1

交换机

1、不小于24个万兆SFP+,6个40GE QSFP,含1个600W交流电源)

2、交换容量不小于2.4Tbps/24Tbps，包转发率720M/792Mpps

3、不小于1*PAC-600S12-CB 600W 交流电源模块

4、配置16*OMXD30000万兆多模模块

1

2

实验服务器

1.CPU：英特尔（Intel）中央处理器(至强CPU 服务器工作站专用)Xeon Gold 金牌6130 16核32线程 2.1GHz X 2，2.1GHz（共32核64 线程）

2.内存：256GB 及以上 DDR4 DIMM

3.插槽系统盘：2 个 960GB 以上容量 SSD 硬盘组 RAID1

4.存储盘：1个sata 6TB 企业盘

5.网卡：双口千兆＋双口万兆

6.电源：550W 白金电源 PURLY*2

4

3

服务器机柜

42U 服务器机柜，含 PDU 及托盘

2

4

UPS

1.UPS容量≥20kVA，采用在线UPS电源。

2.UPS主机输入功率因数校正(PFC)采用数字化控制的功率因数校正技术，输入功率因数不小于0.99。

3.UPS主机逆变器采用三电平技术，系统效率不低于95%。

4.UPS主机具有独立旁路功能，确保主路系统出现异常或故障时，旁路系统仍能正常输出，确保负载不间断供电

5.采用全数字化充电器，电池电压和电流可任意设置，充电电流最大不低于10A，投标时提供的产品使用说明书里面有相关的图文操作说明。

6.UPS主机应具有LCD显示和LED状态显示， 可以显示：输入电压/频率、输出电压/频率、有功功率、视在功率、电池节数、电池电压、电池容量百分比、历史纪录等。

7.为避免误操作，UPS的开、关机采用双键组合的形式来实现开关机。

8.可实现远程网络监控，支持RS232，RS485，SNMP等多种通信协议，配置WIFI/GRPS模块后可实现手机APP实时查看UPS参数。

9.UPS主机应具有自老化功能，测试现场不需要外接负载就可以带载测试，投标时承诺具备此功能且机器到现场后需现场验证，提供承诺函并加盖投标人公章。

10.输出功率因数：≥1。输出波形失真度：100%阻性负载≤1%，100%非线性负载≤3%。系统效率：≥96%(100%负载)，≥96%(50%负载)，≥95%(30%负载)。

11.UPS主机系列应该获得泰尔、广电、节能、CE、抗震等第三方权威机构出具有效期的认证证书,加盖UPS制造商的公章。

1

5

蓄电池

1.电池容量：12V100AH

2.蓄电池应采用12V系列阀控式密封铅酸蓄电池；

3.蓄电池应通过抗震检测，其抗震等级应不低于9级，并提供检测报告复印件。

4.蓄电池应具有泰尔检测认证及检测报告，，并提供检测报告复印件。

5.蓄电池槽、盖应采用高强度ABS材料制造，并具有阻燃性，正常工作条件下不出现鼓胀或收缩变形。

6.蓄电池正负极性及端子有明显标志，便于连接。

7.蓄电池连接件压降应低于7mV，需提供需提供检测报告复印件证明。

8.蓄电池在25℃满容量状态下，静置28天后其蓄电池容量保存率应在96%以上 ，需提供检测报告复印件证明。

9.蓄电池密封反应效率不低于99.5%，需提供检测报告复印件证明。

10.蓄电池连接初电流为I10的电阻连续过放30d后，马上充电后容量应能保持在原容量的100%以上，需提供检测报告复印件证明。

11. UPS主机和电池采用同一品牌，需原厂出具授权及售后承诺函。

16

6

电池柜

满足16节100AH电池使用，含电池直流开关和电池连接线

1

7

配电柜

接入380V市电

1

8

大数据实践教学服务平台

1.大数据实践教学虚拟化管理平台

（1）支持教师进行课堂的创建，根据自身需求设置课堂名称、学分、课堂开始与结束时间。

（2）支持教师自行选择相关专业学生，并将其添加至自己的课堂中、进行编辑、批量移除。

（3）支持教师将公共课程库中的元子实验、基础实验、实训项目案例添加至自己创建的课堂中。

（4）添加至课堂内的专业实践课程支持自动分配章节、排序、标号，支持拖拽快速排序，可快速拖拽实践课程重新分配章节并自动生成课程章节编号。

（5）支持采用闯关的实验模式进行课程实践，支持自定义实验课程关卡分值，可按照均分比例、关卡难易度自动分配实践课程内的各关卡对应分值，同时也支持教师手动输入各关卡分值。（提供系统功能截图）

