АПЛИКАЦИЈА
За да се пријавиш за позицијата Научник/чка за податоци во гејминг индустријата, обично е потребна добра образовна позадина и соодветен сет на вештини. Повеќето позиции бараат диплома од области како што се компјутерски науки, статистика или математика. Од клучно значење е пред сè да имаш цврста основа во програмски јазици како што се Python или R, познавање на манипулација со податоци, анализа и машинско учење. Дополнително, корисно е да имаш добро разбирање на гејминг индустријата, вклучувајќи го однесувањето на играчите, стратегиите за монетизација и механиките на игрите.
Треба да покажеш портфолио со релевантни проекти, кое може да се прикаже преку лична веб-страница, GitHub репозиториум или добро организирано CV. Овие проекти треба да ја истакнат твојата способност да извлечеш увиди од податоци, да примениш техники на машинско учење и да дадеш препораки што можат да се применат. Меки вештини, вклучувајќи комуникација, решавање проблеми и способност за работа во мултифункционални тимови, исто така се многу ценети, бидејќи научникот за податоци често треба да ги пренесе своите наоди на нетехнички лица и ефикасно да соработува со различни оддели во компанијата. Покрај тоа, следењето на најновите достигнувања во data science и гејминг технологијата преку континуирано учење, конференции и релевантни сертификати може дополнително да ги подобри твоите квалификации за оваа улога.
ИНТЕРВЈУ
Интервјуто обично се состои од неколку фази во кои се оценуваат и техничките и меките вештини. Бидејќи оваа позиција подразбира соработка со многу тимови, на интервјуто покрај регрутерите и други научници за податоци, може да присуствуваат и девелопери/ки, продукт менаџери/ки и претставници од маркетинг тимот. Во почетната рунда тие можат да започнат дискусија за твоите вештини и искуство. Следните рунди често вклучуваат технички проценки, каде можеш да добиеш проблеми поврзани со податоци за решавање, а исто така се оценува твојата способност за работа во тим и ефективна комуникација. Од тебе, исто така, може да се побара да разговараш за претходни проекти и да го објасниш својот пристап кон решавање проблеми и анализа на податоци. Типични прашања на интервјуто се:
- Можеш ли да објасниш разлики помеѓу надгледувано и ненадгледувано машинско учење и да дадеш примери како тие можат да се користат во контекст на видео игри?
- Како би пристапил/а на проект кој има за цел подобрување и задржување на играчите во мобилна игра? Кои податоци би собрал/а и кои анализи, модели и алгоритми би ги користел/а?
- Опиши предизвикувачки проблем со податоци на кој си наишол/а во претходната улога и како го реши.
- Кои програмски јазици и алатки ги преферираш за анализа на податоци и зошто?
- Како се справуваш со прашања на пристрасност и правичност во моделите на машинско учење, особено во контекст на дизајн на игри и искуство на играчите?
ТЕХНИЧКА ЗАДАЧА
Техничката задача обично ги оценува твоите практични вештини во анализа на податоци, машинско учење и решавање на проблеми. Овие задачи можат да варираат во сложеност, но се осмислени за да ја проценат твојата способност да работиш со податоци од реалниот свет, да дадеш применливи увиди или да изградиш модели за предвидување.
На пример, на вообичаена техничка задача можеш да добиеш сет на податоци што се однесува на однесувањето на играчите во играта или купувањето на виртуелни артикли. Од тебе може да се бара да извршиш задачи како што се подготовка на податоци за обработка, истражувачка анализа на податоци и инженеринг на нови карактеристики. Исто така, може да се бара да развиеш предиктивен модел, како модел што предвидува дали играчот ќе се откаже од играта или не (player churn), и да ги презентираш своите наоди, вклучувајќи ги перформансите на моделот и препораки за задржување на играчите. Во покомплексни задачи, може да ти се претстави конкретен проблем поврзан со дизајнот на играта, монетизацијата или искуството на играчите, и да се бара од тебе да осмислиш соодветна анализа на податоци или пристап кон машинско учење за да го решиш тоа. Тука се очекува да објасниш зошто си одбрал/а одреден алгоритам на машинско учење, како и да објасниш како би ја евалуирал/а точноста на избраниот модел.
