序号

货物名称

招标技术要求

1

大数据教育实训平台

1.1系统可实现管理员、教师、学生三级管理权限；

1.2支持管理员建立班级，管理班级信息和人员；

1.3支持管理员批量导入用户，对用户进行权限分配；

1.4支持管理员创建课程信息，创建课程计划；

1.5支持生成用户后赋予用户统一初始密码，用户使用初始密码登录后修改密码。支持用户忘记密码时通过管理员重置密码；

1.6支持上传图片替换学生教师端首页Banner；

1.7支持添加自定义LOGO；

1.8支持查阅多种形式课件文档的功能，包含但不限于课程简介、视频文档、课件；

1.9支持用户在观看课件时继续上次的观看进度；

1.10支持用户在课件学习过程中记录笔记，并可在个人中心中查看所有记录；

1.11支持学生查看课程中的实验完成状态，显示实验学习进度 ；

1.12支持教师对课件进行授课标记，记录授课进度，并快速定位最近一次授课记录；

1.13支持教师对实验指导书设置复制权限，设置后学生无法拷贝指导书内容；

1.14支持用户查看自己的提问、回答、笔记记录；

1.15支持教师查看所在班级的学生信息，查看学生的实验报告；

1.16支持管理员按照平台规则上传自有的课程资源到资源库， 在资源库可调取平台教学资源，自定义组合课程；

1.17支持管理员在线录入实验指导书，并按照实验步骤分节录入；

1.18支持用户参与考试、自动评分、查看考试结果、查看答案解析；

1.19支持教师查看学生的考试结果、支持管理员批量导入试题、发布考试、查看考试结果；

1.20提供考试防切屏、防F12、防复制、分页显示、断点重连、限制答题时间；

1.21支持教师和学生用户浏览平台的公开数据，并根据行业分类筛选查看数据；

1.22支持用户上传自有数据到平台，可设置数据的开放权限；

1.23支持管理员对平台的所有数据进行管理；

1.24提供数据审核功能，按照规则对平台所有数据资源进行自动审核，以保证平台的安全性；

1.25提供学生学习记录的数据统计，包含但不限于实验时长、互动统计和实验次数，以及与其它学生的数据比对；

1.26支持教师查看学生用户的学习时长、平均分数、合格分布、互动次数等，可按照班级和课程查看数据列表；

1.27使用CentOS7以上系统开发，以WEB形式展现；

1.28支持私有化部署；

1.29应用层使用Java开发语言，微服务架构；

1.30充分利用linux多用户，多任务特性，实现高并发、轻量级；

1.31支持用户查看实验指导书，指导书按照实验步骤进行拆分，可点击步骤目录进行跳转。用户跟随实验指导书完成实验；

1.32支持用户观看实验视频，跟随实验视频完成实验；

1.33支持用户在实验环境内进行多次重复实验；

1.34支持用户在实验过程中上传文件到平台，并在实验环境内读取操作文件；

1.35支持用户脱离实验指导书，在自主实验模块选择实验环境后进行自主练习；

1.36支持用户在实验过程中提问或回答他人的提问，进行互动交流；

1.37支持用户在实验过程中填写实验报告中的实验反馈和实验心得；

1.38提供平台上课程的实验所需的大数据实验操作环境，包括但不限于Python、Scala、HDFS、MapReduce、Hive、HBase、Kafka、Flume、Sqoop、Spark、Storm；

1.39支持用户保存并提交实验报告，并可查看报告及下载日志；

1.40支持实验报告自动评分功能，学生在实验完成后提交报告，系统自动按照规则进行计分，计算成绩；

1.41支持教师查看和下载学生用户的实验报告详情，查看学生实验报告的得分并可以查看班级学生的实验报告概况，班级实验的完成率等；

1.42支持实验报告按照实验过程、实验反馈、实验时间、实验心得的计分比例进行评分。其中实验时间与实验反馈的计分比例可由管理员进行设置；

1.43课程资源须部署在大数据实验平台上，提供课程大纲、理论课程资料、实验指导书和实验指导视频；

1.44至少提供一门国际认证大数据课程的教学材料，该认证须在国际认证考试中心Prometric或VUE可查；

1.45 Hadoop技术原理课程：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：Hadoop与大数据概述、HDFS分布式文件系统、MapReduce分布式批处理和Yarn资源调度系统、HBase分布式NoSQL数据库、Hive分布式数据仓库、Flume海量日志聚合、Sqoop数据转换；

