Программирование Оноайн Казино

Индустрия программного обеспечения в настоящее время процветает, особенно в игровой индустрии. Конечно, это касается и онлайн-казино, хотя и не так, как «обычные» игры. Соответствующие производители программного обеспечения, такие как Play’n Go, всегда нанимают новых сотрудников и разработчиков. Но что разработчики программного обеспечения ожидают, когда они начнут свою работу? Эта статья посвящена не столько знаниям развития в целом, сколько тем, которые неизбежно связаны с развитием

• Защита данных - для все большего числа игроков важно знать, что данные, которые вводятся, например, в онлайн-казино, также остаются там. Однако разработчики должны учитывать не только запросы клиентов, но и законодательные требования GDPR. Новые разработчики должны найти способы реализации соответствующих законов без существенного снижения удобства для пользователей. Как можно использовать куки-файлы без нарушения правил? Поскольку становится все более предсказуемым, что азартные игры в Интернете будут регулироваться в других европейских странах, основное программное обеспечение казино вскоре может быть больше связано с ведением черных списков или баз данных, которые, в свою очередь, сравниваются с черными списками местных казино. Тем не менее, это сравнение должно быть сделано безопасно.

• Безопасность. Как только деньги разыгрываются, у геймеров возникают два вопроса: насколько безопасны мои платежные реквизиты и насколько безопасно казино в целом? На данный момент безопасность так же важна, как и в интернет-магазинах. После ввода данных банка или кредитной карты производитель программного обеспечения должен гарантировать, что никто не сможет получить доступ к этим данным. Подраздел безопасности - безопасность игры в целом. Слоты, рулетка, а также игра в покер против ПК не должны использоваться хакерами.

Разработчики всегда должны придумывать новые решения, не ограничивая удовольствие пользователя или скорость. В этой области развития сотрудники могут рассчитывать на еще много лет работы.

Помимо самого программного обеспечения для казино, которое, конечно, должно быть отзывчивым и интуитивно понятным, разработчики игр постоянно бросают вызов. Время не может стоять на месте, особенно со слотами, потому что если вы как издатель не представите достаточно новых продуктов, вы быстро потеряетесь в толпе. Но что важно?

• Слоты дизайна, как правило, основаны на теме. Разработчики должны чувствовать, что будет интересно клиенту. Ставка на обычные слоты редко бывает верным фактором успеха, поскольку они уже существуют.

• Призовая система - она должна быть интересной, удивительной и сложной. Игра, которая всегда следует одним и тем же правилам, быстро становится скучной. В то же время слот должен хотя бы регулярно тратить небольшие выигрыши, чтобы держать игрока на мяче.

• Целевые группы - азартные игры онлайн ни в коем случае не нацелены на тех, кто обычно посещает аркаду поблизости. Части целевой группы четко отличают онлайн-игру от обычной игры, что, конечно, также отражается в идеях и пожеланиях. Разработчик должен знать целевые группы, чтобы разработать подходящую игру.

Казино все чаще предлагают так называемые живые игры. В рулетке, например, игра ведется на реальном столе рулетки в известном в мире казино, хотя один или несколько игроков фактически отсутствуют за столом. В покер или блэкджек также можно играть таким образом. Чтобы живые игры работали естественным образом, необходимы хорошие технологии и программирование, включая обслуживание серверов.

Можно предположить, что работа в качестве разработчика в производителях программного обеспечения для онлайн-казино является профессиональной областью, которая становится все более и более важной в связи с прогрессом в области цифровизации. Кроме того, сфера деятельности невероятно изменчива и должна постоянно адаптироваться к новым возможностям, конечным устройствам, тенденциям и целевым группам. Весьма вероятно, что работа разработчика по большей части будет повторяться, потому что он сам должен думать о будущем.

Насколько разнообразна и творческая работа, конечно, также зависит от соответствующего рабочего места. Безопасность и защита данных, безусловно, менее разнообразны, чем разработка VR-игр в покер, но эта оценка, в свою очередь, зависит от ваших собственных интересов. Индустрия программного обеспечения казино определенно предлагает возможности и хорошие возможности для профессионального развития в долгосрочной перспективе, независимо от области развития, в которой активен потенциальный клиент.

