Monte-Carlo-Tree-Search fuer Brettspielprototyp eines Wiener Game-Studios
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst eine Python-Implementierung der Spielregeln (zweispielerig, perfekte Information, mittlerer Verzweigungsgrad). Implementiere MCTS mit UCT-Selektion und random-Rollouts. Realisiere drei Schwierigkeitsstufen ueber unterschiedliche Iterations-Budgets (100, 1.000, 10.000 Iterationen pro Zug). Vergleiche gegen einen Minimax-Agenten mit Heuristik und Tiefe 4. Spiele 100 Partien pro Paarung und berichte Win-Rate plus durchschnittliche Zugzeit. Liefere eine integrierte AI-Schnittstelle fuer den Studio-Prototyp plus eine Designnotiz fuer das Game-Design-Team.
Das Briefing
Was Du tust und was Du zeigst.
Implementiere MCTS auf einem Strategie-Brettspiel-Prototyp mit drei Schwierigkeitsstufen und vergleiche gegen einen Minimax-Baseline.
Earning criteria — what you'll demonstrate
- MCTS mit UCT-Selektion und Backpropagation sauber implementieren
- Exploration-Exploitation ueber den UCB1-Parameter steuern
- RL-Methoden gegen klassische Heuristiken auf einem realen Spiel evaluieren
- Schwierigkeitsstufen ueber rechenbudgetbasierte Skalierung gestalten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML Researcher
MCTS sauber zu implementieren und gegen klassische Heuristiken zu vergleichen ist eine fundamentale RL-Researcher-Faehigkeit; AlphaZero-aehnliche Erweiterungen bauen darauf auf.
Dieses Projekt schärft
- monte-carlo-tree-search
- uct-selection
- game-tree-search
Applied AI Scientist
MCTS auf einen praktischen Use Case (Spieltests beschleunigen) anzuwenden und ein nutzbares Werkzeug fuer ein Domaenenteam zu liefern ist klassische Applied-AI-Arbeit.
Dieses Projekt schärft
- monte-carlo-tree-search
- exploration-exploitation
- model-evaluation
Research Scientist
Eine etablierte Suchmethode mit korrekter Implementierung und ehrlichem Baseline-Vergleich umzusetzen ist Grundhandwerk in Forschungsgruppen.
Dieses Projekt schärft
- game-tree-search
- monte-carlo-tree-search
- model-evaluation
Noch eine Sache