1.46大数据流式计算引擎课程：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：流式计算引擎概述、Storm技术概述、SparkStreaming技术概述、Flink技术概述、Storm计算引擎架构、Storm 策略机制、Storm操作基础、Storm高层应用Trident、Flink常用API、Flink 时间处理、Flink状态管理、Spark架构、Spark工作流程、 RDD、DataSet/DataFrame、Spark Streaming、Structed Streaming；

1.47数据挖掘基础：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：数据挖掘介绍，数据预处理与特征提取、数据挖掘算法模型、模型优化与评估及相关实验；

1.48 Scala程序设计：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：Scala基础语法、Scala函数式编程、Scala面向对象编程、隐式转换和隐式参数、模块化编程；

1.49 Python程序设计：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：Python语言环境介绍、Python语言基础、Python面向对象简介 、Python 数据结构与算法；

1.50数据采集与ETL：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：ETL简介、Flume技术原理、Sqoop技术原理、Flume流数据采集、Sqoop数据迁移实验；

1.51运营商分析挖掘实战：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：大数据分析与挖掘概览、数据分析思维与挖掘流程、运营商精准营销、数据分析Python编程实验以及运营商精准营销实验；

1.52金融风控违约预测实战：提供课程大纲、课件PPT、实验指导书、实验录屏资源，包含但不限于以下知识点及实验：金融风控违约检测概述、金融数据预处理、金融风控Python数据预处理基础、金融风控大数据存储、金融风控大数据分析框架、金融分类技术及应用、PCA降维以及金融风控违约检测实战实验；

2

AI教育实训平台-公共模块

2.1支持理论教学与实验教学；

2.2▲创建课程：支持创建导读，MP4视频，以及PDF、Markdown文档多种类型的课程；

2.3导读课件：支持查看HTML格式的学习资源；

2.4视频课件：支持视频拖动、倍速播放、全屏；

2.5文档课件：支持页码定位、缩放、全屏；

2.6▲支持目录视图、脑图视图、进度视图三种视图便捷查看课程内容；

2.7▲列表形式：支持显示课程章节，支持课件学习跳转入口和实验操作跳转入口；

2.8▲脑图形式：支持以思维导图形式显示课程章节，鼠标悬停于章节可显示关联课件，支持点击课件跳转至课程学习页；

2.9进度形式：支持显示课程章节与课件、课件统计、累计学习时长、课件学习进度；

2.10▲支持开启授课模式，该模式下，学生可跟随进入授课中的课件；

2.11支持学生和老师在浏览课件文档时继续上次的浏览进度；

2.12支持从课程封面图跳转至课程详情页，从进入课程处跳转至课程学习页；

2.13支持显示课程名称、课程封面图、课件学习完成率、实验完成率、授课时间；

2.14▲支持边栏固定悬浮班级导航，快速定位至班级课程；

2.15支持一个学生学习6个班级的课程；

2.16支持后台自定义课程内容并发布课程；

2.17课程自定义属性包括：基本信息、课程目录、课程资源关联、视频学习小测验；

2.18▲支持视频学习小测验：在指定的视频时间点插入考题，一个视频可在1-5个时间点插入考题。学生学习至该时间点需要答题，答完题目后可选择从该时间点继续观看学习；

