韶关学院数学与统计学院_大数据教学管理平台及教学资源采购
韶关学院数学与统计学院_大数据教学管理平台及教学资源采购
采购单位:韶关学院 | 联系人:****** |
E-mail:****** | 联系电话:****** |
传真:****** | 联系手机:****** |
邮编:****** | 平台联系电话(异议):****** |
项目名称: 韶关学院数学与统计学院_大数据教学管理平台及教学资源采购 | 竞价编号:JJ231*****554876 |
采购类型:其他 | 开始时间:2023-11-15 20:54:03 |
项目预算(元):78,000.00 | 结束时间:2023-11-20 16:30:00 |
质保期及售后要求:售后服务:1、免费送货上门包安装调试 2、提供不低于三年免费上门保修服务。出现故障4小时内响应,24小时完成维修。 | |
其他要求:见附件 |
资格及商务响应情况 | |||||||
---|---|---|---|---|---|---|---|
项目 | 竞价要求 | 响应情况 | |||||
资格条件 | 1.国内独立法人,提供法人营业执照的复印件须加盖本单位公章; 2.具有履行合同所必需的设备和专业技术能力 ; 3.供应商就产品质量和服务承诺作书面承诺 ; 4.原厂原装全新货物; 5.报价需为一揽子报价,包含安装及耗材等费用。竞价一经确认,供应商不得再向我方收取除合同规定外的任何费用; 6.仪器设备免费送货上门包安装调试,并提供三年或以上免费上门维保服务; 7.供应商不得变更、调整、减少参数需求,必须对技术参数及服务条款作一一响应,参数要求提供证明材料的必须提供后方能签署合同。 | 我司满足本项目以下资格条件要求: 1.国内独立法人,提供法人营业执照的复印件须加盖本单位公章; 2.具有履行合同所必需的设备和专业技术能力 ; 3.我单位已针对本项目的产品质量和服务承诺作书面承诺 ; 4.我单位承诺所供产品为原厂原装全新货物; 5.本报价为一揽子报价,包含安装及耗材等费用。竞价一经确认,我单位承诺不得再向贵方收取除合同规定外的任何费用; 6.仪器设备免费送货上门包安装调试,并提供三年或以上免费上门维保服务; 7.我单位承诺不变更、调整、减少参数需求,必须对技术参数及服务条款作一一响应,参数要求提供证明材料的提供后方能签署合同。 | |||||
付款方式 | 一次性100%付款。 | 我司完全响应本项目付款方式要求: 一次性100%付款 | |||||
交付时间 | 签订合同后5天送货 | 签订合同后 5 天送货。 | |||||
交付地址 | 广东省韶关市浈江区大学路288号韶关学院弘德楼B605 | ||||||
质保期及售后要求 | 售后服务:1、免费送货上门包安装调试 2、提供不低于三年免费上门保修服务。出现故障4小时内响应,24小时完成维修。 | 我司完全满足及响应本项目质保期及售后要求,即: 1.安装调试:免费送货上门包安装调试。 2.保修期及响应时间:提供三年免费上门保修服务。出现故障4小时内响应,24小时完成维修。 | |||||
其他要求: | 见附件 | 见附件 | |||||
报价情况 | |||||||
标的名称 | 品牌/型号 | 数量 | 响应情况 | 单价(元/%) | |||
大数据教学管理平台 | 泰迪/TipDM-TM | 1.00 | 泰迪/TipDM-TM | *****.000元 | |||
大数据项目实战案例 | 泰迪 | 1.00 | 泰迪 | *****.000元 | |||
总报价 | *****.000 元 | ||||||
技术响应 | |||||||
标的名称 | 技术要求 | 响应情况 | |||||
