التعلم الآلي في iGaming

1) القضايا التجارية والقيمة

المنتج/الإيرادات: توقعات LTV، churn (التدفق الخارجي)، الميول إلى الإيداع/الشراء، المهام/المهام الديناميكية، التالي الأفضل/العرض.
التسويق/إدارة علاقات العملاء: المظهر المتشابه، التقسيم، المشغلات في الوقت الفعلي، تحسين المكافآت (ABO - تحسين المكافأة المقاومة للإساءة).
المخاطر/الامتثال: مكافحة الاحتيال/AML (السرعة، الهيكلة، خصائص الرسم البياني)، الألعاب المسؤولة (RG) - معدل المخاطر، محفزات التدخل.
العمليات/SRE: التنبؤ بالحوادث، التنبؤ بالقدرات/حركة المرور، شذوذ المزود.
التمويل: توقعات GGR/NGR، حساسية Fx، اكتشاف تلاعب الطرف المقابل.

إرشادات التأثير: + 3-7٪ لصافي الإيرادات بسبب التخصيص، − 20-40٪ للاحتيال والخسارة، − 10-25٪ للاختلاط، استجابة SLA RG <5 s عند الاتصال بالإنترنت.

2) هندسة الميزات

المصادر: طريقة اللعب، المدفوعات/PSP، المصادقة، الأجهزة/ASN/geo، RG/KYC/KYB، تسويق UTM، سجلات المزودين، الدعم/النصوص.

• النوافذ السلوكية: معدلات/ودائع N والمبالغ لكل 10 دقائق/ساعة/يوم، الحداثة/التردد/النقد.
• التسلسلات: سلاسل الألعاب، الوقت مع النشاط الأخير، خصائص الجلسة.
• Geo/device: country/market، ASN، نوع الجهاز/المتصفح.
• الرسم البياني: توصيلات، مكونات/مركزية (حلقات احتيال).
• السياق: وقت اليوم/اليوم من الأسبوع/عطلات السوق، تقلب المزود/النوع/اللعبة.
• RG/AML: الحدود، الاستبعاد الذاتي، أعلام الفرز، PEP/العقوبات (عبر المخبأ/asynchron).

• تطبيع العملات والوقت (UTC + market locale).
• تاريخ الأبعاد (SCD II).
• وافق على التحويل عبر الإنترنت/غير متصل بالإنترنت (رمز متجر الميزات الفردي).

3) الهندسة المعمارية: ↔ غير متصل بالإنترنت

3. 1 حلقة غير متصلة بالإنترنت

Lakehouse: Bronze→Silver (التطبيع/الإثراء) →Gold (مجموعات البيانات).
متجر الميزات (غير متصل بالإنترنت): سجل الصيغة، الانضمام في الوقت المحدد، تجسيد مجموعات التدريب.
التدريب: حاويات ذات تبعيات ثابتة ؛ تجارب التتبع (المقاييس/القطع الأثرية/البيانات).
التحقق: k-fold/temporal split, backtest, off-policy assessment.

3. 2 دائرة عبر الإنترنت

تناول معالجة تيار →: Flink/Spark/Beam مع النوافذ/العلامات المائية، الغباء.
متجر الميزات (عبر الإنترنت): ذاكرة التخزين المؤقت منخفضة البراءة (Redis/Scylla) + الممثلين غير المتصلين بالإنترنت.
التقديم: نقاط نهاية REST/gRPC، رسم بياني للتسجيل، توجيه AB، إطلاقات الكناري.
واجهات المتاجر في الوقت الفعلي: ClickHouse/Pinot للوحات/القواعد.