2.19课程基本信息支持自定义：课程封面图、课程名称、课程编号、课程时长、课程简介；

2.20课程目录支持自定义章节标题和章节上下级结构，支持同级目录上下移动；

2.21支持批量上传pdf、MP4格式的课程资源；

2.22支持在线学习报告、实验报告、考试报告三种报告；

2.23▲支持学生查看自己的学习报告，学习记录包括：课程名称、课程状态、学习时长、学习进度；

2.24支持老师查看各班级汇总学习报告；

2.25支持老师查看单一班级中的学习报告；

2.26支持老师查看班级中各学员学习报告；

2.27支持老师查看学员的课件详情学习报告；

2.28支持老师按照时间段筛选学习报告；

2.29支持老师导出学习报告；

2.30▲支持学生查看自己的实验报告，实验记录包括：实验名称、课程名称、通过情况、报告详情；

2.31支持实验报告按照实验时间、实验步骤测验进行评分。其中实验时间与实验测验的计分可由老师自由配置；

2.32▲支持自动生成用户实验报告，支持实验报告自动评分，即学生在实验完成后，系统自动按照规则进行计分；

2.33支持老师查看各班级汇总实验报告；

2.34支持老师查看单一班级中的实验报告；

2.35支持老师查看班级中各学员实验报告；

2.36支持老师查看学员的汇总实验报告；

2.37支持老师查看学员单个实验详情报告；

2.38支持老师按照时间段筛选实验报告；

2.39支持老师导出实验报告；

2.40▲支持学生查看自己的考试报告，考试记录包括：试卷名称、最高得分、及格分数、考试结果、考试结果详情；

2.41支持老师查看各班级汇总考试报告；

2.42支持老师查看单一班级中的考试报告；

2.43支持老师查看班级中各学员考试报告；

2.44支持老师查看学员最后一次考试详情；

2.45支持老师查看试卷错题率；

2.46支持老师查看学生的考试结果；

2.47▲支持每周刷新显示1个优秀班级，1位学习尖兵；

2.48支持每天刷新显示班级学习完成率、班级实验通过率、班级课程数量、班级人数；

2.49支持显示老师最近授课的3个课程；

2.50支持为老师显示授课老师展示最近授课的课件名称、最近授课时间、班级学习完成率、授课老师；

2.51支持显示学生最近学习的3个课程；

2.52支持为学生展示最近学习的课件名称、最近授课时间、班级学习成率、授课老师；

2.52支持为学生显示最近操作实验的3个课程名称，以及相应课程下最近操作的实验名称，支持展示实验通过率；

2.54支持直接跳转至学生上次操作的实验；

2.55支持新增与发布试卷；

2.56试卷自定义信息包括：基本信息、答题规则、防作弊规则；

2.57支持试卷支持自定义基本信息：试卷封面图、试卷名称、试卷编号、试卷总分、及格分数、考试时长、最短交卷时间；

2.58▲支持自定义答题规则：试卷有效时间、可考次数，支持设置考试过程不反馈结果、实时反馈结果、实时反馈结果与解析三种方式；支持设置考试提交后、有效时间结束后、不可查看等三种查看答案方式，支持设置查看考试通过情况、分数、答案、解析、错题等考试结果内容。支持编辑考试须知；

2.59▲支持自定义防作弊规则：支持设置试卷数量；支持设置多次考试试卷随机、题目乱序、选择题选项乱序；支持内容不可复制、禁止使用F12，支持防切屏，支持设置最多允许切屏次数；

2.60▲创建试卷时，支持按照考点组织考题；

2.61支持使用模板批量上传考题；

2.62支持反馈考题上传进度、上传结果、上传失败清单与失败原因；

2.63支持导出全部考题，支持导出所选部分考题；

2.64▲支持显示考试结果信息，包括：考试名称、考试得分、满分分值、及格分数、作答题数、耗时、可考次数、已考次数；

2.65支持显示考试进行状态、答题卡、题目信息；

2.66▲支持分页显示和逐题显示，支持单选题、多选题、判断题；

2.67考试进行状态包括已答、未答题目，考试进行倒计时；

2.68答题卡包括：题目类型、题目数量、每题作答状态；

2.69题目信息包括：题干、选项；

2.70强制答题模式下，支持断点重连；

2.71支持计时结束后自动交卷；

2.72▲支持添加自定义机构LOGO；

2.73系统可实现管理员、老师、学生三类角色授权；

2.74支持管理员批量上传学生用户；

2.75支持反馈用户上传失败清单与失败原因；

2.76支持管理员建立班级，管理班级信息和人员；

2.77▲支持用户忘记密码时通过管理员重置密码；

2.78使用Centos7.5系统（内核版本3.10.0-862.el7.x86_64）开发，B/S架构，支持浏览器访问；

2.79支持采用私有化部署，支持用户设备合理利旧，实现资源高效利用；

2.80容器化部署，可维护性好；

2.81应用层使用Java开发语言，微服务架构，保障系统的可靠性与稳定性；

2.82充分利用linux多用户，多任务特性，实现高并发、轻量级；

2.83▲提供AI实验平台软件著作证书；

3

AI教育实训平台-实验模块

3.1提供人工智能实验操作环境：

（1） shell环境：支持基本的shell命令，如vim、tar、unzip、ssh、scp、mv等等，还支持代码管理工具命令git、多版本python管理工具pyenv、软件包管理和环境管理工具conda、python包安装工具pip；

（2） ▲python环境：支持python3.6.9；

（3） 开源机器学习相关包：numpy、sklearn、pandas、seaborn、missingno、mkl-fft、mkl-random、scipy、statsmodels、xgboost等；