大数据教学管理平台 | 详见需求书 | 1、B/S架构,通过浏览器访问。 2、支持班级管理、学员管理、搭载课程资源(包括教学视频、PPT、实训指导书等)。 3、支持在线考试,客观题自动阅卷评分,主观题在线评审。可进行题库管理,自动生成试卷。并可进行成绩统计与管理。 4、支持按需设置实训报告模板,在线对学生布置实训作业,并支持统一管理实训报告,对实训报告进行创建、查看、编辑、下载、删除等批量操作。 5、支持上传、编辑、复制、查看、下载数据集到“实训数据”模块,可设置数据集的标签、有效期、公开状态、封面、简介等。 6、支持快速创建实训入口并管理实训环境。 7、支持在线进行课堂讨论区、课堂实时交流,并支持论坛功能学生可就疑难问题进行提问,教师和其他学生进行解答。 8、采用容器技术部署方案,利用服务器资源部署JupyterHub实训环境,并与实训管理平台集成。 9、实训工具包含:SQL、OpenCV-Python、TensorFlow、JupyterHub。 10、支持按需将实训环境配置至课程中,或配置单独的编程实训入口。 11、支持对此平台关联实训指导书与作业,在实训过程中,根据报告模板提交实训报告和附件。报告正文支持添加图片、代码块等。 12、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。 13、支持实训指导书全屏查看,实训环境全屏操作。 14、支持进入实训环境时,添加关联数据集进行实训。其中,关联的数据集可通过实训管理平台的实训数据界面进行统一管理。 | |||||
大数据项目实战案例 | 详见需求书 | 1、招聘网站数据采集与人才需求分析 1.1 案例概述:利用Python网络爬虫,爬取招聘网站相关岗位的招聘信息,对职位信息进行分析挖掘,把分析结果提供给求职人员做参考。 1.2 课时设置:理论教学不少于4学时,实践教学不少于8学时,总计不少于12学时。 1.3 案例资源:不少于26个案例视频、1份案例PPT、11份实训指导书、3份代码、2份数据。(提供此资源截图及厂商盖章) 案例内容:包括但不限于背景与目标;信息爬取介绍;获取岗位名称数据;获取目录页的所有字段信息;获取二级网址的网页链接;获取二级网址的所有字段信息;对单一目录页中的所有二级网页信息进行抓取;将第一个目录页的数据进行保存;批量爬取及数据保存;已爬取数据介绍;根据岗位名筛选招聘信息;统一岗位名称;根据工资列筛选数据;完成工资数据处理;工作地点字段处理;公司类型字段处理;行业字段数据处理;工作描述字段处理;公司规模字段处理;数据预处理小结;热门招聘岗位可视化;热门行业及公司招聘分析;热门岗位的工资水平;可视化综合分析;岗位技能分析;案例总结。 2、市财政收入分析及预测 2.1 案例概述:运用数据分析技术对市财政收入进行分析,挖掘其中隐藏的运行模式,并对未来两年的财政收入进行预测,希望能够帮助政府合理的控制财政收支,为制定相关决策提供依据。 2.2 课时设置:理论教学不少于4学时,实践教学不少于8学时,总计不少于12学时。 2.3 案例资源:不少于19个案例视频、1份案例PPT、4份实训指导书、5份代码、1份数据。(提供此资源截图及厂商盖章) 2.4 案例内容:包括但不限于财政收入预测背景介绍;数据基本情况介绍;分析目标解读;项目流程介绍;求解person相关系数;person相关系数解读;了解Lasso回归方法;Lasso回归选取关键特征的实现;Lasso回归数据写出及相应解读;关键特征数据读取及准备;GM11特征值预测;GM11特征数据整理及写出;数据标准化;模型训练及预测;结果可视化。 3、城市公交用户出行分析 3.1 案例概述:以城市地面公交车GPS监控数据和地面公交车刷卡数据为数据源,对获取的数据进行预处理,并进行密度聚类分析和建立矩阵模型分析,分析各时间段的公交车刷卡人数,根据刷卡数据和GPS监控数据分析各站点的下车人数,基于各站点的上下车人数分析居民的出行规律,并提出城市公交站点设置的优化建议。 