4) النماذج والنهج النموذجية

التصنيف/الدرجات: churn/deposit/fraud/RG (LogReg، XGBoost/LightGBM، TabNet، CatBoost).
الترتيب/التوصيات: العوملة/ترتيب القائمة (LambdaMART)، seq2rec (RNN/Transformers)، قطاع الطرق السياقي.
الشذوذ: Isolation Forest، One-Class SVM، AutoEncoder، Prophet/TSfresh لسلسلة الوقت.
الرسم البياني: Node2Vec/GraphSAGE/GNN لحلقات الاحتيال.
السببية: نماذج الرفع، T-learner/X-learner، DoWhy/CausalML.
NLP/ASR: التذاكر/الدردشات، تصنيف الشكاوى، المشاعر، المواضيع.

5) مقاييس الجودة

التصنيف: ROC-AUC/PR-AUC، F1 على عتبات التشغيل، التكلفة المتوقعة (FP/FN المرجح)، KS لتسجيل المخاطر.
التوصيات: NDCG @ K، MAP @ K، التغطية/التنوع، CTR/CVR عبر الإنترنت.
TS/التوقعات: MAPE/SMAPE، WAPE، خطأ P50/P90، تغطية PI.
RG/AML: الدقة/الاستدعاء في SLA، متوسط الوقت إلى الفاصل الزمني.
الاقتصاد: الارتفاع في صافي الإيرادات، الاحتيال المحفوظ، حملات عائد الاستثمار، إساءة استخدام المكافأة٪.

6) التقييم والتجارب

غير متصل بالإنترنت: الانقسام الزمني، والعودة حسب الأسبوع/السوق/المستأجر.
عبر الإنترنت: A/B/n، CUPED/diff-in-diff، اختبارات متسلسلة.
خارج السياسة: IPS/DR لسياسات التخصيص.
الحالة. القدرة: حساب حجم العينة مع مراعاة التباين و MDE.

python cost_fp = 5. 0 # false alarm cost_fn = 50. 0 # missed fraud threshold = pick_by_expected_cost (scores, labels, cost_fp, cost_fn)

7) الخصوصية والأخلاق والامتثال

تقليل PII: الأسماء المستعارة، عزل الخرائط، CLS/RLS.
الإقامة: معالم منفصلة للمنطقة الاقتصادية الأوروبية/المملكة المتحدة/BR ؛ دون انضمام أقاليمي دون أساس.
DSAR/RTBF: الحذف/التحرير في الخصائص والسجلات ؛ تعليق قانوني للقضايا/الإبلاغ.
الإنصاف/التحيز: مراجعة السمات، والتأثير المتباين، والتحكم في متغيرات الوكيل.
قابلية التفسير: SHAP/أهمية الميزة، بطاقات النموذج (المالك، التاريخ، البيانات، المقاييس، المخاطر).
الأمن: KMS/CMK، أسرار خارج السجلات، أرشيف WORM للإصدارات.

8) MLOps: دورة الحياة

1. البيانات والميزات: المخططات/العقود، قواعد DQ (الاكتمال/التفرد/النطاق/الزمني)، النسب.
2. التدريب: حاويات، تشغيل ذاتي، تجارب تتبع.
3. التحقق: اختبارات توافق الدائرة، التحيز/الإنصاف، اختبارات الأداء.
4. الإصدار (CI/CD/CT): الكناري/الطرح التدريجي، الأعلام المميزة، «الإطلاق المظلم».
5. التقديم: الترتيب الذاتي، التخزين المؤقت، gRPC/REST، المهلات/إعادة التدوير.
6. الرصد: انحراف البيانات/التنبؤ (PSI/KL)، الكمون p95، معدل الخطأ، التغطية، «المقاييس الصامتة».
7. إعادة التدريب: الجدول الزمني/المحفزات بشأن الانجراف/تدهور المقاييس.
8. الحوادث: دليل التشغيل، نموذج التراجع، احتياطي (قاعدة/نموذج بسيط).