Hello, world!

Привет, Хабр! Меня зовут Михаил, я учусь на втором курсе Южно-Уральского государственного Университета и одни из самых любимых вещей в моей жизни - это программирование и азартные игры.

Уже около года я занимаюсь машинным обучением, а значит пора закрепить полученные навыки на практике. Тема исследования казино давно меня интересовала, а знакомство с sklearn и компанией дало мне обширный арсенал для этого.

Сегодня мы будем считать чужие деньги, писать парсер, исследовать данные, создавать модели машинного обучения и смотреть мемы.

Идея обыграть рулетку не нова, в отличие от идеи сделать это с помощью нейронных сетей. Немного погуглив, я наткнулся в основном на модели для игры в блекджек(21).

P.S. Данная статья не является рекламой азартных игр или конкретного сайта. Автор неоднократно проигрывал крупные суммы и не рекомендует никому связываться с казино или ставками.

Представляем вам злодея

В качестве противника будет выступать популярный сайт-рулетка по Counter Strike: Global Offensive - CSGOFAST. На этом сайте присутствует более десяти видов азартных игр, а в качестве валюты используются скины на оружия из игры CS:GO.

Мы будем пытаться обыграть евро рулетку, вернее её аналог c сокращенным количеством номеров. Выбор именно этого сайта обусловлен несколькими причинами, одна из них - личные счеты:) Об остальном будет сказано далее.

Правила игры

Руле́тка  — азартная игра, представляющая собой вращающееся колесо с 36 секторами красного и чёрного цветов и м зелёным сектором «зеро» с обозначением нуля. Игроки, играющие в рулетку, могут сделать ставку на выпадение шарика на цвет (красное или чёрное), чётное или нечётное число, диапазон (1—18 или 19—36) или конкретное число. Крупье запускает шарик над колесом рулетки, который движется в сторону, противоположную вращению колеса рулетки, и в конце концов выпадает на один из секторов. Выигрыши получают все, чья ставка сыграла (ставка на цвет, диапазон, чётное-нечётное или номера).

Вот какое определение предлагает нам Википедия. Мы же будем иметь дело с упрощенной версией, в которой ставки принимаются только на выпадение цвета, а количество номеров уменьшено. Да и никакого крупье тут нет, обычные числа, сгенерированные компьютером :)

Как работает рандом

В начале раунда(то есть до ставок) на стороне сайта выбирается случайное число от 0 до 1. По окончании раунда оно домножается на 15 и округляется до целого в меньшую сторону. Получившееся число - номер победного сектора. Чтобы сайт не подкручивал рулетку как угодно ему, с самого начала раунда нам доступен SHA хеш случайного числа, которое выбрал сайт, а после раунда и само число, соответственно пользователь может самостоятельно пропустить его через SHA алгоритм и убедиться в честности.

Сайт не может подкрутить, так как победный цвет известен до ставок.

P.S. Для тех, кто не знаком с шифрованием, SHA это такая штука, которая преобразует одну последовательность символов в другую, при этом в обратную сторону так сделать довольно тяжело(практически невозможно). В этом и прикол.

Перейдем к делу

Для начала нужно определиться с данными, на основе которых наша модель будет предсказывать цвет следующего выпадшего числа. Максимум, доступный на сайте в реальном времени - результаты 50 последних игр, а также денежные ставки на текущую игру. Чтобы наша модель не нуждалась в дополнительном сборе наблюдений и её можно было использовать из коробки без ожидания, будем делать предсказание следующего цвета на 50 играх. Соответственно, наш первый шаг - написать парсер для сбора данных.

Мы будем использовать Python и библиотеку Requests-HTML, обычный requests не подойдет, поскольку для доступа к результатам игр нужно предварительно выполнить на странице весь JavaScript. Результаты будем записывать в .csv файлы. Также я не стал заморачиваться над причесыванием данных во время сбора, ведь гораздо легче сделать это парой команд из Pandas.

