечно, больше хотел бы обратной структуры -- какие бывают задачи у аналитиков в геймдеве и какими алгоритмами их можно решать. Но, кажется, это утопия. Вторая примечательная особенность книги -- в ней f2p и мобильные игры если и не игнорируются, то в лучшем случае упоминаются в одном из параграфов введения. Не говоря уже о бизнес-смысле задач, для которых могут быть использованы описанные алгоритмы.

Тем не менее основные темы и идеи раскрываются неплохо -- снижение размерности, кластеризация, обучение с учителем и метрики качества модели, нейронки, визуализация. Очень порадовал блок по sequenсе analysis и упоминание пакета TraMineR для R. Мы как раз с одним ГД думаем посмотреть на бои с этой точки зрения (как минимум опробую подход). Да и для кластериации пользователей выглядит хорошо. А вот отсутствие самой концепции когортных метрик расстроило, как и игнорирование анализа выживаемости. Впрочем, если f2p/gaas изначально игнорируются, то не удивительно.

А еще интересно было посмотреть списки литературы к каждой главе. Какие книги есть по теме анализа данных в геймдеве, в каких журналах публикации, какие конференции. Списки не впечатляют, много откровенно древнего или не очень релевантного, но хоть что-то.

В общем, книжка получилась симпатичная и читать ее точно надо. Но, на мой взгляд, много ждать все же не стоит -- это скорее справочник по инструментам, чем какое-то введение в тему и доменную специфику.

#books