Machine Learning: تصميم المشروع

# تصميم المشروع ككود
project_config = {
    "name": "SalesPredict",
    "goal": "Monthly revenue prediction MAPE < 10%",
    "data_sources": ["orders", "users", "products", "ad_logs"],
    "model_pipeline": "LinearRegression → XGBoost → MLP",
    "deployment": "FastAPI + Docker + MLflow",
    "team": {"Alice": "Data Engineering", "Bob": "ML Engineering", "Charlie": "DevOps"},
}

# المتطلبات كتكوين منظم
requirements = {
    "business_goal": "التنبؤ بإيرادات الشهر القادم لكل فئة منتج",
    "success_metrics": {
        "primary": "MAPE < 10% للتنبؤ بالإيرادات الشهرية",
        "secondary": ["MAE < 50 ألف دولار لكل فئة", "زمن انتقال التنبؤ < 100 مللي ثانية"],
    },
    "user_stories": [
        "بصفتني Bob (العمليات)، أريد تنبؤات الإيرادات الشهرية حتى أتمكن من تحسين المخزون",
        "بصفتي Alice (مدير الولايات المتحدة)، أريد تنبؤات بالدولار الأمريكي للسوق الأمريكي",
        "بصفتي Charlie (مدير الاتحاد الأوروبي)، أريد تنبؤات باليورو للسوق الأوروبي",
        "بصفتي CFO، أريد فترات ثقة التنبؤ لتخطيط الميزانية",
    ],
    "constraints": {
        "data_latency": "تحديث دفعي يومي بحلول الساعة 6:00 صباحًا",
        "prediction_sla": "استجابة API < 100 مللي ثانية p95",
        "model_retraining": "إعادة تدريب تلقائية أسبوعية",
        "compliance": "GDPR لبيانات مستخدمي الاتحاد الأوروبي",
    },
    "scope": {
        "in_scope": ["3 مناطق سوق", "5 فئات منتجات", "تنبؤات شهرية وأسبوعية"],
        "out_of_scope": ["التنبؤ في الوقت الفعلي لكل طلب", "تصنيف المنتجات القائم على الصور"],
    },
}

# Executed successfully

data_sources = {
    "orders": {
        "source": "PostgreSQL (قاعدة بيانات الإنتاج)",
        "fields": ["order_id", "user_id", "product_id", "amount_usd", "order_date", "category"],
        "volume": "~500 ألف صف/شهر",
        "latency": "T+1 (متاح في اليوم التالي)",
    },
    "users": {
        "source": "نظام CRM",
        "fields": ["user_id", "region", "segment", "register_date", "lifetime_value"],
        "volume": "~50 ألف مستخدم نشط",
        "latency": "T+1",
    },
    "ad_spend": {
        "source": "Google Ads + Facebook Ads API",
        "fields": ["date", "channel", "campaign", "spend_usd", "impressions", "clicks"],
        "volume": "~10 آلاف صف/شهر",
        "latency": "T+2",
    },
    "product_catalog": {
        "source": "نظام PIM",
        "fields": ["product_id", "category", "price_usd", "margin_pct", "launch_date"],
        "volume": "~5 آلاف منتج",
        "latency": "تحديث أسبوعي",
    },
}

# Executed successfully

model_architecture = {
    "stage_1_baseline": {
        "model": "LinearRegression + Pipeline",
        "expected_r2": "0.72-0.78",
        "expected_mape": "12-15%",
        "purpose": "إنشاء خط أساس، التحقق من خط أنابيب البيانات",
        "timeline": "الأسبوع 1-2",
    },
    "stage_2_advanced": {
        "model": "XGBoost + Feature Engineering",
        "expected_r2": "0.85-0.89",
        "expected_mape": "8-10%",
        "purpose": "نموذج الإنتاج، تحقيق هدف MAPE < 10%",
        "timeline": "الأسبوع 3-5",
    },
    "stage_3_deep_learning": {
        "model": "MLP / LSTM (سلسلة زمنية)",
        "expected_r2": "0.87-0.92",
        "expected_mape": "7-9%",
        "purpose": "تحسين تدريجي، التقاط الأنماط الزمنية",
        "timeline": "الأسبوع 6-8",
    },
}

# Executed successfully

evaluation_strategy = {
    "cv_method": "TimeSeriesSplit(n_splits=5)",
    "primary_metric": "MAPE",
    "secondary_metrics": ["MAE", "RMSE", "R2"],
    "business_alignment": {
        "MAPE_10pct": "خطأ التنبؤ ضمن 10% من الإيرادات الفعلية",
        "MAE_50k": "متوسط الخطأ المطلق أقل من 50 ألف دولار لكل فئة",
        "cost_of_error": "1% MAPE ≈ 100 ألف دولار هدر مخزون سنوي",
    },
    "ab_testing": {
        "duration": "3 أسابيع",
        "metric": "MAPE التنبؤ بالإيرادات مقابل الفعلي",
        "sample_size": "جميع الفئات، جميع الأسواق",
    },
}

risk_register = {
    "data_quality": {
        "risk": "البيانات الخام بها >5% قيم مفقودة في الميزات الرئيسية",
        "probability": "عالية",
        "impact": "حرج - نموذج مدرب على بيانات متحيزة",
        "mitigation": "فحوصات جودة بيانات تلقائية في خط أنابيب ETL",
        "owner": "Alice",
    },
    "model_overfitting": {
        "risk": "XGBoost يفرط في التجهيز على عينات فئات صغيرة",
        "probability": "متوسطة",
        "impact": "عالية - تعميم ضعيف على أسواق جديدة",
        "mitigation": "TimeSeriesSplit CV، تنظيم، توقف مبكر",
        "owner": "Bob",
    },
    "api_latency": {
        "risk": "API التنبؤ يتجاوز SLA 100 مللي ثانية تحت الحمل",
        "probability": "متوسطة",
        "impact": "متوسطة - تدهور تجربة المستخدم",
        "mitigation": "ذاكرة تخزين مؤقت Redis للاستعلامات الساخنة، تحديد معدل Nginx",
        "owner": "Charlie",
    },
}

# Executed successfully

project_schedule = {
    "Week 1-2: البيانات وخط الأساس": {
        "Alice": "خط أنابيب ETL، إعداد بحيرة البيانات، فحوصات جودة البيانات",
        "Bob": "EDA، هندسة الميزات، خط أساس LinearRegression",
        "Charlie": "بيئة التطوير، إعداد MLflow، خط أنابيب CI/CD",
    },
    "Week 3-5: النموذج المتقدم": {
        "Alice": "مخزن الميزات، طبقة الخدمة عبر الإنترنت، مراقبة البيانات",
        "Bob": "تدريب XGBoost، ضبط المعاملات، تقييم النموذج",
        "Charlie": "هيكل FastAPI، إعداد Docker، اختبار الحمل",
    },
    "Week 6-8: التعلم العميق والنشر": {
        "Alice": "ميزات في الوقت الفعلي، اكتشاف انحراف البيانات",
        "Bob": "تجارب MLP/LSTM، تصميم اختبار A/B",
        "Charlie": "النشر الإنتاجي، لوحة مراقبة، تنبيه",
    },
    "Week 9-10: الإطلاق والمراقبة": {
        "Alice": "مراقبة خط أنابيب البيانات، التحقق من الميزات",
        "Bob": "مراقبة النموذج، خط أنابيب إعادة التدريب",
        "Charlie": "تنفيذ اختبار A/B، طرح تدريجي، إعداد الاستجابة",
    },
}

# Executed successfully