Объявим класс парсера. Он будет иметь две функции, одна из них будет подгружать историю игр, другая собирать информацию о проходящей в данный момент(это две разные страницы, соответственно и функции две). То есть, информацию о денежных ставках мы можем получить только из текущей игры, а выпавшие номера для всех 50 прошедших.

Парсер будет загружать HTML страницу, рендерить весь JavaScript, выбирать текст из контейнера '.history-wrap'(он содержит результаты 50 последних игр - то, что нам надо) а затем возвращать удобный список из результатов игр.

Аналогичным образом работает и вторая функция. Иногда случается момент, когда на странице отсутствует '.game-bets-header', поэтому добавлена проверка.

Поместим все это дело в цикл, который будет скачивать данные с заданными интервалами и записывать полученные результаты в файл. Он будет скачивать информацию о денежных ставках гораздо чаще, чем длится одна игра, поэтому запись будет создаваться когда таймер до начала меньше единицы, либо равен 25(момент, в который рулетка крутится и информация о ставках уже не может изменится)

Ну, теперь оставляем все наше дело на парочку недель, чтобы оно в фоне сохраняло результаты игр

Поиграем

Пару дней прошло, данные собираются, но их еще слишком мало для анализа, а значит пока можно заняться другим. Пойдем на эту рулетку и посмотрим, какую точность предсказаний мы получим без использования математики(повторяю, исключительно в исследовательских целях!).

Я выделил 3 консервативных метода игры:

1) Игра без стратегии

Я просто полагался на удачу и интуицию, угадывая числа. На поле присутствует 7 черных, 7 красных и 1 зеленый сектор. Значит, при ставке на красное/черное мы имеем вероятность победы 7/15 или же По факту так играет большинство

Сыграв игр(без ставок), я угадал верно 45/ выпадений, что уже довольно близко к аналитически вычисленному значению. Забегая вперед, построим графики с помощью matplotlib и Pandas.

Зеленое - я угадал цвет, красное - я ошибся, серое - правильный ответ при моих ошибках. Стоит заметить, что precision и recall зеленого составляют два ноля:) Иначе говоря, ни один раз, предсказав ноль, я не оказался прав и не угадал ни одного действительно выпавшего ноля

2) Мартингейл

Стратегия заключается в том, чтобы начиная с малой суммы увеличивать ее на 2 в случае пройгрыша и ставить на тот же самый цвет.

Пример: 1 красное-проиграл-2 красное-проиграл-4 красное-проиграл-8 красное- выйграл(окупился на 1 единицу)- 1 красное Тогда выйгрыш всегда будет покрывать потери, а еще и давать прибыль в размере первой ставки.

Пусть S - начальная сумма.

Сформулировать это математически можно так: для того, чтобы сделать n ставок, нужно потратить S*(2^(n) - 1) валютных единиц. При этом вероятность проиграть будет выглядеть так: ^ n. Данная стратегия не терпит единого поражения, поскольку оно означает потерю баланса. Главный минус - сумма растет в два раза с каждой ставкой. С другой же стороны очень сложно поверить в выпадение, допустим, 20 черных подряд без подкруток(на деле автор видел 23 черных подряд). Измусоленная тема - ошибка игрока.

Сделаем вывод о данной стратегии во время анализа.

Посмотрим на сумму ставки при количестве игр n:

Иначе говоря, играя по Мартингейлу с запасом на 20 пройгрышей, вы будете рисковать миллионом ради одного рубля в почти самом плохом случае(в самом плохом вы проиграете:)). Хочу напомнить, что одна игра идет порядка 40 секунд, а вы будете получать по 1 единице прибыли с каждой игры. Для реальной прибыли надо начинать хотя бы с 10 рублей, и иметь в запасе 10 миллионов на запас из 20 игр.

3) Мартингейл++

До этой стратегии я(как и миллион других гениев-игроманов) додумался сам. Ждем, пока на рулетке выпадет одинаковых цветов на холостом ходу, а затем начинаем ставить по Мартингейлу.

Проблема в том, что если играть по 10 рублей и ждать выпадение 7 цветов в ряд, вы скорее состаритесь, чем станете миллионером.

