序号

货物名称

主要技术指标要求

1.

大数据实训管理平台

一、基础模块：

1、采用B/S架构，即浏览器/服务器架构。

2、支持用户角色和权限区分。分为管理员、教师、助教和学生共四种角色。不同角色提供不同的权限。

3、支持管理员管理平台所有课程、题库、实训环境、实训数据。

4、支持管理员管理平台所有专业、班级、用户。

5、支持教师创建学生账户。

6、支持教师自主创建课程，添加课程资源，添加学生为课程成员。

7、支持教师布置作业和考试，统一管理成绩。

8、支持学生参加课程学习，参与实训，提交报告，查看成绩。

二、平台首页：

1、支持播放轮播图。

2、支持对课程分类展现，每类默认展现固定数量。

3、支持展现全部课程。

三、实训中心：

1、▲提供“学情概览”模块，学生可查看个人学情，至少包含：学习活跃度、实训强度，教师可查看整体学生的学习情况，至少包含班级学习活跃度、班级实训强度、作业概览、考试概览。（须提供产品功能截图加盖投标人公章）

2、支持创建课程，课程设置和信息包括：课程名称、课程类别、显示设置等；支持自定义课程简介，上传视频、PPT、实训指导书等。

3、支持在线查看PPT、视频、实训指导书、数据、代码；支持学生在讨论区和聊天室中交流讨论问题。

4、▲支持报告式作业。支持作业报告模板设置，教师设置报告需要收集的学生个人系统信息，包括姓名、学号、专业、班级等，教师也可根据教学需求配置需要收集的报告信息，如实验编号、手机号等；报告正文可设置学生编辑权限，支持设置学生不可编辑区域内容，学生无法进行编辑修改。（须提供产品功能截图加盖投标人公章）

5、支持编程式作业。支持教师设置Python或Java语言编程题目，系统自动评判代码输出结果。编程式作业的题目支持同步至“题库管理”模块中，创建新作业时，支持选择题库中的编程题。

6、支持添加课程测验或考试，为考试添加新试题或从题库中批量选择填空、问答等试题，支持学生在线考试，系统对客观题实现自动评分。

7、支持统一管理课程考试，批阅学生提交的答卷，并查看考试分析报表，支持以csv、xlsx等格式下载学生成绩表。

8、支持所有教学资源设置访问权限，指定资源对学生进行隐藏，隐藏后学生无法查看。

9、支持按照班别对学生选课，灵活设置课程角色为助教或学生、设置学习时长限制等。

10、支持统一管理课程中所有作业、测验、考试的成绩。

11、支持统一管理实训作业报告，对实训报告进行创建、批阅、编辑、下载、删除等批量操作；支持压缩包形式下载多份报告，并且将实训报告自动转为doc格式文件。

12、提供“实训数据”模块，包含公共数据、我的数据和标签管理。支持上传、编辑、复制、查看、下载数据集，设置数据集的标签、有效期、公开状态、封面、简介等。

13、▲提供“题库管理”模块。支持根据对每个课程进行题库管理，可对课程创建、导入、导出、预览题目，并查看每门课程的题库信息。题库中的题库可应用于课程考试和编程式作业。（须提供产品功能截图加盖投标人公章）

14、支持课程备份，以列表方式展现平台所有课程，显示信息包括课程名称、创建时间、授课教师。对课程进行全选，批量备份课程；课程还原，以列表方式展现所有课程备份文件，显示信息包括文件名、时间、大小。对备份文件进行全选，批量删除备份文件。

15、支持课程类别及课程管理，支持课程增删改查及批量排序操作，支持隐藏课程，隐藏后学生无课程访问权限。

四、用户中心：

1、支持用户管理功能，查看平台所有用户信息，包括姓名、学号、班级、角色。支持对用户设置启用/禁用，编辑用户资料，批量选课，重置密码，删除等操作。

2、支持创建用户，创建方式至少包含单个创建、批量创建、批量导入；批量导入支持通过csv文件方式上传用户信息至平台，csv文件只需填写用户名、密码、姓名即可。支持导入模板下载。

3、提供“班级管理”模块，支持创建专业，创建班级，管理班级，班级批量选课等。

五、平台管理：

1、提供信息设置功能，可自定义系统信息和轮播图，系统信息包含平台名称、平台logo。

2、提供用户设置功能，定义平台角色，自定义各角色的权限，对用户进行角色分配。

3、提供课程基础设置、备份设置、恢复设置功能。

4、提供日志管理功能，支持查看平台的操作日志，可通过用户姓名、日期、课程操作方式等进行筛选详细日志。

六、技术资质：

1、▲须提供本软件的软件著作权证书、第三方检测报告，并加盖制造厂商公章。

2.