3.2 课时设置:理论教学不少于4学时,实践教学不少于8学时,总计不少于12学时。 3.3 案例资源:不少于13个案例视频、1份案例PPT、2份实训指导书、6份代码、20份数据。(提供此资源截图及厂商盖章) 3.4 案例内容:包括但不限于案例背景;数据情况与挖掘目标;分析方法与过程、数据抽取;数据探索;数据预处理;数据读取(Python实现);数据预处理(Python实现);数据探索(Python实现);案例思路与密度聚类分析;构建OD矩阵模型;密度聚类(Python实现);分时段(Python实现);构建OD矩阵模型(Python实现)。 4、电力窃漏电用户识别 4.1 案例概述:根据电力营销系统与计量自动化系统数据,构建窃漏电用户识别模型,自动检测判断是否存在窃漏电行为。本案例的主要分析目标为:分析用户的用电情况,实现对用电情况的实时监控,判断是否存在窃漏电行为。 4.2 课时设置:理论教学不少于4学时,实践教学不少于8学时,总计不少于12学时。 4.3 案例资源:不少于3份实训指导书、11个案例视频、1份案例PPT、6份代码、6份数据。(提供此资源截图及厂商盖章) 4.4 案例内容:包括但不限于案例背景;项目案例整体流程;数据抽取;数据探索分析;数据预处理;特征构建;模型构建与评价;代码实现流程梳理;数据探索代码实现;告警指标构建代码实现;随机森林模型构建与评估。 5、航空公司客户价值分析 5.1 案例概述:以航空公司的客户数据为源数据,通过对数据进行分析处理,并建立合理的客户价值评估模型,对客户进行分群。本案例的主要分析目标为:对客户进行分群,分析比较不同客户群的客户价值;对客户提供个性化服务,提高航空公司之间的竞争力。 5.2 课时设置:理论教学不少于4学时,实践教学不少于8学时,总计不少于12学时。 5.3 案例资源:不少于13个案例视频、1份案例PPT、2份实训指导书、2份代码、1份数据。(提供此资源截图及厂商盖章) 5.4 案例内容:包括但不限于案例背景;案例目标;数据读取;剔除票价为空的记录;剔除异常记录;RFM模型介绍;LRFMC模型;构造入会时长特征;剩余特征构造;使用K-means算法进行客户分群;获取K-Means聚类结果;聚类结果可视化;案例小结。 6、广电大数据营销推荐 6.1 案例概述:以产品信息数据为数据源,通过对数据进行预处理,然后再通过可视化直观的展示数据情况,再进行用户画像的构建最后进行算法模型的构建与分析。本案例的主要分析目标为:通过深入整合用户的相关行为信息,构建用户收视偏好统一视图;利用产品信息数据,针对用户提供个性化精准推荐服务,有效提升用户的转化和生命周期价值。 6.2 课时设置:理论教学不少于4学时,实践教学不少于12学时,总计不少于16学时。 6.3 案例资源:不少于26个案例视频、1份案例PPT、8份实训指导书、10份代码、7份数据。(提供此资源截图及厂商盖章) 6.4 案例内容:包括但不限于背景与目标;目标分析与解读;数据介绍;收视数据探索;异常数据探索;收视数据处理介绍;去除特殊线路和政企用户记录;去除直播记录中不关机顶盒的数据记录;去除累计超过3小时或小于4秒的直播记录;订单数据预处理介绍;订单数据处理-业务品牌和用户状态筛选;订单数据预处理-产品失效时间和去重处理;保存预处理后的数据;用户观看电视时长可视化;热门频道的可视化;构建标签库介绍;客户标签的计算方式;产品标签体系;客户标签体系介绍;客户标签计算方法;电视依赖度标签计算-低;电视依赖度标签计算-中高;用户画像构建;协同过滤推荐;基于流行度的推荐;案例小结及平台呈现。 | |||||
附件 |
|
最近搜索
无
热门搜索
无