Тем временем, наблюдения уже собрались.

Приведем данные в порядок

Вряд ли мы будем учить нейронку предсказывать соленый хэш, поэтому эти данные нам ни к чему. Время дается с точность до минут, оно мне не пригодилось.

Денежный датасет

Общий датасет

Теперь мы объединим 2 датасета в один

Исследование

2 вещи, которые всегда меня интересовали - какое максимальное количество раз какой-то цвет не выпадал и сколько казино получает прибыли. Будем добираться до сути.

Выяснили, что красное выпадало подряд 11 раз, черное 12, зеленое - 3.

Также нужно посчитать кол-во игр, которое какой-то цвет, наоборот, не выпадал.

Красное не выпадало 16 игр подряд, черное 17, зеленое 95(!). Внимание на графики.

Я могу сделать для себя какие-то выводы. Еще совсем недавно я пытался ждать игр без зеленого, а затем начинал на него ставить до победного. Зная, что частенько зеленое не выпадает и 30+ раз, больше играть я по такой стратегии я не буду(хотя, кого я обманываю).

И самое главное - Мартингейл. 17 раз подряд. Рискуем тысячей денежных единиц ради одной. Если же начинать играть с середины, допустим, с восьмого выпадения - будем рисковать единицами ради одной. И никто не гарантирует, что больше 17 раз подряд серии не будет. Стоит ли оно того? Решает каждый сам.

Далее - прибыль сайта

За одиннадцать тысяч игр, с учетом пропущенных, сайт получил прибыль в размере долларов или рублей по текущему курсу. Я собирал данные 10 дней. Неплохо, однако

Ну, напоследок взглянем на то, как выглядит график числа раунда за игр.

Увидеть какие-то паттерны на данном графике невооруженным глазом невозможно.

Построение моделей

Я решил использовать 3 вида входных/выходных данных модели:

1) Предыдущие цвета -> следующий цвет

2) Предыдущие числа -> следующий цвет

3) Предыдущие числа -> следующее число

Создадим колонки с предыдущими выпадениями чисел(иначе говоря лагами)

Аналогичным образом будем создавать и лаги цветов для будущих моделей.

Теперь первую колонку(без задержек) можно использовать в качестве вектора ответов, а 50 колонок лагов в качестве матрицы признаков.

Перебор

Я опробовал линейные и логистические регрессии с разными гиперпараметрами на трех вариантах входных/выходных данных. Код практически не отличается, поэтому прикреплю один пример

Итого опробовав 5 регрессий, а затем и пару полиномиальных и все это с разными гиперпараметрами, добиться точности выше не удалось(да и такая точность скорее всего получилась из-за удачно подобранного random seed, т.е. случайного фактора)

Далее в бой пошли случайные леса. И код, и результат там сильно схожи с предыдущими, поэтому прикреплять их не вижу смысла.

Neural Networks

На самом деле, результаты простых моделей уже подбили мою веру в успех, но, как говорится, попытка - не пытка.

Попробуем обучить модель с двумя скрытыми слоями по и нейронов в каждом, и выходным слоем из трех нейронов, отвечающим за вероятность выпадения каждого цвета.

Внимание на последние эпохи:

Внезапно(или нет?) количество потерь сократилось до Ура? Нет. Наша модель просто переобучилась и заучила ответы на тренировочной выборке. Посчитав accuracy, получаем , что даже хуже, чем у полиномиальной регрессии

Напоследок я попробовал другие конфигурации нейронов и даже модель с денежными ставками, но ничего путного из этого не вышло. Жаль

Заключение

К сожалению, нейронные сети это не магия, а всего лишь крутое применение математики. Я не стал миллионером, но зато получил ответы на вопросы, которые не давали спать по ночам и прокачал свои скиллы. Возможно, собрав больше данных, закономерность получится найти, но об этом мы узнаем уже в следующей части статьи, если она будет)

Ссылка на ноутбук в Colab

Ссылка на данные

А на этом я с вами прощаюсь. Надеюсь, не навсегда.