Python编程实训平台

一、平台功能：

1、采用本地化部署方案，在本地部署Python环境，并与实训管理平台集成。

2、基于B/S架构，通过浏览器访问平台。

3、实训工具包含：Numpy、Pandas、Scikit-Learn、OpenCV-Python。

4、支持Markdown文本，代码与解释说明文字同屏排版，方便教师教学及学生笔记。

5、支持处理多种数据格式，并进行可视化输出或Markdown输出。

6、支持LaTeX公式在线编辑。

7、支持代码文件导出成HTML、Markdown 、PDF等多种格式文档。

8、▲支持对此平台关联实训指导书与作业。（须提供产品功能截图加盖投标人公章）

9、▲支持实训指导书与Python实训环境同屏显示。左侧显示实训指导书与实训作业，右侧显示实训环境。（须提供产品功能截图加盖投标人公章）

10、支持实训指导书全屏查看，实训环境全屏操作。

二、技术资质：

1、▲须提供本软件的软件著作权证书、第三方检测报告，并加盖制造厂商公章。

3.

大数据分析课程资源

（Python）

一、《Python编程基础》

(一)、 课程简介

通过学习本课程，可掌握Python开发环境的搭建、Python基础入门、函数、面向对象编程、实用文件模块等知识点，并为后续相关课程学习及将来从事数据挖掘、数据挖掘开发和科研业务奠定基础。

课程以任务式为导向，全面介绍了Python编程基础及其知识的应用，讲解了如何利用Python的知识解决部分实际问题。首先介绍学习Python的准备工作，包括Python的由来与发展、Python环境搭建、编辑器介绍与安装等。然后介绍Python的基础语法、数据类型与结构、程序控制流、函数和文件基础等内容。最后讲解Python面向对象编程。

