SlideShare ist ein Scribd-Unternehmen logo
1 von 20
Système d’aide à la décision pour le mode DOTA du jeu vidéo Warcraft Fouille de données pour la recommandation d’items BANVILLE Julien – KOSCIANSKI Adrien  Master Informatique 1ère année
Sommaire Présentation du projet Implémentation Analyse Statistique Travail de groupe Conclusion
Présentation du projet Présentation du mode de jeu DoTA, Objectifs, Cahier des Charges
Présentation du projet Notre projet : Récupérer les données d’un jeu Trier cesdonnées Ressortir et analyser les statistiques. Qu’estceque DoTA? Jeumassivementjoué en ligne Defense of The Ancients
Présentation du projet Cahier des charges : Utiliser le langage XML Se concentrersur les “items” Intégrer la relation Héros-Objets
Implémentation XML et XSLT, développement de notre analyse statistique
Implémentation XML et XSLT Structure arborescente : hiérarchisée et facile à traiter Langage portable sur n’importe quelle plateforme Possible d’exporter les fichiers sous n’importe quel format Langage léger et facile à lire.
Implémentation
Analyse statistique Observations générales et approfondies, limites et avantages de notre méthode statistique
Observations générales Résultats assez probant Plusieurs catégories de résultats disponibles : Items fréquemment utilisés Combinaisons d’items pour les personnages Liaisons entre objets et influences sur les résultats Méthode de recherche statistique efficace
Observations approfondies Items fréquemment utilisés Bracers, BootsOfTravel, BootsOfSpeed Certains items ont plus d’utilité sur certains personnages que sur d’autres. Compétences différentes  Besoins différents
Observations approfondies On trouve les objets les plus utilisés pour un personnage donné Personnage Bounty Butterfly Bracer DemonEdge On trouve ces informations en parcourant les résultats et en regardant où il y a le moins d’exceptions aux règles pour un objet donné.  _item4:Bracer(4) _item4:Butterfly(2) _item4:MonkeyKingBar(4) signifie qu’on trouve plus souvent ButterFly que Bracer ou MonkeyKingbar
Observations approfondies On trouve les personnages utilisant le plus un certain item : Exemples :  MantaStyleutilisé le plus par le personnage Naga Vanguard  utilisé le plus par le personnage MogulKahn
Limites et avantages Manque de données : peu de règles font ressortir des résultats Nécessité d’avoir plus de parties en données pour avoir des redondances plus importantes. Avantage de cette méthode de recherche :  On peut faire ressortir beaucoup de statistiques Facilité d’interfacer cette méthode dans un logiciel graphique
Travail de groupe Outils utilisés, répartition des tâches, problèmes rencontrés
Travail de groupe Outils utilisés Subversion pour les données du projet, mail pour la communication Problèmes rencontrés Développement primaire sous Java abandonné. Problème pour gérer le nombre de résultats donnés par les programmes « mv »
Travail de groupe
Conclusion Avancement du projet, conclusion
Conclusion Projet terminé Fouille de données réussie Résultats sur différents critères Manque de parties pour avoir un résultat vraiment complet Projet intéressant

Weitere ähnliche Inhalte

Andere mochten auch

Des français pris en otages au cameroun C roqueblave porte parole
Des français pris en otages au cameroun C roqueblave porte paroleDes français pris en otages au cameroun C roqueblave porte parole
Des français pris en otages au cameroun C roqueblave porte paroleRoqueblave Christa
 
Azendoo meetup #2 à Bordeaux
Azendoo meetup #2 à BordeauxAzendoo meetup #2 à Bordeaux
Azendoo meetup #2 à BordeauxAzendoo
 
La mine de Mopanie en Zambie - Florian Gomart
La mine de Mopanie en Zambie - Florian GomartLa mine de Mopanie en Zambie - Florian Gomart
La mine de Mopanie en Zambie - Florian GomartPublish What You Pay
 
P Brotcorne
P BrotcorneP Brotcorne
P Brotcornecunic
 
es français et la communication locale - Résultats du baromètre 2001
es français et la communication locale - Résultats du baromètre 2001es français et la communication locale - Résultats du baromètre 2001
es français et la communication locale - Résultats du baromètre 2001Cap'Com
 
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...Cap'Com
 
Los peligros del internet
Los peligros del internetLos peligros del internet
Los peligros del internetISABELLEBELLE
 
Montaje del sistema de seguimiento
Montaje del sistema de seguimientoMontaje del sistema de seguimiento
Montaje del sistema de seguimientoYONIRIS
 