（6）支持一键发布全部添加至课堂内的课程。

（7）对添加至课堂内的课程实验与实训项目可自由定制，支持设置其必修/拓展属性，设置为拓展课程将单独统计成绩，不会计入课程总成绩中。

支持设置实验课程的补交扣分，对于晚于课程规定时间提交的作业，将默认扣除相应分值，对学生提交作业的准时性进行区分。

（8）支持根据教师发布状态、学生学习状态和时间进度自动分配课程状态，区分未发布、学习中、补交中、已完成的课程。

（9）支持统计课堂内全部学生对于课程的学习情况，并将学习中、已完成、未开始状态下的学生人数统计展示在课程下方。

（10）支持自定义实训项目作业要求，教师可自行设置是否需要提交项目作业、实验报告。（提供系统功能截图）

（11）支持教师对课堂内实训项目作业进行统一查看，提供建模流程/可视化页面/pdf/Jupyter Notebook等多种形式作业的在线预览以及pdf下载。（提供系统功能截图）

（12）支持教师可对学生项目作业进行主观评分，支持教师对已评分的项目作业进行评分及评语修改，支持教师将完成度高的项目作业评选为优秀作业。

（13）支持按课堂、实训项目归类展示相关优秀作业，并标注出对应课堂、实训项目中被评选为优秀作业的数量。（提供系统功能截图）

（14）在优秀作业卡片中支持展示优秀作业名称、类型、作者、浏览量、点赞量。

（15）支持教师查看课堂内某课程的全部学生学习情况及成绩，展示内容包括学生姓名、学号、作业完成状态、提交时间、作业总耗时、完成关卡数、关卡得分、补交扣分及课程总成绩。

（16）支持以表格的形式分别统计课堂内全部学生的必修课程学习情况与拓展课程学习情况，展示内容包括学生姓名、学号、在线状态、年级、班级、实验完成数、实验平均分、实训完成数、实训平均分、课程平均分、总学习时长；并且支持通过点击表头中学号、年级、班级、实验完成数、实验平均分、实训完成数、实训平均分、课程平均分、总学习时长对列表内容进行排序。

（17）支持教师上传课堂教学过程中所需的全部文档、图片、代码包等课程文件资源，实时共享到课程共享云盘中，方便学生进行查看、下载。

支持学生自定义自己的个人信息，包含头像、个性签名、标签等。

（18）支持学生在课堂主页查看到教师发布出来的实验课程与实训项目，并且以标签的形式提示当前课程的学习状态，可通过标签筛选出未开始、学习中、待补交、已完成课程，快速查看到当前还有哪些课程待完成.

