پروژه شماره ۴ (۱۰۰ نمره)

تعریف مسئله

هدف این پروژه طراحی و پیاده‌سازی یک مدل یادگیری ماشین برای پیش‌بینی فروش آتی فروشگاه‌های زنجیره‌ای Rossmann است. علاوه بر پیش‌بینی دقیق فروش، دانشجویان باید بتوانند ویژگی‌های پیشرفته‌تر مدل‌سازی، مانند برآورد عدم قطعیت، دسته‌بندی فروش، و تحلیل مدل را پیاده‌سازی کرده و تحلیل دقیقی از عملکرد ارائه دهند.

مشخصات دیتاست

• داده‌ها از رقابت فروش فروشگاه‌های Rossmann استخراج شده است.
• تعداد نمونه‌ها: بیش از ۱ میلیون ردیف فروش روزانه برای بیش از ۱۱۰۰ فروشگاه
• ستون هدف: Sales
• فایل‌های جانبی: store.csv (حاوی مشخصات هر فروشگاه شامل نوع فروشگاه، فاصله تا رقیب، نوع سرویس‌دهی و ...)
• ویژگی‌ها: ترکیبی از عددی، باینری و زمانی (تاریخ، روز هفته، ماه و ...)

مراحل پروژه و نمره‌بندی

فاز ۱: Data Visualization − تحلیل اکتشافی و شناخت داده‌ها (۵ نمره)

• رسم نمودارهای روند فروش در طول زمان برای چند فروشگاه منتخب
• بررسی تأثیر ویژگی‌های مختلف (StateHoliday ،SchoolHoliday ،Promo و ...) بر فروش
• نمودار همبستگی متغیرها و تحلیل آن
• مقایسه روند فروش در فروشگاه‌های مختلف

فاز ۲: Feature Engineering − مهندسی ویژگی و آماده‌سازی داده (۱۵ نمره)

• ترکیب جداول sales و store بر اساس Store ID
• ایجاد ویژگی‌های زمانی جدید (روز هفته، ماه، تعطیلی، میانگین متحرک و ...)
• ایجاد lag features و آماره‌های متحرک (فروش روز قبل، میانگین ۷ روز اخیر، انحراف معیار و ...)
• استخراج ویژگی‌های دوره‌ای (مثل Fourier terms برای فصل‌ها) و فاصله تا تعطیلات رسمی
• نرمال‌سازی و مدیریت داده‌های گمشده
• تفکیک داده به آموزش / اعتبار‌سنجی / تست با حفظ ترتیب زمانی

فاز ۳: Learn & Estimate − آموزش و ارزیابی مدل‌ها (۳۰ نمره)

توجه: در این فاز باید کامل مدل را پیاده‌سازی کرده و استفاده از کتابخانه‌ها مجاز نیست.

• پیاده‌سازی مدل baseline ساده (رگرسیون خطی یا میانگین متحرک) و ارزیابی آن
• آموزش مدل‌های کلاسیک مانند XGBoost یا LightGBM با تنظیم hyperparameter
• استفاده از اعتبار‌سنجی زمانی مبتنی بر فروشگاه (store-aware CV) و گزارش RMSE در هر مرحله
• تحلیل feature importance با استفاده از SHAP
• تحلیل خطا: بررسی مواردی که مدل در آن‌ها عملکرد ضعیفی داشته به طور دقیق با تفسیر و مدرک

فاز ۴: Uncertainty & Sales Classification − تحلیل عدم قطعیت و طبقه‌بندی فروش (۲۵ نمره)

• پیاده‌سازی پیش‌بینی چندگام (multi-step forecasting) (فروش ۷ روز آینده) با مدیریت انتشار خطا
• تخمین uncertainty با روش‌هایی مثل quantile regression یا ensemble
• دسته‌بندی فروش به سه کلاس (کم، متوسط، زیاد) و آموزش مدل طبقه‌بند چندکلاسه با ROC-AUC و F1-score

فاز ۵: Deep − قسمت عمیق پروژه (۲۵ نمره)

• پیاده‌سازی دقیق uncertainty estimation + multi-step forecasting + SHAP
• استفاده از مدل‌های یادگیری عمیق LSTM و TCN با مستندات کامل
• بهینه‌سازی هایپرپارامترها با Optuna یا Ray Tune

فاز ۵ + ۱: مستندسازی و ارائه نتایج

• گزارش کامل نتایج پیش‌بینی، تحلیل خطاها، نمودارها و تفسیر نهایی
• مستندسازی مرتب، ساختار‌مند و قابل فهم

معیار رقابت بین تیم‌ها

• معیار اصلی: Root Mean Squared Error مدل نهایی بر روی مجموعه تست
• معیارهای مکمل: Mean Absolute Percentage Error و R2
• برای طبقه‌بندی: ROC-AUC و F1 Score