隨時保持連線狀態的電子遊戲大幅改變了整個遊戲產業，而且它們通常衍生出各種有趣且複雜的問題，玩家們在遊戲內的操作可累積成非常可觀的資料集，讓我們有機會更深入地探索人們玩遊戲的方式。資料驅動的遊戲開發方法對於最佳化遊戲體驗、增進玩家黏著度等方面都有很多的應用空間。

機器學習技術可用於預測每個不同玩家各別的行為模式，譬如說可以呈現出玩家在什麼特定的時間點，或遇到哪個關卡時會離開遊戲；又或何時會進行購買下一個虛擬道具，購買時可能會挑選哪樣物品。這讓開發者得以預防過早離開遊戲的情況，延長玩家生命週期。

本議程中，我將介紹一些對整體遊戲產業帶來重大影響的人工智慧相關技巧。例如利用深度學習技術，我們可以透過個人化遊戲事件、行銷活動以及遊戲內購推薦等手法，為玩家帶來彷彿量身訂製的體驗。再者，這些技術怎麼運用數以 PB 計的海量資料，讓開發者能在遊戲上線營運的狀態下做出各種預測，甚至還能調適到不同種類的遊戲與玩家上。

本議程為入門等級的遊戲資料科學題目。聽眾可以從中理解機器學習是怎樣預測玩家離開遊戲的時間點、他們會花多少錢內購以及下次購買的物品可能是哪項；還有遊戲上線環境下的分析與預測如何幫助遊戲開發和營運。