（19）支持学生打开浏览器点击课堂内的课程实验即可进入在线编码环境进行实验训练或使用编码式、拖拽式操作工具进行在线实训。

（20）对于课程实验，支持在线自动评分，学生完成对应关卡后添加通关标识，并对实践课程内全部关卡学习进度进行统计。（提供系统功能截图）

（21）支持学生在完成课程内容后可查看课程成绩，根据教师用户的设置，若课程设置了公开成绩则可以看到其他学生成绩；若设置不公开成绩则学生在列表中仅能查看到自己。

（22）支持学生查看教师共享至课堂中的全部课件、文档、图片、视频、代码包等教学资源，并可将其下载至本地。

（23）支持学生自行创建可视化分析与机器学习项目，在拖拽式、低代码的操作环境中，专注于大数据分析相关能力练习，自助进行项目实践。（提供系统功能截图）

（24）支持学生查看被教师评选为优秀的实训项目作业，包括大数据分析可视化图表、人工智能分析节点图、Jupyter Notebook代码文件以及pdf实验报告。

（25）支持学校管理员对平台内学校基本信息进行配置管理，包括学校名称、学校简称、组织编码、校训、学校logo。

（26）支持按照学院、专业、年级、班级的层级结构创建学校组织架构，创建时可设置组织名称、组织简称、组织编码、排序号及备注。

（27）支持学校管理员按照学校院系组织架构对学生用户及教师用户进行管理。

（28）支持学校管理员添加教师、学生用户，对教师用户支持设置姓名、工号、手机号、邮箱地址、籍贯、民族、荣誉称号、入职时间、出生日期、所属院系、职称、性别、家庭住址；对学生用户支持设置姓名、学号、手机号、邮箱地址、籍贯、民族、性别、出生日期、学历、所属院系、导师、家庭住址。（提供系统功能截图）

（29）支持学校管理员按照学校院系组织架构对学生用户及教师用户进行管理，包括人员调动、编辑、删除、启用、停用。

（30）支持学校管理员对平台内教师申请公开发布的实验课程进行审批并填写审批意见。

（31）支持学校管理员对平台内的实验课程按照课程所属方向分类进行管理，对实训课程按照课程所属行业进行管理，支持对平台内已公开的课程进行下架。

（32）支持学校管理员对平台内教师申请公开发布的实训课程进行审批并填写审批意见。

（33）大数据方向要求至少提供如下镜像环境：Hadoop，Hbase，Hive，Spark，Flink，Storm，Zookeeper，Kafka。（提供系统功能截图）

（34）Python要求至少提供如下镜像环境：Python3，需包含：numpy，scikit-learn，pandas，matplotlib，scipy，sklearn，scrapy，pytorch等。（提供系统功能截图）

（35）数据库方向要求至少提供如下镜像环境：Mysql5.7，Mysql8，mongodb，sqlserver等。

（36）Web开发方向要求至少提供如下镜像环境：Java，vue等。

（37）JAVA程序设计方向要求至少提供如下镜像环境：Java+maven+ant等。

（38）数据采集预处理方向要求至少提供如下镜像环境：Python、JAVA爬虫相关镜像等。

（39）支持多种环境之间可以相互组合，教师可根据自身教学需求进行选择，如MySQL+Python、Java+Hive+Hadoop等，组建个性化实验环境。

2.大数据挖掘与分析平台与大数据

（1）大数据挖掘与分析模块要求提供拖拽式的机器学习实训环境和可视化分析实训环境，并提供以Jupyter Notebook为工具的交互式编程实训环境。

（2）机器学习实训环境支持整个建模流程设计基于拖拽式布局、连线式流程编排和指导式流程配置，学生可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。（提供系统功能截图）

（3）支持流程断点缓存功能，如开启缓存、关闭缓存、清除缓存、从缓存处执行、执行到当前节点、从下一个节点开始执行等功能。

（4）支持配置流程运行资源，同时支持资源使用情况进行监控。

（5）支持常用算子功能，用户可将常用的节点进行收藏，方便使用。

（6）提供不少于20种行、列、高级节点的数据预处理算子，包括自动数据处理、数据去重、数据过滤、随机抽样、属性过滤、缺省值处理、异常值检测、数据平滑等。（提供系统功能截图）

（7）提供不少于5种数据融合算法，包括数据连接、数据拆分、数据分解等。

（8）提供不少于10种特征工程算法，如属性生成、特征编码、主成分分析、因子分析、奇异值分析等。

（9）提供不少于5种统计分析算法，如方差分析、相关系数、典型相关分析、偏相关分析等。

（10）提供分类、聚类、回归、关联、时间序列、综合评价、推荐等7大类不少于50种机器学习算法。其中分类算法需包括C45+决策树分类、Xgboost分类、KNN、朴素贝叶斯、BP神经网络分类、L1/2稀疏迭代分类等，聚类算法需包括KMeans、EM聚类、两步聚类、模糊C均值、视觉聚类等；回归算法需包括线性回归、SVM回归、梯度提升树回归、BP神经网络回归、保序回归、L1/2稀疏迭代回归等；关联算法需包括Apriori、FPGrowth等；时间序列算法需包括ARIMA、稀疏时间序列、指数平滑、灰色预测、回声状态网络等；综合评价算法需包括熵值法、层次分析法、模糊综合评价法；推荐算法需包括协同过滤。（提供系统功能截图）