（4） 开源深度学习框架：Keras 、TensorFlow（支持1.13.1和2.0两个版本的TensorFlow环境，对应到jupyter上的kernel分别是conda-py3.6.9-tf1.13.1和conda-py3.6.9-tf2.0，在命令行模式下切换环境：首先激活anaconda3-5.3.1，此时默认使用的是conda-py3.6.9-tf2.0的环境，使用conda activate py3.6.9-tf1.13.1使用的是conda-py3.6.9-tf1.13.1的环境，其中两个版本都支持tensorflow-datasets、tensorflow-estimator、tensorflow-metadata等包）。

（5） 计算机视觉相关：OpenCV、Pillow、scikit-image等；

（6） 自然语言处理相关：jieba、gensim、spacy、scikit-crfsuite、nltk、pyaudio、pyltp等；

（7） 网络相关：requests、urllib3、tornado、flask、beautifulsoup4等；

（8） 可视化相关：matplotlib、graphviz、mglearn、tensorboard等；

（9） 数据库相关：pymysql、sqlalchemy等；

（10） 其他：certifi、chardet、Cython、future、gevent、h5py、ipython、ipywidgets、json5、jupyter、lxml、Markdown、networkx、pycurl、pydot、pyyaml、six、qtpy、zhconv等；

（11） 支持R语言；

（12） 支持用户实验记录数据持久化；

（13） 支持在线交互式编程；

3.2支持实验指导与实验操作区同屏显示；

3.3▲支持跟随步骤化实验指导书，实验视频练习；

3.4支持跟随实验指导书校对实验结果；

3.5支持脱离实验指导书自主练习；

3.6▲支持用户在实验过程中提问或回答他人的提问，进行互动交流；

3.7支持用户在实验过程中按步骤作答提交，系统实时反馈；

3.8支持用户在实验环境内进行多次重复实验；

3.9▲支持实时在线实验人数统计与强制下线功能：资源紧张时，可按照实际排课，筛选出当前没有实验课，但是却在占用资源进行实验的班级学生，选中用户强制下线，从而为当下课堂实验教学预留充分的环境资源。

4

人工智能课程资源包

4.1提供至少一门人工智能国际认证课程，该认证须在国际认证考试中心Prometric或VUE可查；

4.2课程资源须部署在AI教育实训平台上，提供课程大纲、理论课程资料、实验指导书和实验指导视频；

4.3提供《数据挖掘技术与应用》课程：提供《数据挖掘技术与应用》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验：数据挖掘介绍、数据挖掘基础、数据预处理与特征提取（数据加载、数据预处理基础、特征预处理与特征选择，PCA&LDA降维）、数据挖掘算法模型（回归算法、分类算法、聚类技术及其应用）、模型优化与评估及相关实验；

4.4提提供《机器学习技术》课程：提供《机器学习技术》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验、机器学习简介、机器学习预备知识：Python编程基础、Pandas、Numpy、机器学习算法介绍、数学基础、有监督学习算法：含回归算法、逻辑回归、朴素贝叶斯、KNN、决策树、支持向量机、集成算法、基于SVM的算法案例、集成算法对比分析、基于决策树的案例分析、无监督学习算法：聚类算法、关联算法、降维及相关算法、关联分析实验、降维分析实验；

4.5提供《计算机视觉技术与应用》课程：提供《计算机视觉技术与应用》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验：计算机视觉：计算机视觉概览、图像获取分割、抽取、识别与理解；图像预处理：像素亮度变换（亮度、灰度、直方图均衡化）、几何变换（坐标变换、双线性变换、旋转等变换、差值）、形态学处理方法、图像滤波；图像特征提取：SIFT尺度不变特征变换、HOG方向梯度直方图、LBP局部二值模式、HAAR；卷积神经网络：卷积（概念、计算）、网络架构（输入层、卷积层、激励层、池化层、全连接层、输出层）、卷积神经网络的核心思想、卷积神经网络的训练及参数调节、经典网络架构；图像处理应用：验证码识别、图像分割实验等；

4.6提供《自然语言处理技术与应用》课程：提供《自然语言处理技术与应用》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验：自然语言处理介绍；词法分析、句法分析以及语义分析；语言模型：语言模型概念、语言模型-N-gram、神经网络语言模型-NNLM；关键词提取：关键词提取介绍、tf-idf、textRank；词向量：词向量概念、one-hot、word2vec；概率图模型及其应用：朴素贝叶斯、隐马尔科夫模型（HMM）、条件随机场（CRF）；（7）深度学习与NLP简单应用：TextCNN、RNN与LSTM神经网络、Seq2seq；

