序号

货物名称

进口/国产

数量

单位

主要规格

单价

（人民币/元）

单价最高限价（人民币/元）

是否为核心产品

1

大数据专业创新实践资源

国产

1

套

能够实现与现有大数据与人工智能一体化实验平台统一账号登录和权限管理与数据采集分析，实现课程及课程成员对接，实现课程直接跳转；提供学习过程及结果数据与学校现有的教学实验平台或其他业务系统免费对接服务，提供包括实验任务创建、实验任务参与（实验过程操作情况）、实验任务评分（排行榜、打分情况）等过程性数据免费对接。

*****.00

*****.00

否

2

大数据专业应用实践资源

国产

1

套

交通大数据综合实训，包含端到端自动驾驶、道路质量检测、车道线检测、车牌号码识别、疲劳驾驶检测等10个交通大数据综合实训项目案例。

*****.00

*****.00

否

3

大数据实训案例资源库

国产

1

件

大数据实训案例资源需提供4个实训案例，每个案列需包括：案例介绍文档、工程搭建手册、案例操作手册、案例宣讲PPT、案例步骤源码、案例步骤视频；每个案例需包括真实的案例实现过程，包含：案例背景、案例目的、案例意义、案例步骤、流程设计、技术选型、技术分工、结果展示等；每个案例需提供案例实现环境、百万级案例数据、案例工具、案例源码、案例视频等。

******.00

******.00

是

4

GPU计算服务器

国产

1

件

内存：配置≥256G DDR4内存

*****.00

*****.00

否

5

GPU加速卡

国产

3

件

互联方式：PCI Express

*****.00

*****.00

否

序号

重要性

指标项

指标要求

证明材料要求

1

大数据专业创新实践资源

基础技术指标

★1、能够实现与现有大数据与人工智能一体化实验平台统一账号登录和权限管理与数据采集分析，实现课程及课程成员对接，实现课程直接跳转；提供学习过程及结果数据与学校现有的教学实验平台或其他业务系统免费对接服务，提供包括实验任务创建、实验任务参与（实验过程操作情况）、实验任务评分（排行榜、打分情况）等过程性数据免费对接。

▲2、需提供大数据相关竞赛题库和竞赛自动评测环境。评测环境内集成了机器学习、深度学习、强化学习等常用的框架和库。竞赛评测环境根据学生提交的代码，在限定时间和内存大小的条件下，使用训练数据集训练模型，根据模型在测试数据集上的相关指标生成排行榜。竞赛评测环境支持的指标包括Accuracy、RMSE、F1、RMSLE、MAE、Multi-Class Logarithmic Loss、ROC等不少于7种指标。竞赛评测环境输出的排行榜实时更新，学生提交的代码在排行榜上的位置决定其程序的最终得分。竞赛评测环境支持使用GPU训练模型，支持使用GPU进行模型推理。学生在提交时，支持3种类型：①Python源码文件，提交评测后进行训练和推理；②Python源码文件和线下训练的模型，提交评测后仅推理；③excel文件，excel文件内为学生在线下基于测试集输出的分类或预测结果。提供的所有竞赛题目均支持在线编辑、修改、删除、添加等操作，教师可参考现有竞赛题库，基于竞赛评测环境添加新的竞赛题目。添加竞赛题目时，支持设定最长运行时间、最大可使用内存、代码提交方式、提交文件大小、提交文件后缀名限定、评判结果展示方式。代码提交方式至少包括源文件提交和在线编辑两种方式供教师选择。评判结果展示方式至少包括得分和排行榜两种方式供教师选择。支持教师使用Jupyter环境上传数据集和在线编辑数据集。并提供不少于以下内容的竞赛题库资源，包含KNN算法实现、MNIST手写数字识别、约会网站配对效果改进、基于KNN的IRIS分类、基于KNN的乳腺癌诊断、隐形眼镜选择、垃圾邮件分类、逻辑回归算法及实现、病马死亡预测、基于朴素贝叶斯的新闻分类、SVM支持向量机算法及实现、基于SVM实现手写字识别、AdaBoost算法及实现、线性回归预测鲍鱼年龄、多元线性回归算法及实现、蘑菇分类实战训练：识别有毒的蘑菇、心血管疾病预测、客户流失分析、逻辑回归预测用户是否会点击广告、手写藏文MNIST数据集的图像分类、提供银行精准营销解决方案、英雄联盟游戏数据预测获胜队、信用卡欺诈检测、新闻分类、基于商品评价预测其商品所属分类、人口普查收入分类预测 、基于逻辑回归的天猫优惠券使用情况预测、基于GRU预测音频中是否含火鸡声音、预测患者医疗花费、通过声音进行性别识别、心脏异常数据监测、收入分类预测（XGBoost）、根据指纹图像预测性别、CIFAR10图像识别与分类、语音识别——Yes或No识别、语音识别——数字识别、猫狗分类、Otto Group 商品识别、电影评论识别、泰坦尼克号、垃圾短信分类、汽车投保风险、Criteo 展示广告、识别脸部特征、信用卡欺诈识别、共享单车、句子情感分类、蛋白质二级结构预测、相似的问题、沃尔玛门店销售预测、细粒度鸟类分类等不少于52个实验。