（11）提供不少于4种集成学习框架，如Bagging分类、Bagging回归、Voting分类、Voting回归等。

（12）提供不少于5种深度学习算法，如DNN回归、DNN分类、RNN分类、RNN回归、LSTM等。（提供系统功能截图）

（13）提供不少于10种文本分析算法，包括分词、信息抽取、文本过滤、向量空间、关键词提取、命名实体识别、文本相似度、观点情感分析等。

提供不少于5种自动学习算法，如自动择参、自动分类、自动回归、自动聚类等。（提供系统功能截图）

（14）支持一键式建模功能，用户只需输入数据，通过该功能可以自动完成数据处理、特征工程、算法及参数选择及模型评估等环节。（提供系统功能截图）

（15）提供不少于4种扩展编程算法，支持用户编制SQL\R\Python\Java等脚本语言实现个性化的算法扩展。（提供系统功能截图）

（16）提供不少于5种评估算法，平台支持对构建的挖掘模型进行K-S、Pr、Roc等评估，给出最优模型，同时能够在建模过程中，对模型进行输出、读取及利用。支持模型评估、模型读取、模型输出、模型利用等。（提供系统功能截图）

（17）支持学生及教师全方位观察建模过程及模型结果，包括数据接入、数据处理、模型建立评估等，均可以在平台的洞察中查看中间结果，并支持洞察报告预览功能及将洞察内容导出到WORD。（提供系统功能截图）

（18）支持流程和模型的多版本管理机制，便于用户进行历史流程的回溯，或不同模型版本的引用。

（19）支持学生提交机器学习实训成果及实验报告作为实训作业。

（20）支持在机器学习实训模式下记录学生的学习时长。

（21）可视化分析实训需要支持拖曳式的数图映射模式，学生仅需要拖曳数据字段即可生成相关图形及可视化场景的建立。

（22）提供表关联、表结构同步、列重命名、列隐藏、列合并、计算列、地理分析、数据权限、列分析、类型转换、替换值、日期格式、按范围分段、数据权限分配等数据准备功能。（提供系统功能截图）。

（23）可视化分析实训环境的图形组件需支持常用、高级、时序、实时等不少于4类50种，其中常用图形需包括柱形图、条形图、柱线组合图、纵向组合图、面积图、饼图、玫瑰图、仪表盘、文字KPI、水球图（KPI）、行政地图、标记地图、迁徙地图、列表、交叉表、自由式报表，高级图形需包括旭日图、玉玦图、矩形树图、漏斗图、关系图、词云图、瀑布图、箱线图、桑基图、力向导图、热力图、甘特图等，时序图形需包括时序线图、时序柱图、时序面积图、时序仪表盘、时序水球图等，实时图形需包括实时线图、实时标签图。（提供系统功能截图）

（24）支持上卷、下钻、联动、链接、保留、排除等不少于6种图形交互方式。（提供系统功能截图）

（25）需支持强大的分析计算能力：包括聚合计算，如合计、计数、总体标准差、总体方差、平均值等；支持丰富的计算函数；支持复杂的分析场景：包括如同比、环比、累计占比等；支持数据的预警分析，能够实现多样的条件格式；支持趋势线拟合、参考线、时序预测、聚类分析等功能。（提供系统功能截图）

（26）提供3D图形组件，内置3D渲染引擎与3D效果设计器，支持上传OBJ类型的3D模型与数据指标进行映射展示，支持3D模型管理和3D脚本编码能力。（提供系统功能截图）

（27）需提供“中国式”复杂报表在内的多种报表样式，支持多表头合并、行列转置、分组交叉、混合报表、同比、环比等，轻松实现任意形态的报表展现。

（28）支持R语言组件、Python语言组件、JS脚本功能等图形展示效果扩展功能。（提供系统功能截图）

（29）为用户提供丰富的设计与美化素材，提供场景配置的快速入口并可一键完成场景优化，节省用户页面设计时间，提高效率。同时，用户可将场景页保存为个人模板，方便再次使用。

