초반 목표를 롤토체스를 플레이 하는데 편리하게 초반 빌드업 추천, 덱 추천, 덱에 맞는 증강체 추천을 해주는 AI 프로그램을 만들어 보고 싶다 하였다.
롤토체스를 플레이 하는데 편리하게 도와주는 초반 빌드업 추천, 덱 추천, 덱에 맞는 증강체 추천을 해주는 AI 프로그램을 만들기 위해서는
1.시장 조사
경쟁 분석: 기존 롤토체스 어플리케이션 분석, 강점과 약점 파악.
사용자 요구 분석: 플레이어들이 필요로 하는 기능과 개선 사항 조사.
2. 데이터 수집 및 처리
2.1 데이터 수집
패치 노트: 최신 패치 노트 데이터를 주기적으로 수집하여 메타 분석.
유닛 및 아이템 데이터: 롤토체스 유닛의 능력치, 시너지, 아이템 효과 등 데이터 수집.
게임 플레이 데이터: 사용자들의 게임 플레이 데이터를 수집하여 분석.
2.2 데이터 전처리
데이터 클리닝: 불필요한 데이터를 제거하고, 필요한 정보를 정제.
데이터 변환: 모델 학습에 적합한 형태로 데이터 변환.
3. AI 모델 개발
3.1 모델 선택 및 학습
기초 모델: 초기에는 회귀 분석, 의사결정 나무 등의 간단한 모델로 시작.
강화 학습: 게임 진행 중 실시간으로 최적의 결정을 내리기 위한 강화 학습 모델 적용.
딥러닝 모델: 충분한 데이터가 확보되면 복잡한 패턴을 학습할 수 있는 딥러닝 모델 적용 (예: CNN, RNN).
3.2 모델 학습 및 평가
학습 데이터: 수집한 데이터를 사용하여 모델 학습.
모델 평가: 테스트 데이터로 모델의 성능을 평가하고, 필요한 경우 튜닝.
4. 어플리케이션 개발
4.1 프론트엔드 개발
UI/UX 디자인: 사용자 친화적인 인터페이스 설계.
실시간 추천 시스템: 게임 중 실시간으로 덱 추천, 증강체 선택, 아이템 추천 기능 구현.
4.2 백엔드 개발
데이터베이스: 수집한 데이터를 저장하고 관리할 데이터베이스 구축.
API 개발: 프론트엔드와 통신하기 위한 API 설계 및 구현.
5. 테스트 및 배포
5.1 테스트
유닛 테스트: 개별 기능 테스트.
통합 테스트: 전체 시스템 테스트.
사용자 테스트: 실제 사용자들에게 어플리케이션을 사용하게 하고 피드백 수집.
5.2 배포
서버 배포: 클라우드 플랫폼에 백엔드 서버 배포.
앱 배포: 모바일 앱 스토어에 어플리케이션 배포.
6. 유지 보수 및 업데이트
6.1 유지 보수
버그 수정: 사용자 피드백과 로그를 통해 버그를 발견하고 수정.
성능 최적화: 어플리케이션 성능을 지속적으로 모니터링하고 최적화.
6.2 업데이트
데이터 업데이트: 최신 패치 노트와 게임 데이터를 지속적으로 업데이트.
모델 재학습: 새로운 데이터를 반영하여 AI 모델을 주기적으로 재학습.
등 여러 AI와 여러 프로그램의 도움이 필요하다. 이중 가장 문제점중 하나는 롤토체스는 급격하게 메타가 바뀌고 시즌도 금방 금방 다시 바뀌고 시작한다. 그러하여 롤토체스 초반 시즌에는 데이터가 매우 부족하여 오류로 이상한덱을 추천하거나 시즌 초에는 데이터 수집 부족으로 인하여 덱이 안나온다는 문제가 있다. 그리고 업데이트를 할때 마다 데이터 수집이 제대로 되기 전까지는 패치전에 유행했던 덱을 그래로 추천하는일이 많다. 그러하여 확실히 데이터 수집 하고 메타에 맞는덱을 추천하기 까지 오래 걸린다는 단점이 확실하다.