(二)、 课时数

理论教学24学时，实践教学24学时，总计48学时。

(三)、▲课程资源

包含38份实训指导书、29个课程视频、7份课程PPT、2份数据、7份代码。（须提供此资源截图及投标人盖章）

(四)、 课程内容

第1章 准备工作：

1.1 认识Python

1.2 搭建Python环境

1.3 安装PyCharm

1.4 PyCharm使用入门

第2章 列表操作：

2.1 第一个Python程序

2.2 Python固定数据类型介绍

2.3 列表构建及索引操作

2.4 列表元素的增删改查操作

2.5 列表推导式

2.6 练习1：求曲边图形的面积

第3章 程序流程控制语句：

3.1 Python常用操作符

3.2 Python条件判定语句

3.3 练习2：冒泡排序法的实现

第4章 字符串操作：

4.1 字符串及其索引&切片

4.2 字符串的常见方法

4.3 字典的创建及索引

4.4 字典常用操作

4.5 字典推导式

第5章 Python文件读取操作：

5.1 Python读取文件

5.2 练习3：统计小说中的单词频次

第6章 函数：

6.1 Python函数自定义

6.2 练习4：自定义求序列偶数个数的函数

第7章 面向对象与模块：

7.1 Python方法与函数对比介绍

7.2 Python面向对象示例

7.3 Python模块使用

7.4 第三方库的安装与调用

第8章 注意事项：

8.1 Python工作路径说明

8.2 模块命名及存放路径的注意事项

8.3 结语

(五)、 实训目录

第1章 准备工作：

实训1 Python环境搭建

实训2 使用PyCharm创建一个应声虫程序

实训3 输入输出

第2章 Python数据结构：

实训1 创建一个列表（list）并进行增删改查操作

实训2 转换一个列表为元组（tuple）并进行取值操作

实训3 创建一个字典（dict）并进行增删改查操作

实训4 将两个列表转换为集合（set）并进行集合运算

实训5 计算出斐波那契数列前两项给定长度的数列，并删除重复项和追加数列各项之和为新项

实训6 用户自定义查询菜单，输出查询结果

实训7 简单的好友通讯录管理程序

实训8 对两个给定的数进行最大公约数、最小公倍数的分析

第3章 程序流程控制语句：

实训1 实现考试成绩划分

实训2 实现一组数的连加与连乘

实训3 使用冒泡排序法排序

实训4 输出数字金字塔

实训5 猜数字游戏

实训6 统计字符串内元素类型的个数

第4章 Python基础知识：

实训1 创建字符串变量并提取里面的数值

实训2 计算圆形的各参数

实训3 对用户星座进行分析

实训4 通过表达式计算给定的三个数值均值、方差、标准差

第5章 文件基础：

实训1 对txt文件进行读写

实训2 对csv文件进行读写

实训3 os模块

实训4 shutil模块

实训5 计算iris数据集的均值

实训6 编程实现文件在当前工作路径的查找

第6章 函数：

实训1 自定义函数实现方差输出

实训2 使用匿名函数添加列表元素

实训3 存储并导入函数模块

实训4 构建一个计算列表中位数的函数

实训5 使用lambda表达式实现对列表中的数求平方

第7章 面向对象编程：

实训1 创建Car类

实训2 创建Car对象

实训3 迭代Car对象

实训4 产生Land_Rover对象（子类）

▲实训5 在精灵宝可梦游戏创建小火龙角色，对给出的各属性进行迭代和私有化（须提供此资源截图及投标人盖章）

实训6 对小火龙游戏角色采用继承的方式

(六) ▲本电子课程需要具备配套的正式出版教材，须提供出版书籍名称、书籍ISBN编码，封面图片，出版社名称、专著编写人员姓名、出版完成时间等。

二、《Python数据分析与应用》

(一)、 课程简介

通过学习本课程，可掌握Python进行科学计算、可视化绘图、数据处理，分析与建模、构建聚类、回归、分类模型的主要方法和技能，并为后续相关课程学习及将来从事数据分析挖掘研究、数据分析工作奠定基础。

课程以多个任务为导向，以Python数据分析常用技术和真实案例相结合方式，深入浅出介绍使用Python进行数据分析及应用的重要内容。首先了解数据分析的基本概念和流程，在宏观上理解数据分析能够解决什么问题。接着介绍Python数据分析常用库NumPy、Matplotlib、pandas、scikit-learn的应用，并结合具体的任务讲解操作。

(二)、 课时数

理论教学36学时，实践教学28学时，总计64学时。

(三)、▲课程资源

包含34份实训指导书、65个课程视频、7份课程PPT、7份数据、6份代码。（须提供此资源截图及投标人盖章）

(四)、 课程内容

第1章 Python数据分析概述：

1.1 认识数据分析

1.2 熟悉Python数据分析的工具

1.3 安装anaconda与启动jupyter notebook

1.4 掌握jupyter notebook常用功能

第2章 NumPy数值计算基础：

2.1.1 Numpy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2.1 Numpy矩阵介绍

2.2.2 Numpy通用函数介绍

2.2.3 通用函数的广播机制

2.3.1 Numpy读写二进制文件

2.3.2 Numpy读写txt文件

2.3.3 利用Numpy对数据进行简单统计分析

第3章 Matplotlib数据可视化基础：

3.1.1Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

第4章 pandas统计分析基础：

4.1 Pandas简介

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6.1 生成透视表

4.6.2 生成交叉表

第5章 使用pandas进行数据预处理：

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

第6章 使用scikit-learn构建模型：

6.1.1Scikit-Learm简介

6.1.2 获取及认识datasets中的数据

6.1.3 将数据集划分为训练集和测试集

6.1.4 利用转化器进行数据转化操作

6.2 构建并评价聚类模型

6.3 构建并评价分类模型

6.4.1 构建回归模型

6.4.2 评价回归模型

(五)、 实训目录

第2章 NumPy数值计算基础:

实训1 掌握NumPy数组对象ndarray

实训2 掌握NumPy矩阵与通用函数

实训3 利用NumPy进行统计分析

实训4 创建数组并进行运算

实训5 创建一个国际象棋的棋盘

第3章 Matplotlib数据可视化基础:

实训1 掌握绘图基础语法与常用参数

实训2 分析特征间的关系

实训3 分析特征内部数据分布与分散状况

实训4 分析1996~2015年人口数据各个特征的分布与分散状况

实训5 分析1996~2015年人口数据特征间的关系

第4章 pandas统计分析基础:

实训1 读写不同数据源的数据

实训2 掌握DataFrame的常用操作

实训3 转换与处理时间序列数据

实训4 使用分组聚合进行组内计算

实训5 创建透视表与交叉表

实训6 读取并查看P2P网络贷款数据主表的基本信息

实训7 提取用户信息更新表和登录信息表的时间信息

实训8 使用分组聚合方法进一步分析用户信息更新表和登录信息表

实训9 对用户信息更新表和登录信息表进行长宽表转换

第5章 使用pandas进行数据预处理:

实训1 合并数据

实训2 清洗数据

实训3 标准化数据

实训4 转换数据

实训5 插补用户用电量数据缺失值

▲实训6 合并线损，用电量趋势与线路告警数据（须提供此资源截图及投标人盖章）

实训7 标准化建模专家样本数据

第6章 使用scikit-learn构建模型:

实训1 使用sklearn转换器处理数据

实训2 构建并评价聚类模型

实训3 构建并评价分类模型

实训4 构建并评价回归模型

实训5 使用sklearn处理wine和wine_quality数据集

实训6 构建基于wine数据集的K-Means聚类模型

实训7 构建基于wine数据集的分类模型

实训8 构建基于wine_quality数据集的回归模型

(六) ▲本电子课程需要具备配套的正式出版教材，须提供出版书籍名称、书籍ISBN编码，封面图片，出版社名称、专著编写人员姓名、出版完成时间等。