（30）提供word报告生成模式，支持用户通过在word中插入平台的数据指标、图形报表、函数计算规则等，并支持word模板的上传与下载。（提供系统功能截图）

（31）支持将多个可视化场景组装成一个专题报告。

（32）支持学生提交可视化分析实训成果及实验报告作为实训作业。

（33）支持在可视化分析实训模式下记录学生的学习时长。

（34）支持机器学习与可视化分析相融合的实训模式，实现在一个实训中设置多个作业节点分别进行机器学习与可视化分析，利用其结果组合完成复杂度高的大型数据分析实训项目。（提供系统功能截图）

（35）支持学生组合提交机器学习与可视化分析实训成果及实验报告作为实训作业。

（36）支持分别记录学生在多个作业节点中的学习时长及学习总时长。

（37）支持学生在线根据题目要求在Jupyter Notebook上进行编码式大数据分析相关实训练习与学习。

（38）须提供代码训练功能，教师可通过自由设置，将代码模块留空，交予学生进行编程训练。

（39）所提供实验环境文本编辑器须支持多种编辑器风格，包括但不限于：markdown。

（40）提供代码片段库功能，可直接“一键式”插入Notebook内容，并运行。

（41）支持学生提交.ipynb文件及实验报告作为实训项目作业。

（42）提供重置环境功能，让学生可将当前容器重置到初始状态，重新开始学习。

（43）支持自动化创建学生的学习容器，并进行资源回收计时。

（44）支持在容器使用倒计时临近时对用户提醒，用户可根据自身需要进行续时，若使用时间到期且未续时，资源将自动回收，防止出现服务器资源被大量无效占用导致学生实验启动失败或卡顿问题。

（45）提供实训数据集，支持教师将本地数据文件上传至数据集中，通过复制容器地址的方式在Jupyter Notebook中调用。

3.项目实训管理平台

（1）项目实训管理平台为教师和学生提供云端编程、远程命令行、低代码开发、云桌面、交互式编程等多种实践模式，满足不同类型专业课程知识、技能的在线实践需求。

（2）云端编程实践模式基于容器化方式实现，可支持多种编程语言环境。

（3）支持在线提交代码进行评测，学生在线提交评测后，系统会对学生编写的代码的准确性进行自动化评测，实时获取评测结果。（提供系统功能截图）

（4）支持将预期输出与实际输出结果比对，帮助学生检查代码错误。

支持云端编程实践模式设置多组测试集对学生代码运行结果进行校验，保障学生代码的可靠性。

（5）支持根据实践课程内容为不同题目设置不同评测时长，防止代码出现死循环造成环境崩溃，同时也对学生代码性能作出要求，评测时间超过评测时长即视为代码不通过。

（6）支持学生进行实践代码评测时，一键点击即可启用题目所需实验环境，启动评测时占用资源，评测完成后资源自动回收，快速释放实验资源，实现实验资源即启即用，自动分配利用。（提供系统功能截图）

