разработка модели прогнозирования. Разработка с нуля. Пожелания и особенности: Требуется разработать на Python модель для прогнозирования ежедневных приходов денежных средств. Исходные данные находятся в файле sales_data.xlsx и содержат информацию с 2022 по 2025 год. Основная задача модели — построить прогноз на заданное пользователем количество дней вперед. Пользователь должен вводить целое число n, и модель должна сделать прогноз на это количество дней. Полученный ежедневный прогноз необходимо агрегировать (суммировать) в прогнозы по месяцам для удобства анализа. Модель должна учитывать ключевые факторы, влияющие на динамику продаж: недельную сезонность (отдельно анализировать поведение в выходные дни) и влияние праздников. Также необходимо научить модель работать с аномально пиковыми месяцами, которые вызваны внешними факторами и не укладываются в обычную сезонность, чтобы не искажать общую картину прогноза. Критически важным требованием является точность модели: средняя абсолютная процентная ошибка (MAPE) должна быть меньше 10%. Для проверки адекватности модели необходимо провести тестирование на исторических данных. Нужно взять три последних полных месяца, для которых есть фактические данные, и сравнить с прогнозом, который бы строила модель на этот же период. По итогам этого теста требуется предоставить четыре четких цифры: суммарный прогноз за эти 3 месяца в рублях, суммарный факт за эти же 3 месяца в рублях, абсолютное отклонение между ними в рублях и относительное отклонение в процентах. Результатом работы программы должен быть наглядный график, отображающий исторические данные и построенный прогноз, а также табличные данные с прогнозами по дням и по месяцам. Все расчеты и визуализации должны быть полностью автоматизированы после ввода пользователем количества дней для прогноза.