Задача:

Разработать и внедрить нейросетевую модель на базе LSTM (Long Short-Term Memory) для SaaS-платформы, которая занимается динамическим ценообразованием для бутик-отелей.

Функциональные требования:

• Модель должна обрабатывать исторические данные о загрузке отеля, ценах конкурентов, сезонности и внешних факторах.
• Ежедневно рассчитывать оптимальную цену на номера для максимизации выручки.
• Интегрироваться с существующим бэкендом SaaS-сервиса через API.
• Обеспечивать предсказание с приемлемой точностью (например, MAPE не более 10%).

Технические детали:

• Язык реализации: Python (предпочтительно) с использованием библиотек TensorFlow или PyTorch.
• Модель должна быть легковесной и выполняться в рамках ограничений по времени и памяти сервера.
• Требуется подготовка пайплайна данных: очистка, нормализация, создание временных признаков.
• Документация кода и модели (включая описание архитектуры, гиперпараметров и логики принятия решений).

Ожидаемый результат:

• Исходный код модели, подготовленный к развертыванию.
• Примеры работы на тестовых данных.
• Краткое описание подхода и обоснование выбора архитектуры.