（7）提供重置单页代码、重置代码仓库、返回通关时代码等功能，让学生可将当前或全部的代码恢复到初始状态，重新开始学习，防止代码环境发生改变造成实践无法继续进行。

（8）支持学生自行修改云端编程实践环境中代码字体大小。

（9）支持对学生在云端编程实践环境中的学习行为进行监控与统计，记录学生学习时长，通关时间，通关答案。

（10）远程命令行实践模式基于容器化方式实现，学生可在线根据题目要求在命令行上进行操作，提交作业。

（11）学生在线提交评测后，系统会对学生作业的准确性进行自动化评测。若未通过，需返回失败原因。

（12）支持远程命令行模式中记录学生的学习时长，通关时间。

（13）支持远程命令行重置环境功能，让学生可将当前容器重置到初始状态，重新开始学习。

（14）支持限制每个学生实践时使用的CPU、内存，可指定持久化保存容器内多个路径下学生的文件。

（15）自动化创建学生的学习容器，在一定时间不操作后，资源自动回收，实现无感知的实验资源管理。

（16）要求提供公共实训和个人实训两部分内容，需支持教师将公共实训和个人实训的项目案例资源添置个人课程中进行编排和发布应用于教学中。

（17）要求大数据项目实训内容基于浏览器的B/S模式，学生机器无需安装任何软件即可访问实训环境开始实训练习。

（18）每个实训项目提供详细实训指导手册，包括不限于项目背景、业务要求、分析思路、知识点讲解、应用价值等方面，实训指导手册中支持插入图片、表格、代码块等。

（19）支持教师自行创建低代码开发、云桌面、交互式编程等三种类型的实训课程。（提供系统功能截图）

（20）支持教师组合使用可视化分析与机器学习工具，制作多作业节点的融合型拖拽式实训。（提供系统功能截图）

（21）支持教师自定义拖拽式实训的实训名称、实训简介、所属行业、实训难易度、实验课时、实训手册、设置项目作业节点以及是否提交实验报告。（提供系统功能截图）

（22）支持教师自行创建基于Jupyter Notebook工具的编码式实训课程。

支持教师自定义编码式实训的实训名称、实训简介、所属行业、实训难易度、实验课时、实训手册、作业要求、是否提交实验报告。

（23）支持教师根据所建课程需求自行选择实训环境，并支持对实训环境占用的资源进行自定义配置，配置项包括存储空间、内存、CPU，支持自定义持久化路径。

（24）支持教师在线编辑实训作业中的示例代码文件或上传本地代码文件至Jupyter Notebook环境中，在完成编码式实训创建后，可同步至学生端，在学生实训过程中给予文字或代码提示。（提供系统功能截图）

（25）支持教师选择平台云桌面环境创建实训课程，支持教师云桌面课程的实训名称、实训简介、所属行业、实训难易度、实验课时、实训手册、作业要求、是否提交实验报告。

（26）支持教师选择多节点实训环境类型，并支持通过高级配置功能配置实训环境所需要的运行资源，包括存储空间、内存限制、CPU限制等。

（27）支持教师将创建好的实训课程进行个人发布，快速使用至自己的课堂中。

（28）支持教师将创建好的实训课程进行公开发布，添加至实践课程资源库，供全平台教师用户复用。

（29）支持教师对自己创建的实训课程进行统一管理，包括编辑、发布、下架、删除等操作。

（30）《大数据技术基础与应用实践》实验课程包：主要内容包含大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库 分布式并行编程模型MapReduce、数据仓库Hive、基于内存的大数据处理架构Spark、流计算框架Flink、大数据在各个领域的应用，提供配套教学大纲（1份）；提供配套教学PPT（1套），不少于15个；提供配套教学视频（1套），不少于125个；提供实验数量不少于36个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：什么是大数据？ 实验：Hadoop的安装和使用 实例：熟悉常用的Linux操作和Hadoop操作

实验：HDFS 操作常用的Shell命令

实验：HDFS编程实践 实例：熟悉常用的HDFS操作（上） 实例：熟悉常用的HDFS操作（下）

实验：HBase的安装与配置 实验：HBase常用的Shell命令

实验：HBase编程实践 实例：熟悉常用的Hbase 实验：Redis的安装和使用

实验：MongoDB的安装和使用 实验：MongoDB Java编程实例

实例：NoSQL和关系数据库的操作比较 实验：云数据库特性与应用

实验：MapReduce基础编程 实例：MapReduce初级编程实践

实验：HDFS2.0新特性 实验：Hive的安装

实验：Hive基本操作1 实验：Hive基本操作2

实验：Hive应用实例 实例：熟悉Hive的基本操作

实验：Spark入门 实验：Spark的安装与配置

实验：Spark Java 实验：Spark Scala

实例：Spark初级编程实践 实验：流计算基础知识与应用

实验：Flink 安装 实验：Flink编程实践

实例：Flink初级编程实践 实验：图计算基础知识与应用

实验：D3可视化库的使用方法 实验：Echarts图表制作-饼柱线。

（提供系统功能截图）

（31）《数据结构与算法》实验课程包：主要内容包括基本线性结构、递归与动态规划、排序与查找、树及其算法、图及其算法等五个模块，通过完成的课程实验培养学生的计算思维、系统分析与设计、算法设计与分析、程序设计与实现等学科基本能力，提供配套教学大纲（1份）；提供实验数量不少于30个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：栈的实现及应用 实验：队列的实现及应用