#3、大数据应用综合实训，包含礼品分销行为分析、天猫大数据分析实战、运营商客户流失分析与预测、音乐网站用户消费行为分析、北京高档酒店价格波动分析与预测、交通事故理赔分析与预测、电影评论数据集分析、游戏玩家付费金额预测、CDNOW 电商大数据分析、健身平台会员用户消费行为分析、NBA 数据可视化及模型分析、医院药品销售分析案例、基于社交网站新闻预测股价、心血管疾病预测、共享自行车租赁预测、银行客户交易预测、科比投篮数据分析及挖掘、上海地区火锅店数据分析与推荐、北京房价数据分析及估价系统构建、股票价格预测、住房租金预测、信用违约预测模型、信用卡评分模型构建、患者医疗花费预测等 24个大数据应用综合实训项目案例。

技术要求响应/偏离表

序号

重要性

指标项

指标要求

证明材料要求

1

大数据专业应用实践资源

基础技术指标

▲1、农业大数据综合实训，包含海洋动物识别、水果分类、水下海珍品检测、102 种鲜花识别、中草药识别、土壤某物质含量高光谱反演、混凝土结构裂纹检测、花卉识别、林业害虫预测、用PaddlePaddle 预测土壤含氮量、森林火灾预警、公鸡母鸡分类、基于深度学习的植物病虫害分类、土壤与植物对应类型的预测、植物识别、植物病虫害分类、地块变化检测、多通道遥感影像分割、RGB 遥感影像分割、昆虫识别、基于 Keras 实现植物幼苗的识别等21个农业大数据综合实训项目案例。

▲2、交通大数据综合实训，包含端到端自动驾驶、道路质量检测、车道线检测、车牌号码识别、疲劳驾驶检测等10个交通大数据综合实训项目案例。

▲3、遥感大数据综合实训，包含遥感建筑变化检测、遥感影像地块分割、遥感建筑提取、遥感地物分类、遥感图像云识别与去除等10个

▲4、工业大数据综合实训，包含水表的数字表盘分割、电子元器件瑕疵检测、工业瓷砖分类、瓶盖异常检测、PCB 瑕疵检测等10个工业大数据综合实训项目案例。

▲5、医学大数据综合实训，包含肺炎 CT 图像分析、新冠肺炎 CT 分类、眼底血管分割、肝脏 CT 影像分割、手部 X 光关键点检测等5个医学大数据综合实训项目案例。

▲6、药学大数据综合实训，包含药物分子作用预测、RNA 二级结构预测、基于 CNN 实现细胞识别分类、中药材识别、蛋白质预训练及属性预测等5个药学大数据综合实训项目案例。

▲7、电商平台用户评论分析综合实训，包括电商用户评论数据可视化、电商用户评论数据分类、电商用户评论数据库探索等3个电商平台用户评论分析综合实训案例。

技术要求响应/偏离表

序号

重要性

指标项

指标要求

证明材料要求

1

大数据实训案例资源库

核心技术指标

★大数据实训案例资源需提供4个实训案例，每个案列需包括：案例介绍文档、工程搭建手册、案例操作手册、案例宣讲PPT、案例步骤源码、案例步骤视频；每个案例需包括真实的案例实现过程，包含：案例背景、案例目的、案例意义、案例步骤、流程设计、技术选型、技术分工、结果展示等；每个案例需提供案例实现环境、百万级案例数据、案例工具、案例源码、案例视频等。