Trouverunemploisurinternet - Poleemploi.fr 12.2014
Trouverunemploisurinternet - Poleemploi.fr 12.2014Trouverunemploisurinternet - Poleemploi.fr 12.2014
Trouverunemploisurinternet - Poleemploi.fr 12.2014InfoJeunesse ValdOise
 
Robotica
RoboticaRobotica
Roboticajuan317
 
Géneros y dibujo
Géneros y dibujoGéneros y dibujo
Géneros y dibujosuaedesign
 

Andere mochten auch (20)

Des français pris en otages au cameroun C roqueblave porte parole
Des français pris en otages au cameroun C roqueblave porte paroleDes français pris en otages au cameroun C roqueblave porte parole
Des français pris en otages au cameroun C roqueblave porte parole
 
Azendoo meetup #2 à Bordeaux
Azendoo meetup #2 à BordeauxAzendoo meetup #2 à Bordeaux
Azendoo meetup #2 à Bordeaux
 
Artimag Numéro 16
Artimag Numéro 16Artimag Numéro 16
Artimag Numéro 16
 
La mine de Mopanie en Zambie - Florian Gomart
La mine de Mopanie en Zambie - Florian GomartLa mine de Mopanie en Zambie - Florian Gomart
La mine de Mopanie en Zambie - Florian Gomart
 
P Brotcorne
P BrotcorneP Brotcorne
P Brotcorne
 
es français et la communication locale - Résultats du baromètre 2001
es français et la communication locale - Résultats du baromètre 2001es français et la communication locale - Résultats du baromètre 2001
es français et la communication locale - Résultats du baromètre 2001
 
Sonido
SonidoSonido
Sonido
 
Presentacion ribesa
Presentacion ribesaPresentacion ribesa
Presentacion ribesa
 
Imagenes para comentar.
Imagenes para comentar.Imagenes para comentar.
Imagenes para comentar.
 
Faites circuler ce_message
Faites circuler ce_messageFaites circuler ce_message
Faites circuler ce_message
 
Murmure02 9sept
Murmure02 9septMurmure02 9sept
Murmure02 9sept
 
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...
L'organisation à l'épreuve des nouveaux territoires numériques des salariés :...
 
Los peligros del internet
Los peligros del internetLos peligros del internet
Los peligros del internet
 
Montaje del sistema de seguimiento
Montaje del sistema de seguimientoMontaje del sistema de seguimiento
Montaje del sistema de seguimiento
 
Sonido
SonidoSonido
Sonido
 
Trouverunemploisurinternet - Poleemploi.fr 12.2014
Trouverunemploisurinternet - Poleemploi.fr 12.2014Trouverunemploisurinternet - Poleemploi.fr 12.2014
Trouverunemploisurinternet - Poleemploi.fr 12.2014
 
Robotica
RoboticaRobotica
Robotica
 
Intro SMEV
Intro SMEVIntro SMEV
Intro SMEV
 
Géneros y dibujo
Géneros y dibujoGéneros y dibujo
Géneros y dibujo
 
El Sector Turístico en Canarias: Retos y perspectivas para un modelo más comp...
El Sector Turístico en Canarias: Retos y perspectivas para un modelo más comp...El Sector Turístico en Canarias: Retos y perspectivas para un modelo más comp...
El Sector Turístico en Canarias: Retos y perspectivas para un modelo más comp...
 

Ähnlich wie Analyse statistique du jeu DOTA

[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?
[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?
[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?Sébastien Prunier
 
Introduction au Machine Learning
Introduction au Machine Learning Introduction au Machine Learning
Introduction au Machine Learning Novagen Conseil
 
Mappingobjetrelationnel[1]
Mappingobjetrelationnel[1]Mappingobjetrelationnel[1]
Mappingobjetrelationnel[1]linasafaa
 
2009 Search Vivisimo Social Computing
2009 Search Vivisimo Social Computing2009 Search Vivisimo Social Computing
2009 Search Vivisimo Social ComputingSocial Computing
 
SQL Server et les développeurs
SQL Server et les développeurs SQL Server et les développeurs
SQL Server et les développeurs Microsoft
 
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...Jedha Bootcamp
 
Solution Intranet Et Travail Collaboratif 2009 Moteur De Recherche V2.00
Solution Intranet Et Travail Collaboratif  2009   Moteur De Recherche   V2.00Solution Intranet Et Travail Collaboratif  2009   Moteur De Recherche   V2.00
Solution Intranet Et Travail Collaboratif 2009 Moteur De Recherche V2.00Denis Lafont-Trevisan
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurMicrosoft Ideas
 
