Streszczenie:
Gry komputerowe już od dawna mają znaczące miejsce w branży rozrywkowej i w życiu
wielu ludzi. Coraz popularniejsze stają się profesjonalne rozgrywki na najwyższym
poziomie, czyli e-sport, którymi regularnie zachwycają się miliony fanów na świecie.
Znaczna część takich gier zawiera również płaszczyznę strategiczną. Często rozgrywki są
tak dynamiczne i chaotyczne, że nie tylko dla niewtajemniczonych, ale również i dla
ekspertów nie jest jasne co w ogóle ma miejsce. Z ratunkiem przychodzą tu nowe
technologie, które pozbędą się szumu i klarownie zaprezentują kto jest na prowadzeniu w
danej potyczce.
W ramach niniejszej pracy autor rozpatruje jak efektywne są popularne metody uczenia
maszynowego w ewaluacji pozycji strategicznej w grze Starcraft II.
Praca przyjmuje następującą strukturę: na początku, w rozdziale “Definicja problemu” autor
wyjaśnia na czym dokładnie polega ewaluacja pozycji strategicznej. Następnie, w rozdziale
“Metody uczenia maszynowego” opisane są narzędzia wykorzystane w implementacji.
Kolejnym rozdziałem jest “Projekt oraz implementacja” w którym wspomniane poprzednio
metodyki uczenia maszynowego są wykorzystane w praktyce. Pracę wieńczą rozdziały
“Rezultaty” opisujące wyniki zebrane z eksperymentów po implementacji rozwiązań oraz
“Podsumowanie” będące już ogólną analizą całości prac przeprowadzonych podczas
projektu.
