実案件型ポートフォリオ：要件→実装→レポートの型｜“業務再現”で採用担当に刺さる作り方

proj-portfolio/
  README.md
  LICENSE
  data/
    raw/         # 入手したまま（触らない）
    interim/     # 中間（Parquet）
    processed/   # 最終（モデル入力/出力）
  notebooks/
    01_eda.ipynb
    02_features.ipynb
    03_model.ipynb
    04_report.ipynb
  src/
    __init__.py
    etl.py       # 読み込み/前処理（純粋関数）
    features.py  # 特徴量化
    model.py     # 学習/推論
    viz.py       # 図作成（1意思決定=1関数）
    io_utils.py  # 原子置換/読書き
  tests/
    test_etl.py
    test_features.py
  requirements.txt
  Dockerfile
  docker-compose.yml（任意）

# 需要予測ミニプロジェクト（店舗×SKU）
目的: 発注判断のばらつきを減らすため、翌週の日次売上を予測し、在庫切れと過剰在庫を低減する。

データ: sales.csv（date, store, sku, qty, price）, calendar.csv（holiday, weather, promo）

再現手順:
1. pip install -r requirements.txt（または docker compose up）
2. python -m src.etl で中間Parquet作成
3. python -m src.model で学習→processed/preds.csvを出力
4. notebooks/04_report.ipynb を実行→PDF化

成果物: report.pdf（意思決定の提案つき）、preds.csv、図（PNG）
ライセンス: CC BY-SA 4.0（データはダミー）

from pathlib import Path
import pandas as pd

RAW = Path("data/raw/sales.csv")
OUT = Path("data/interim/sales.parquet")

NA = ["", "NA", "-", "--"]

def read_sales(p: Path) -> pd.DataFrame:
    return pd.read_csv(p, parse_dates=["date"], dtype={"store":"string","sku":"string","qty":"int32"}, na_values=NA)

def clean_sales(df: pd.DataFrame) -> pd.DataFrame:
    df = df[df.qty >= 0].copy()
    df["dow"] = df["date"].dt.dayofweek
    return df

if __name__ == "__main__":
    df = clean_sales(read_sales(RAW))
    df.to_parquet(OUT, compression="zstd")

import pandas as pd

def make_features(df: pd.DataFrame) -> pd.DataFrame:
    g = df.sort_values("date").groupby(["store","sku"])  
    for w in (7, 14, 28):
        df[f"qty_ma{w}"] = g.qty.transform(lambda s: s.rolling(w, min_periods=3).mean())
    df["promo_flag"] = (df.get("promo", 0) > 0).astype("int8")
    return df

import pandas as pd
from sklearn.model_selection import TimeSeriesSplit
from sklearn.metrics import mean_absolute_error
from lightgbm import LGBMRegressor

IN  = "data/interim/sales.parquet"
OUT = "data/processed/preds.csv"

if __name__ == "__main__":
    df = pd.read_parquet(IN).pipe(make_features)
    cols = [c for c in df.columns if c.startswith("qty_ma") or c in ["dow","promo_flag"]]
    X, y = df[cols], df["qty"]
    tscv = TimeSeriesSplit(n_splits=5)
    maes = []
    for tr, va in tscv.split(X):
        m = LGBMRegressor(n_estimators=400, learning_rate=0.05)
        m.fit(X.iloc[tr], y.iloc[tr])
        p = m.predict(X.iloc[va])
        maes.append(mean_absolute_error(y.iloc[va], p))
    print({"MAE": sum(maes)/len(maes)})
    # 本番推論は最新週で
    df["pred"] = m.predict(X)
    df[["store","sku","date","pred"]].to_csv(OUT, index=False)

## 04_report（サマリ）
- 目的・業務影響
- データと品質チェック
- 手法（ベースライン→選定理由）
- 結果（誤差/改善率）
- 意思決定（発注点の式と例）
- 運用（更新頻度/自動化/監視）
- 次の一歩（A/B、特徴量追加、データ拡張）