INFORMATION BUILDERS - Comment integrer les big data a votre SI - Data foru...
INFORMATION BUILDERS -  Comment integrer les big data a votre SI -  Data foru...INFORMATION BUILDERS -  Comment integrer les big data a votre SI -  Data foru...
INFORMATION BUILDERS - Comment integrer les big data a votre SI - Data foru...Micropole Group
 
Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...Ippon
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and businessDavid Argellies
 
Présentation Quotero 27 Janvier
Présentation Quotero 27 JanvierPrésentation Quotero 27 Janvier
Présentation Quotero 27 JanvierCore-Techs
 
Diginova - Session sur le machine learning avec ML.NET
Diginova - Session sur le machine learning avec ML.NETDiginova - Session sur le machine learning avec ML.NET
Diginova - Session sur le machine learning avec ML.NETJulien Chable
 
Cours Base de données relationnelles
Cours Base de données relationnellesCours Base de données relationnelles
Cours Base de données relationnellesAymen Kasmi
 
Entity_framework_db first
Entity_framework_db firstEntity_framework_db first
Entity_framework_db firstZineb ELGARRAI
 
Visite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesVisite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesGautier Poupeau
 
Comment devenir Data Scientist ?
Comment devenir Data Scientist ?Comment devenir Data Scientist ?
Comment devenir Data Scientist ?Jedha Bootcamp
 

Ähnlich wie Analyse statistique du jeu DOTA (20)

[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?
[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?
[Breizhcamp 2015] MongoDB et Elastic, meilleurs ennemis ?
 
Cours BDD.pptx
Cours BDD.pptxCours BDD.pptx
Cours BDD.pptx
 
Introduction au Machine Learning
Introduction au Machine Learning Introduction au Machine Learning
Introduction au Machine Learning
 
Mappingobjetrelationnel[1]
Mappingobjetrelationnel[1]Mappingobjetrelationnel[1]
Mappingobjetrelationnel[1]
 
2009 Search Vivisimo Social Computing
2009 Search Vivisimo Social Computing2009 Search Vivisimo Social Computing
2009 Search Vivisimo Social Computing
 
Jcom02.ppt
Jcom02.pptJcom02.ppt
Jcom02.ppt
 
SQL Server et les développeurs
SQL Server et les développeurs SQL Server et les développeurs
SQL Server et les développeurs
 
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...
Utiliser les outils cloud en Data Science - Romain Granger, Data Scientist @ ...
 
Solution Intranet Et Travail Collaboratif 2009 Moteur De Recherche V2.00
Solution Intranet Et Travail Collaboratif  2009   Moteur De Recherche   V2.00Solution Intranet Et Travail Collaboratif  2009   Moteur De Recherche   V2.00
Solution Intranet Et Travail Collaboratif 2009 Moteur De Recherche V2.00
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeur
 
INFORMATION BUILDERS - Comment integrer les big data a votre SI - Data foru...
INFORMATION BUILDERS -  Comment integrer les big data a votre SI -  Data foru...INFORMATION BUILDERS -  Comment integrer les big data a votre SI -  Data foru...
INFORMATION BUILDERS - Comment integrer les big data a votre SI - Data foru...
 
Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and business
 
Présentation Quotero 27 Janvier
Présentation Quotero 27 JanvierPrésentation Quotero 27 Janvier
Présentation Quotero 27 Janvier
 
Diginova - Session sur le machine learning avec ML.NET
Diginova - Session sur le machine learning avec ML.NETDiginova - Session sur le machine learning avec ML.NET
Diginova - Session sur le machine learning avec ML.NET
 
Cours Base de données relationnelles
Cours Base de données relationnellesCours Base de données relationnelles
Cours Base de données relationnelles
 
Entity_framework_db first
Entity_framework_db firstEntity_framework_db first
Entity_framework_db first
 
Visite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesVisite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des données
 
Comment devenir Data Scientist ?
Comment devenir Data Scientist ?Comment devenir Data Scientist ?
Comment devenir Data Scientist ?
 