9) متجر الميزات (نواة الاتساق)

غير متصل: حسابات نقطة في الوقت، ومكافحة التسرب، وميزة إصدار الصيغة.
عبر الإنترنت: زمن انتقال منخفض (≤ 10-30 مللي ثانية)، TTL، الاتساق مع عدم الاتصال بالإنترنت.
العقود: الاسم/الوصف، المالك، SLA، الصيغة، اختبارات الامتثال عبر الإنترنت/غير متصل بالإنترنت.

yaml name: deposits_sum_10m owner: ml-risk slo: {latency_ms_p95: 20, availability: 0. 999}
offline:
source: silver. payments transform: "SUM(amount_base) OVER 10m BY user_pseudo_id"
online:
compute: "streaming_window: 10m"
tests:
- compare_online_offline_max_abs_diff: 0. 5

10) التسجيل عبر الإنترنت والقواعد

قواعد ML + الهجينة: نموذج → السرعة + التفسيرات ؛ القواعد - الحذر الشديد/الأخلاقيات/القانون.
الخياطة: أنماط CEP (الهيكلة/السرعة/تبديل الجهاز) + تسجيل ML.
SLA: p95 من البداية إلى النهاية 50-150 مللي ثانية للتخصيص، ≤ 2-5 لتنبيهات RG/AML.

python features = feature_store. fetch(user_id)
score = model. predict(features)
if score > T_RG:
trigger_intervention(user_id, reason="RG_HIGH_RISK", score=score)
elif score > T_BONUS:
send_personal_offer(user_id, offer=choose_offer(score, seg))

11) بيانات التدريب: العينات والعلامات

نوافذ الحدث: t0 - مرجع، t0 + Δ - ملصق (إيداع/أسود/احتيال).
التحكم في التسرب: الانضمام إلى نقطة زمنية، واستبعاد الأحداث المستقبلية.
الموازنة: الطبقية/أوزان الفئة، الخسارة البؤرية للفئات النادرة.
الأخلاقيات: استبعاد السمات/الوكلاء الحساسين، وتأثير السيطرة.

12) الاقتصاد والإنتاجية

ميزات التكلفة: التكلفة/الميزة والتكلفة/الطلب، تجنب الانضمام الثقيل عبر الإنترنت.
النقد: ميزات ساخنة في ذاكرة الوصول العشوائي، باردة - كسولة.
التجسيد: التجميع خارج الإنترنت ؛ على الإنترنت فقط حرج.
الحصص: القيود المفروضة على عمليات الإعادة، والاختبارات الخلفية في النوافذ الزمنية ؛ رد المسؤولية من قبل الفريق.

13) أمثلة SQL/Pseudo Code

sql
WITH base AS (
SELECT user_pseudo_id, MIN(event_time) AS first_seen
FROM silver. fact_bets
GROUP BY user_pseudo_id
),
agg AS (
SELECT user_pseudo_id,
DATE(t. event_time) AS asof,
SUM(amount_base) FILTER (WHERE type='deposit' AND event_time >= t. event_time - INTERVAL '30' DAY AND event_time < t. event_time) AS dep_30d,
COUNT() FILTER (WHERE type='bet' AND event_time >= t. event_time - INTERVAL '7' DAY) AS bets_7d
FROM silver. fact_events t
GROUP BY user_pseudo_id, DATE(t. event_time)
)
SELECT a. user_pseudo_id, a. asof, a. dep_30d, a. bets_7d,
CASE WHEN NOT EXISTS (
SELECT 1 FROM silver. fact_events e
WHERE e. user_pseudo_id=a. user_pseudo_id AND e. event_time > a. asof AND e. event_time <= a. asof + INTERVAL '30' DAY
) THEN 1 ELSE 0 END AS label_churn_30d
FROM agg a;

sql
SELECT user_id,
TUMBLE_START(event_time, INTERVAL '10' MINUTE) AS win_start,
COUNT() AS deposits_10m,
SUM(amount_base) AS sum_10m
FROM stream. payments
GROUP BY user_id, TUMBLE(event_time, INTERVAL '10' MINUTE);

14) خارطة طريق التنفيذ

1. كتالوج الإشارات ومتجر الميزات v1 (ميزات 5-10 للمدفوعات/طريقة اللعب).