4.7提供《深度学习技术》课程：提供《深度学习》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验：深度学习预备知识：机器学习基础（算法分类，整体流程，常见算法）、超参数、验证集、参数估计、优化理论；神经网络入门：基础架构（基本原理，生物学启发，发展历史，构造与应用）、感知机（单层、多层）、线性不可分问题、异或问题、常用激活函数（sigmod、tanh、relu）与损失函数（square、abs、交叉熵、hinge）的选型、常用梯度下降方法介绍（BGD、SGD、MBGD、Adagrad、Adadelta、Adam）、正则化方法介绍（L0、L1、L2、dropout）、模型调参；神经网络的类型：前馈神经网络（多层前馈神经网络）、卷积神经网络原理及介绍（局部感知、空间排列、参数共享、不变性、整体架构）、循环神经网络的网络架构及原理（前向传播）、双向循环神经网络等；深度学习实战入门：图像识别入门网络介绍、语音处理、自然语言处理、聊天机器人实验、翻译实验、花类识别实验；深度学习的应用前景与未来展望：新零售、智能制造、车联网、智慧城市、强化学习与深度学习、神经网络场景应用；

4.8提供《Linux Shell脚本编程》课程：提供《Linux Shell脚本编程》课程课程大纲、理论课程资料、实验指导书及实验运行环境，包含但不限于以下知识点及实验：Linux基础、shell脚本编程基础、shell脚本编程进阶、简单脚本实验、用户输入实验、Linux系统命令实验。

序号

目录

招标商务需求

（一）免费保修期内售后服务要求

1

维修响应及故障解决时间

在保修期内，一旦发生质量问题，投标人保证在接到通知24小时内赶到现场进行修理或更换，提供免费5*8小时远程技术支持服务。如有因产品质量问题引起的备/配件破损，由乙方负责免费更换。

2

关于免费保修期

1.1货物免费保修期 1 年，时间自最终验收合格并交付使用之日起计算。维护期内出现任何质量问题由供应商免费上门维修；免费技术咨询、免费提供软件升级等服务。

3

其他

投标人应按其投标文件中的承诺，进行其他售后服务工作。

（二）其他商务要求

1

关于交货

1.1交货地点：深圳市龙岗区龙岗街道五联社区将军帽路1号深圳技师学院

1.2投标人必须承担的设备运输、安装调试、验收检测和提供设备操作说明书、图纸等其他类似的义务，其中属于中华人民共和国国家质量监督检验检疫总局颁布的《特种设备目录》中的设备必须按规定办理注册登记。

1.3签订合同后 30天（日历日）内交货。

1.4投标人应按照本合同或招投标文件规定的时间和方式交付货物，投标人在中标后签订合同前须提供制造商出具的售后服务承诺函，交货地点由业主指定。因交货产生的费用由投标人自行承担。

1.5投标人交付的货物应当完全符合招投标文件所规定的货物、数量、质量和规格要求。投标人提供的货物不符合招投标文件和合同规定的，甲方有权拒收货物，由此引起的风险，由投标人承担。

2

关于验收

2.1投标人货物经过双方检验认可后，签署验收报告，产品保修期自验收合格之日起算，由投标人提供产品保修文件。

2.2当满足以下条件时，采购人才向中标人签发货物验收报告：

a、中标人已按照合同规定提供了全部产品及完整的技术资料。

b、货物符合招标文件技术规格书的要求，性能满足要求。

c、货物具备产品合格证。

3

关于违约

3.1甲方无正当理由拒收货物的，甲方向乙方支付合同总价5%的违约金。

3.2甲方未按合同规定的期限向乙方支付货款的，每逾期1天甲方向乙方偿付欠款总额的0.5%违约金。由于甲方需向深圳市财政委员会申请办理支付手续，故由深圳市财政委员会之相关原因导致的延期付款不视为甲方违约。

3.3由于乙方的原因未能按时供货的，每逾期一天乙方应向甲方偿付合同总额的0.5%违约金；如乙方逾期三十天仍未交货或未交齐货物的，甲方有权解除合同，乙方则应按合同总价的30%向甲方支付违约金，还应向甲方赔偿由此遭受的一切经济损失，并全额退还甲方已支付给乙方的货款及相应利息。且甲方向第三方采购所产生的差价亦由乙方承担。