JPA est middleware
JPA est middleware JPA est middleware
JPA est middleware
 

Mehr von Banville Julien

Analyse statistique sur DOTA
Analyse statistique sur DOTAAnalyse statistique sur DOTA
Analyse statistique sur DOTABanville Julien
 
Création d'une plate-forme ouverte à l'enseignement à distance
Création d'une plate-forme ouverte à l'enseignement à distanceCréation d'une plate-forme ouverte à l'enseignement à distance
Création d'une plate-forme ouverte à l'enseignement à distanceBanville Julien
 

Mehr von Banville Julien (7)

Rapport Tal Master 1
Rapport Tal Master 1Rapport Tal Master 1
Rapport Tal Master 1
 
Analyse statistique sur DOTA
Analyse statistique sur DOTAAnalyse statistique sur DOTA
Analyse statistique sur DOTA
 
Projet Music Brainz
Projet Music BrainzProjet Music Brainz
Projet Music Brainz
 
Music Brainz
Music BrainzMusic Brainz
Music Brainz
 
Recherche de citations
Recherche de citationsRecherche de citations
Recherche de citations
 
DOTA statistic analysis
DOTA statistic analysisDOTA statistic analysis
DOTA statistic analysis
 
Création d'une plate-forme ouverte à l'enseignement à distance
Création d'une plate-forme ouverte à l'enseignement à distanceCréation d'une plate-forme ouverte à l'enseignement à distance
Création d'une plate-forme ouverte à l'enseignement à distance
 

Analyse statistique du jeu DOTA

  • 1. Système d’aide à la décision pour le mode DOTA du jeu vidéo Warcraft Fouille de données pour la recommandation d’items BANVILLE Julien – KOSCIANSKI Adrien Master Informatique 1ère année
  • 2. Sommaire Présentation du projet Implémentation Analyse Statistique Travail de groupe Conclusion
  • 3. Présentation du projet Présentation du mode de jeu DoTA, Objectifs, Cahier des Charges
  • 4. Présentation du projet Notre projet : Récupérer les données d’un jeu Trier cesdonnées Ressortir et analyser les statistiques. Qu’estceque DoTA? Jeumassivementjoué en ligne Defense of The Ancients
  • 5. Présentation du projet Cahier des charges : Utiliser le langage XML Se concentrersur les “items” Intégrer la relation Héros-Objets
  • 6.
  • 7. Implémentation XML et XSLT, développement de notre analyse statistique
  • 8. Implémentation XML et XSLT Structure arborescente : hiérarchisée et facile à traiter Langage portable sur n’importe quelle plateforme Possible d’exporter les fichiers sous n’importe quel format Langage léger et facile à lire.
  • 10. Analyse statistique Observations générales et approfondies, limites et avantages de notre méthode statistique
  • 11. Observations générales Résultats assez probant Plusieurs catégories de résultats disponibles : Items fréquemment utilisés Combinaisons d’items pour les personnages Liaisons entre objets et influences sur les résultats Méthode de recherche statistique efficace
  • 12. Observations approfondies Items fréquemment utilisés Bracers, BootsOfTravel, BootsOfSpeed Certains items ont plus d’utilité sur certains personnages que sur d’autres. Compétences différentes  Besoins différents
  • 13. Observations approfondies On trouve les objets les plus utilisés pour un personnage donné Personnage Bounty Butterfly Bracer DemonEdge On trouve ces informations en parcourant les résultats et en regardant où il y a le moins d’exceptions aux règles pour un objet donné. _item4:Bracer(4) _item4:Butterfly(2) _item4:MonkeyKingBar(4) signifie qu’on trouve plus souvent ButterFly que Bracer ou MonkeyKingbar
  • 14. Observations approfondies On trouve les personnages utilisant le plus un certain item : Exemples : MantaStyleutilisé le plus par le personnage Naga Vanguard utilisé le plus par le personnage MogulKahn
  • 15. Limites et avantages Manque de données : peu de règles font ressortir des résultats Nécessité d’avoir plus de parties en données pour avoir des redondances plus importantes. Avantage de cette méthode de recherche : On peut faire ressortir beaucoup de statistiques Facilité d’interfacer cette méthode dans un logiciel graphique
  • 16. Travail de groupe Outils utilisés, répartition des tâches, problèmes rencontrés
  • 17. Travail de groupe Outils utilisés Subversion pour les données du projet, mail pour la communication Problèmes rencontrés Développement primaire sous Java abandonné. Problème pour gérer le nombre de résultats donnés par les programmes « mv »
  • 19. Conclusion Avancement du projet, conclusion
  • 20. Conclusion Projet terminé Fouille de données réussie Résultats sur différents critères Manque de parties pour avoir un résultat vraiment complet Projet intéressant