2. نموذج الاضطراب/الإيداع الأساسي (XGBoost) + A/B لـ 10-20٪ من حركة المرور.

3. ركوب الأمواج عبر الإنترنت باستخدام ذاكرة التخزين المؤقت (p95 <150 مللي ثانية) وإطلاقات الكناري.

4. مراقبة الانجراف/الجودة، بطاقة الطراز، دفتر التشغيل التراجعي.

• تسجيل RG/AML، ميزات الرسم البياني، مشغلات الوقت الفعلي.
• نماذج رفع المكافآت، وقطاع الطرق السياقي، وتقييم خارج السياسة.
• إعادة التدريب التلقائي عن طريق الانجراف/التقويم، أتمتة الوثائق.

• تخصيص كتالوج الألعاب (seq2rec)، التحسين متعدد الأهداف (الدخل/المسؤولية).
• ركوب الأمواج متعدد الأقاليم، واتفاقات الخدمات/الحصص، واسترداد التكاليف على الميزات/الاستدلال.
• عمليات تدقيق العدالة واختبارات الإجهاد وتدريبات DR ومستودعات إطلاق WORM.

15) RACI

R (مسؤول): MLOps (منصة/خدمة)، Data Science (نماذج/تجارب)، Data Eng (ميزات/خطوط أنابيب).
ألف (مسؤول): رئيس قسم البيانات/المدير التنفيذي.
جيم (استشاري): الامتثال/إدارة شؤون الإعلام (PII/RG/AML/DSAR)، الأمن (KMS/secrets)، SRE (SLO/value)، المالية (effect/ROI)، Legal.
I (معلومات): المنتج/التسويق/العمليات/الدعم.

16) قائمة مرجعية قبل البيع

• الميزات المتفق عليها عبر الإنترنت/غير متصل بالإنترنت، اجتازت اختبارات العبور.
• يتم ملء البطاقة النموذجية (المالك والبيانات والمقاييس والمخاطر والإنصاف).
• إطلاق الكناري/fichflag ؛ وجيش تحرير السودان والكمون/الخطأ/الإنذارات بالانجراف.
• إنفاذ سياسات PII/DSAR/RTBF/Legal Hold ؛ السجلات غير شخصية.
• كتيب تشغيل الحوادث/التراجع ؛ استراتيجية احتياطية.
• يتم إضفاء الطابع الرسمي على التجارب (الفرضيات والمقاييس والمدة و MDE).
• أدرجت تكلفة الاستدلال والميزة في الميزانية ؛ وتدرج الحصص والحدود.

17) الأنماط المضادة

ميزة التناقض عبر الإنترنت/غير متصل بالإنترنت → عدم إمكانية الوصول.
واجهات برمجة التطبيقات الخارجية المتزامنة في «المسار الساخن» بدون مخبأ ومهل.
صيغ مترية غير شفافة/لا توجد بطاقات نموذجية.
إعادة التدريب/الانجراف دون رصد وإفراط في التدريب.
PII في التحليلات والتدريب دون CLS/RLS/التقليل.
«نموذج كبير لكل شيء» بدون تحلل المجال.

18) خلاصة القول

ML في iGaming ليست مجموعة من النماذج «السحرية»، ولكنها تخصص: البيانات والميزات المتسقة، والتدريب غير القابل للتكرار، وركوب الأمواج عبر الإنترنت الموثوق به، و MLOps الصارمة، والمقاييس الشفافة والأخلاق/الامتثال. من خلال اتباع هذا الدليل، ستقوم ببناء نظام يزيد باستمرار من الإيرادات والاحتفاظ بها، ويقلل من المخاطر، ويمتثل للمتطلبات التنظيمية - على نطاق واسع وبسرعة وبشكل متوقع.