Demonstrações

• Pipeline de CI/CD para servidores de jogos em contêiner

  O maior desafio que os editores de jogos enfrentam é a capacidade de fornecer novos recursos aos jogadores o mais rápido possível. Os novos recursos além de chegar de maneira rápida e confiável, também precisam ser entregues de maneira a otimizar custos e manter a segurança. Os pipelines de integração contínua e de implantação contínua (CI/CD) com GitOps são uma maneira eficaz de os editores de jogos melhorarem os jogos e fornecerem novos recursos ao longo do ciclo de vida do desenvolvimento. Nesta demonstração, discutiremos como os pipelines de CD, quando combinados às melhores práticas do GitOps, podem ser usados para automatizar a distribuição dos binários de jogos e seus ativos. 

• Bancos de dados 101

  Esta demonstração fornece uma visão geral dos bancos de dados da AWS desenvolvidos para esse fim. Vamos verificar os casos de uso comuns e a maneira de escolher a ferramenta certa para o trabalho certo. 

• Rede acelerada 101

  Aprenda sobre um serviço de rede principal chamado AWS Global Accelerator e como ele pode ajudá-lo a acelerar o tráfego da Internet para jogos multijogador online, aproveitando a infraestrutura global da AWS.
  

• Entrega de conteúdo 101

  Aprenda sobre um serviço de rede principal para entrega de conteúdo do Amazon CloudFront e ele pode ajudá-lo a obter binários de jogos para seus clientes mais rapidamente, aproveitando a infraestrutura global da AWS.
  

• Amazon Lumberyard 101

  Esta demonstração fornecerá aos clientes uma introdução às ferramentas avançadas da Lumberyard disponíveis para a criação de um jogo. Os principais recursos incluem a criação de mundo com Slices, Script Canvas para a lógica de jogos de script e EMotion FX para controlar a animação de personagens.

• Análise sem servidor 101

  Saiba por que você deseja usar a análise em um videogame. Aprenda a criar um pipeline de análise em lote e quase em tempo real e integrá-lo a um jogo do Unity para obter insights úteis. 

• Servidores de jogos do Amazon GameLift 101

  Veja uma demonstração de padrões comuns de arquitetura de jogos com o Amazon GameLift e explore um exemplo no console do GameLift. 

• Jogos em plataforma cruzada na AWS

  O jogo em plataforma cruzada é a capacidade de permitir que diferentes plataformas de jogos compartilhem os mesmos servidores online em um jogo, permitindo que os jogadores se unam. Nesta sessão, você encontrará dicas de como configurar o back-end de jogos cruzados na AWS, juntamente com uma arquitetura de amostra. 

• Amplie os datacenters da AWS para qualquer lugar

  Abordaremos assuntos de como aproximar as cargas de trabalho da nuvem dos usuários finais. O que são mecanismos como zonas locais da AWS, AWS Outposts e o AWS Wavelength e quais casos de uso são abordados. 

• Criar um pipeline de detecção de abuso com tecnologia ML com o Amazon SageMaker

  Embora a detecção de trapaceiros possa muitas vezes ser uma batalha difícil, sistemas treinados usando algoritmos de machine learning podem ajudar a aproveitar os dados que os desenvolvedores de jogos já possuem para automatizar a escalação e a ação contra casos de comportamento suspeito. Nesta demonstração, mostraremos como é criar um pipeline de ponta a ponta com dados de telemetria de exemplo.

• Alexa, criar uma aventura

  Veja como a Experiência de RPG da Alexa, Starfinder foi criada. A demonstração fornece uma introdução ao jogo e uma demonstração da ferramenta de criação Alexa Skill, o Skill Flow Builder.

• Criar música do jogo com machine learning

  O machine learning não é apenas para análise de dados - você também pode usá-lo para criar conteúdo para seus jogos! Participe desta demonstração para ver como usar o AWS DeepComposer para experimentar novas variações de temas musicais, independentemente do seu nível de conhecimento técnico - e depois verifique detalhadamente como as redes adversárias generativas e o Amazon SageMaker podem ser usados para criar conteúdo para o seu jogo. 

• Aterrissar um foguete com aprendizado por reforço

  Esta demonstração mostrará como os desenvolvedores de jogos podem usar o reforço de conhecimento (RL) em seus videogames. Nesta demonstração, vamos mostrar como usar o reforço de conhecimento (RL) para treinar um veículo terrestre lunar em um ambiente de simulação OpenAI Gym Box2D para pousar na lua. Aprender a treinar e otimizar agentes e competir com outros para ver quem pode criar o modelo de reforço de conhecimento (RL) mais otimizado que pode pousar na lua com precisão.  

• Studio na nuvem para criação de ativo

  Criar ativos de jogos na nuvem com aplicativos como Epic Games Unreal Engine, Autodesk 3dsMax, Adobe Photoshop e AWS Thinkbox Sequoia. Conectar-se a uma estação de trabalho virtual Windows baseada em G4DN por meio do protocolo de exibição remota NICE DCV da AWS e interagir com os aplicativos usando todos os dispositivos de entrada, incluindo mouse, teclado e um tablet da Wacom.
  

• Visualizar e consultar gráficos de conhecimento de um MMORPG com o Amazon Neptune

  Os bancos de dados de gráficos são uma ferramenta muito valiosa para entender dados altamente inter-relacionados, mas a maioria dos desenvolvedores não está acostumada a modelar e consultar dados com ferramentas de banco de dados de gráficos. Esta demonstração mostra uma visualização no navegador e um explorador de consultas criado no Apache Tinkerpop Gremlin e no Amazon Neptune, com um conjunto de dados de um MMORPG bem popular. 

• Estimular o engajamento da comunidade no Twitch

  A transmissão ao vivo no Twitch reúne as comunidades, oferecendo aos desenvolvedores de jogos uma oportunidade única de criar interação entre esses públicos. Descubra a versatilidade do Twitch Extensions durante a demonstração prática e reconheça o potencial interativo do seu jogo durante transmissões ao vivo.

• Automatizar a revisão de código com machine learning

  Descubra os muitos usos do machine learning para criar ferramentas que automatizam o trabalho manual qualificado, mas repetitivo. Apresentamos o Amazon CodeGuru, uma ferramenta de machine learning que automatiza a revisão de código. Verificamos como ele funciona, o que pode fazer e, em seguida, investigamos com uma demonstração.