3.4乙方交付货物的品质、性能、技术标准、质量要求不符合合同约定的，甲方有权向乙方提出更换货物及索赔，乙方应在甲方提出之日起的10天内免费更换合格的货物，由此造成的时间延误视作乙方未按时交货，如经两次更换，货物质量仍不符合合同规定的，甲方有权解除合同，乙方则应按合同总价的30%向甲方支付违约金，还应向甲方赔偿由此遭受的一切经济损失，并全额退还甲方已支付给乙方的货款及相应利息。

4

关于付款

无预付款及进度款，项目验收合格并收到乙方按甲方要求提供的税务局统一发票后，按深圳市财政委员会规定一次性付清款项。

序号

货物名称

招标技术要求

投标技术响应

偏离情况

说明

序号

目录

招标商务条款

投标商务条款

偏离情况

说明

（一）免费保修期内售后服务条款偏离表

1

2

……

（一）免费保修期外售后服务条款偏离表

1

2

……

（三）其他商务条款偏离表

1

2

……

序号

评分项

权重

1

价格

30

2

技术部分

49

序号

评分因素

权重

评分方式

评分准则

1

技术保障措施

3

专家打分

在投标文件中详细说明保障措施（包括技术团队、技术方案、技术人员、场地、车辆等），评审委员会根据响应情况进行横向比较，按优100分，良80分，中60分，差0分打分。

2

技术规格偏离情况

44

专家评分

投标人应如实填写《技术规格偏离表》，评审委员会根据技术需求参数响应情况进行打分，各项技术参数指标及要求全部满足的得100分，带有▲号重要技术条款每负偏离一项扣10分，其他技术条款每负偏离一项扣5分，扣完为止，最低分0分。

3

奖项

2

专家评分

根据省委办公厅、省府办公厅《关于促进民营经济高质量发展的若干政策措施》（粤办发〔2018〕43 号），对获得国家行政主管部门认定的中国质量奖、中国专利奖、中国版权金奖、中国商标金奖、制造业单项冠军、绿色工厂等的企业，提供相关证明材料扫描件。

有提供一项得50分，提供两项或两项以上的得满分，一项都未提供则不得分。

3

商务需求

6

序号

评分因素

权重

评分方式

评分准则

1

免费保修期内售后服务条款偏离情况

4

专家评分

投标人应如实填写《免费保修期内售后服务条款偏离表》，评审委员会根据响应情况进行打分，全部满足要求的得100分，每负偏离一项扣20分。

2

其他商务条款偏离情况

2

专家评分

投标人应如实填写《其他商务条款偏离表》，评审委员会根据响应情况进行打分，全部满足要求的得100分，每负偏离一项扣20分。

4

疫情防控

5

序号

评分因素

权重

专家评分

评分准则

1

疫情防控重点保障企业

3

专家评分

纳入全国性名单或地方性名单的疫情防控重点保障企业（以下简称“重点保障企业”），直接参与我市政府采购投标的，提供至少一项自身属于重点保障企业的证明材料（名单查询网页链接、名单网页截图、政府部门出具的文件或者企业享受重点保障企业优惠政策的其他证明文件均可），即可获得评审得分。

2

稳岗企业

2

专家评分

未裁员或裁员率低于20%的企业，即投标前一个月实际参加社会保险（至少包括养老保险）的员工人数（含免缴或延期缴纳社会保险人数）不低于 2019 年 12 月同口径人数 80%（含）的企业，视为稳岗企业，提供自身符合稳岗企业条件的承诺函即可获得评审得分。

投标人提供虚假承诺的，将做无效投标处理，涉嫌存在违法违规行为的，依法报主管部门处理处罚。

5

诚信情况

7

序号

评分因素

权重

评分方式

评分准则

1

诚信

≥5

专家评分

根据《深圳市财政委员会关于印发〈深圳市政府采购供应商诚信管理暂行办法操作细则〉的通知》（深财购[2017]42号）的要求，投标人在参与政府采购活动中存在诚信相关问题且在主管部门相关处理措施实施期限内的，本项不得分，否则得满分。投标人无需提供任何证明材料，由工作人员向评审委员会提供相关信息。

2

履约

≥2

专家打分

近三年（以投标截止日期为准）在市政府采购中心有履约评价为差的记录，本项不得分，否则得满分。投标人无需提供任何证明材料，由采购中心工作人员向评委会提供相关信息。

5

综合实力

3

1

投标人近三年同类业绩（以合同时间为准，截止日为本项目公告发布之日）

3

专家评分

提供3个同类业绩即得满分，提供2个得60分，提供1个得30分，未提供的不得分。投标人必须在投标文件中提供每一个完工项目的合同和验收报告，否则不得分。