★供应商在响应文件中提供承诺函，承诺提供的案例能够在采购人现有的“大数据实训项目及数据资源系统”里运行。

技术要求响应/偏离表

基础技术指标

▲1. 电网用户用电走势分析案例

该案例需包括百万级真实数据，根据电网采表数据对用电用户未来用电情况进行预测分析。需包括步骤：数据采集，通过Sqoop从Mysql数据库中获取用户用电信息数据到Hdfs文件系统；数据清洗，使用Spark-RDD的filter算子对数据进行清洗，去除字段长度不为8的数据。去除抄录状态不成功的数据；数据处理、用Spark-RDD程序处理Hdfs数据，统计出用户用电情况；数据分析挖掘，使用Spark-RDD程序实现移动平均公式预测用户未来用电走势；数据可视化，使用DV同一画布多图表功能，列表展示用户列表，点击列表中用户右侧使用折线图与柱状图展示用户月度内每天用电情况与未来7天用电走势。

▲2. 酒店客房出租率分析案例

该案例需包括百万级真实数据，根据酒店信息数据，对各城市的酒店出租率以及城市整体出租率进行统计。需包括步骤：数据采集，包含Java的Web信息采集与Sqoop获取远程Mysql数据的采集；数据清洗，使用MapReduce程序的Map端去除字段中包含空的数据；数据处理，使用MapReduce程序统计酒店基本信息排名、统计各城市各酒店出租率、统计各城市的整体出租率；数据可视化，使用SpringBoot工程作为后台服务，使用Echarts进行图表展示，通过旭日图展示各市不同酒店类型情况。

▲3. 矿产指标数量规律分析案例

该案例需包括百万级真实数据，根据选矿厂数据预测矿物密度值。需包括步骤：数据采集，使用Python的pymysql获取远程Mysql数据库中业务数据；数据清洗，使用Python的文件读写操作清除字段为空的记录数据；数据处理，使用Python的文件读写操作将数据分为训练集和测试集；数据分析挖掘，使用Python sklearn中的LinearRegression预测矿浆密度；数据可视化，使用Python的Matplotlib绘制散点图展示矿产指标与密度的关系，使用无边界密度图展示实际矿浆密度与预测矿浆密度的分布情况。

▲4. 新型冠状病毒疫情预测分析案例

该案例包括百万级真实数据，根据全国疫情数据、用户基本信息以及用户医学排查数据预测不同用户的疫情相关系数情况。包括步骤：数据采集，包含使用Python的pymysql获取远程Mysql数据库中业务数据并保存为本地csv文件，与使用Python的requests获取Web数据的采集；数据清洗，使用Python的pandas读取csv文件并删除用户ID为空数据以及疫情相关症状为空数据；数据处理，使用Python将用户基本信息和用户医学排查数据进行合并，然后将合并后的数据随机进行切割，切割7成数据为机器学习训练数据，3成数据为模型预测数据；数据分析挖掘，使用Python的KNeighborsClassifier对用户进行分类划分为安全、需要隔离、需要关注三个类别；数据可视化，使用Python的Matplotlib绘制线性图展示累计确诊数量变化、展示累计疑似数量、展示累计治愈数量、展示累计死亡数量、展示新增确诊数量、展示新增疑似数量，使用饼图展示用户疫情状况预测结果包含人员整体分布情况、教师分布情况、学生分布情况。

技术要求响应/偏离表

序号

重要性

指标项

指标要求

证明材料要求

1

GPU计算服务器

基础技术指标

#1、CPU：配置≥2颗处理器；每颗处理器内核数≥32，线程数≥64，处理器基本频率≥2.00GHz，缓存≥48M，TDP≤205W，最大内存≥6TB，最大内存通道数≥8，支持ECC内存。

★2、内存：配置≥256G DDR4内存；

★3、硬盘： 配置≥2块960G企业级固态硬盘+4块8T SATA硬盘；最大支持前置24x3.5 英寸硬盘；

▲4、RAID：配置独立缓存2GB RAID卡，支持RAID 0/1/10/5/50/6/60，支持Cache超级电容保护，提供RAID级别迁移、磁盘漫游、 自诊断、Web远程设置等功能；

▲5、网卡：配置≥2个千兆电口，2个万兆光口，支持3个OCP 3.0网卡，支持通知式热插拔；

#6、电源：4个热插拔2000W白金交流电源，支持N+N/N+M冗余；风扇：6个热插拔对旋风扇，支持N+1冗余；

#7、环境温度：工作环境温度支持5-35摄氏度；

#8、BIOS：支持中文BIOS界面。

技术要求响应/偏离表

序号

重要性

指标项

指标要求

证明材料要求

1

GPU加速卡

基础技术指标

★1、互联方式：PCI Express。

★2、是否支持vGPU：是。

▲3、最大功耗≤300W。

#4、单张GPU显存≥带纠错码（ECC）的48GB DDR6。

#5、GPU显存带宽≥696GB/s。

技术要求响应/偏离表