示範

• 容器化遊戲伺服器的 CI/CD 管道

  遊戲發行商面臨的最大挑戰是，如何盡快向玩家提供新功能。新功能不僅需要快速、可靠地提供，而且還需要以最佳化成本和確保安全性的方式來交付。與 GitOps 的持續整合和持續部署 (CI/CD) 管道是遊戲發行商改善遊戲，並在整個開發生命週期提供新功能的有效途徑。在本示範中，我們將討論當結合 GitOps 最佳實務時，CD 管道如何用於自動分發遊戲二進位檔案及其資產。 

• 資料庫 101

  本示範概述了專用的 AWS 資料庫。我們將逐步介紹常見的使用案例，以及如何為適當的任務選擇正確的工具。 

• 加速聯網 101

  了解稱為 AWS Global Accelerator 的核心網路服務，以及如何充分利用 AWS 的全球基礎架構，來協助您加速線上多人遊戲的網際網路流量。
  

• 內容交付 101

  了解有關內容交付 Amazon CloudFront 的核心網路服務，它可以充分利用 AWS 的全球基礎架構，協助您更快地將游戲二進位檔案提供給客戶。
  

• Amazon Lumberyard 101

  本示範將向客戶介紹可用於建置遊戲的 Lumberyard 支援工具。主要功能包括使用 Slices 建置世界；使用 Script Canvas 編寫遊戲邏輯指令碼，以及使用 EMotion FX 來控制角色動畫。

• 無伺服器分析 101

  了解為何要在電玩遊戲中使用分析。了解如何建立批次和近乎即時的分析管道，並將其整合至 Unity 遊戲中以獲得實用洞見。 

• Amazon GameLift 遊戲伺服器 101

  對 Amazon GameLift 的常見遊戲架構模式進行演練，並在 GameLift 主控台中探索範例。 

• AWS 上的跨平台遊戲體驗

  跨平台遊戲體驗允許不同的遊戲平台在遊戲中共用相同的線上伺服器，從而讓遊戲玩家可以融合。在本專題講座中，您將了解有關如何在 AWS 上設定跨平台遊戲後端的技巧，以及範例架構。 

• 將 AWS 資料中心隨處擴展

  講座涵蓋如何讓雲端工作負載更接近最終使用者的主題。AWS Local Zones、AWS Outposts 和 AWS Wavelength 等機制的原理，以及這些機制涵蓋哪些使用案例。 

• 使用 Amazon SageMaker 建置 ML 支援的濫用偵測管道

  雖然偵測欺騙者通常是艱苦的戰鬥，但使用機器學習演算法訓練的系統有助於充分利用遊戲開發人員已經擁有的資料，以自動升級並採取行動來應對可疑行為。在本示範中，我們將展示使用範例玩家遙測資料，來建置端對端管道的樣式。

• Alexa，打造冒險體驗

  聆聽 Alexa 的 RPG 體驗 Starfinder 是如何建立的。該示範涵蓋對遊戲、Alexa Skill 建立工具，以及 Skill Flow Builder 的介紹。

• 使用機器學習建立遊戲音樂

  機器學習不僅用於資料分析，還可用於為您的遊戲建立內容！ 觀看本示範，了解如何使用 AWS DeepComposer 嘗試音樂主題的新變化，無論您的技術專業水準如何均不受影響，然後更深入地研究如何使用產生性對抗網路和 Amazon SageMaker，甚至在執行時間為您的遊戲建置內容。 

• 使用強化學習降落火箭

  本示範將展示遊戲開發人員如何在其電玩遊戲中使用強化學習 (RL)。在本示範中，我們將示範如何在 OpenAI Gym Box2D 模擬環境中，使用 RL 來訓練月球著陸器使其自己登上月球。學習如何訓練和最佳化代理，並參與競爭，看看誰可以建立精確降落月球的最佳化 RL 模型。 

• 雲端中用於建立資產的 Studio

  使用 Epic Games Unreal Engine、Autodesk 3dsMax、Adobe Photoshop 和 AWS Thinkbox Sequoia 等應用程式，在雲端建立遊戲資產。透過 AWS 的 NICE DCV 遠端顯示通訊協定，連線至 G4DN 型 Windows 虛擬工作站，並使用所有輸入裝置，包括滑鼠、鍵盤和 Wacom 平板電腦，與應用程式進行互動。
  

• 使用 Amazon Neptune 來視覺化和查詢 MMORPG 的知識圖

  圖形資料庫是用於理解高度相關資料的極具價值的工具，但大多數開發人員並不習慣使用圖形資料庫工具，來對資料進行建模和查詢。本示範展示了在 Apache Tinkerpop Gremlin 和 Amazon Neptune 之上建置的瀏覽器內視覺化和查詢瀏覽器，以及來自廣受歡迎的 MMORPG 中的資料集。 

• 在 Twitch 上建立社群參與

  Twitch 上的即時串流將社群聚集在一起，為遊戲開發人員提供獨特的機會來吸引這些受眾。在我們的實作示範期間，探索 Twitch Extensions 的多種功能，並在現場直播期間認識您遊戲的互動潛力。

• 使用機器學習自動執行程式碼審查

  探索機器學習的眾多用途，建置可自動執行熟練但重複的手動工作的工具。我們將介紹 Amazon CodeGuru，這是一種支援機器學習的工具，可自動執行程式碼審查。我們將探究其工作原理、可以執行哪些操作，然後透過示範開展調查。