Prijava:

Da bi se prijavio/-la za poziciju Data Scientist-a u gejming industriji, obično je potrebna dobra obrazovna pozadina i odgovarajući skup vještina. Većina pozicija zahtijeva diplomu iz oblasti kao što su računarstvo, statistika ili matematika. Od suštinskog je značaja, prije svega, da imaš čvrstu osnovu u programskim jezicima kao što su Python ili R, zajedno sa poznavanjem manipulacije podacima, analize i mašinskog učenja. Pored toga, korisno je da dobro razumiješ industrije video-igara, uključujući ponašanje igrača, strategije monetizacije i mehanike.

Treba da pokažeš portfolio relevantnih projekata, koji se mogu prikazati putem lične veb stranice, GitHub repozitorija ili dobro organizovanog CV-a. Ovi projekti treba da istaknu tvoju sposobnost da izvučeš uvide iz podataka, primijeniš tehnike mašinskog učenja i daš preporuke koje se mogu primijeniti. Meke vještine, uključujući komunikaciju, rješavanje problema i sposobnost rada u višefunkcionalnim timovima, takođe su veoma cijenjene, jer Data Scientist često mora da prenese svoje nalaze netehničkim licima i da efikasno sarađuje sa različitim departmanima unutar kompanije. Pored toga, praćenje najnovijih dostignuća u data science-u i gejming tehnologiji kroz kontinuirano učenje, konferencije i relevantne sertifikate može dodatno poboljšati tvoje kvalifikacije za ovu ulogu.

Intervju:

Intervju se obično sastoji od nekoliko rundi u kojima se procjenjuju i tehničke i meke vještine. Pošto ova pozicija podrazumijeva saradnju sa mnogim timovima, intervjuu mogu, pored regrutera i drugih Data Scientist-a, prisustvovati i developeri, Product menadžeri i predstavnici marketing tima. U inicijalnom krugu oni mogu pokrenuti diskusiju o tvojim vještinama i iskustvu. Naredni krugovi često uključuju tehničke procjene, gdje možeš dobiti probleme u vezi sa podacima za rješavanje, a može se procijeniti i tvoja sposobnost da radiš u timu i da efikasno komuniciraš. Od tebe se, takođe, može tražiti da razgovaraš o prethodnim projektima i objasniš svoj pristup rješavanju problema i analizi podataka. Uobičajena pitanja na intervjuu su:

1. Možeš li da objasniš razlike između nadgledanog i nenadgledanog mašinskog učenja i da navedeš primjere kako se oni mogu koristiti u kontekstu video-igara?
2. Kako bi pristupio/-la projektu koji ima za cilj poboljšanje retencije igrača u mobilnoj igri? Koje bi podatke prikupio/-la i koje analize, modele i algoritme bi koristio/-la?
3. Opiši izazovan problem u vezi sa podacima na koji si naišao/-la u prethodnoj ulozi i kako si ga rešio/-la.
4. Koje programske jezike i alate preferiraš za analizu podataka i zašto?
5. Kako se nosiš sa pitanjima pristrasnosti i pravičnosti u modelima mašinskog učenja, posebno u kontekstu dizajna igara i iskustva igrača?

Tehnički zadatak:

Tehnički zadatak obično procjenjuje tvoje praktične vejštine u analizi podataka, mašinskom učenju i rješavanju problema. Ovi zadaci mogu biti različiti po složenosti, ali su osmišljeni tako da procijene tvoju sposobnost da radiš sa podacima iz stvarnog svijeta, da pružiš uvide koji se mogu primijeniti ili da izgradiš modele za predviđanje.

Na primjer, na uobičajenom tehničkom zadatku možeš dobiti skup podataka koji se odnosi na ponašanje igrača u igri ili kupovinu virtuelnih artikala. Od tebe se može tražiti da obaviš zadatke kao što su priprema podataka za obradu, istraživačka analiza podataka i inženjering karakteristika. Takođe, može se zahtijevati da razviješ prediktivni model, kao što je model koji predviđa da li će igrač odustati od igre ili ne (player churn), i predstaviš svoje nalaze, uključujući performanse modela i preporuke za retenciju igrača. U složenijim zadacima može ti se predstaviti konkretan problem u vezi sa dizajnom igre, monetizacijom ili iskustvom igrača i tražiti se da osmisliš odgovarajuću analizu podataka ili pristup mašinskom učenju kako bi to riješio/-la. Ovde bi se očekivalo da objasniš zašto si odabrao/-la određeni algoritam mašinskog učenja, kao i da objasniš kao bi evaluirao/-la tačnost odabranog modela.