实验：双端队列的实现及应用 实验：列表抽象数据类型及其实现

实验：递归之任意进制转换 实验：递归之机器人的运动范围

实验：递归之零钱兑换问题 实验：动态规划之最长公共子串

实验：动态规划之最小编辑距离 实验：二分查找算法的Python实现

实验：插入排序算法的Python实现 实验：选择排序算法的Python实现

实验：希尔排序算法的Python实现 实验：归并排序算法的Python实现

实验：快速排序算法的Python实现 实验：基数排序算法的Python实现

实验：冒泡排序算法的Python实现 实验：树的链表实现

实验：表达式树与前中后缀表达式 实验：树的遍历（前序中序后序）

实验：二叉树序列化 实验：二又堆实现的优先队列

实验：二叉搜索树的Python实现 实验：AVL树的Python实现

实验：图抽象数据类型的Python实现 实验：图的遍历之广度优先

实验：图的遍历之深度优先 实验：图应用之拓扑排序

实验：图应用之最短路径问题 实验：图应用之最小生成树

（32）《数据采集与预处理》实验课程包：通过实验让学员掌握利用Python语言爬取网络数据并提取关键信息的技术和方法，帮助学生掌握定向网络数据爬取和网页解析的基本能力，以及数据基本的预处理方法，提供配套教学大纲（1份）；提供配套教学PPT（1套），不少于8个；提供配套教学视频（1套），不少于87个；提供实验数量不少于30个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：数据及数据分析过程介绍

实验：数据的采集与预处理

实验：python的安装和使用

实验：MySQL数据库的安装和使用

实验：Hadoop的安装和使用

实验：熟悉MySQL和HDFS操作

实验：网络爬虫基础知识

实验：解析网页（HTTP基本原理、XPath基础）

实验：HTTP请求与解析常用的Python库

实验：定制requests

实验：Scrapy爬虫基础

实验：Scrapy爬虫应用示例

实验：Kafka与MySQL的组合使用

实验：使用Python操作Kafka

实验：分布式消息系统Kafka

实验：Kafka中的数据如何保证不丢失实验

实验：Flume的安装和使用

实验：采集Kafka数据到HDFS

实验：采集MySQL数据库数据

实验：初识ETL

实验：Kettle的基本概念

实验：Kettle的基本功能

实验：Kettle的概述与安装

实验：Kettle数据抽取

实验：Kettle数据清洗与转换

实验：Kettle数据集加载

实验：pandas的数据结构

实验：pandas的基本功能

实验：通过pandas读取和写入excel数据

实验：pandas的初体验

（提供系统功能截图）

（33）《数据可视化》实验课程包：主要内容包含数据可视化原理和技术，如数据可视化简介、数据处理、D3可视化库技术、Matplotlib数据可视化技术、PyEcharts数据可视化技术、Seaborn数据可视化、数据可视化工具BI等，有助于培养数据可视化思维和实践能力，提供配套教学大纲（1份）；提供实验数量不少于33个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：数据可视化的概念

实验：数据可视化设计原则

实验：Python简介

实验：数据科学导论——数据科学认知

实验：数据及数据分析过程介绍

实验：什么是数据清洗

实验：文本预处理与数据清洗

实验：D3可视化库的使用方法

实验：Python的Matplotlib模块和线型图

实验：基于Python的面积图、柱状图、条形图

实验：PyEcharts：概述

实验：PyEcharts：基本图表（一）

实验：PyEcharts：基本图表（二）

实验：PyEcharts：直角坐标系图表（一）

实验：PyEcharts：直角坐标系图表（二）

实验：初识Seaborn

实验：Seaborn 的使用

实验：关系图

实验：NBA球员数据分析

实验：可视化工具BI基础操作

实验：分析与计算1

实验：分析与计算2

实验：图形交互

实验：中国式复杂报表

实验：企业财务报表分析案例

实验：商城销售情况分析

实验：共享单车租车情况可视化分析

实验：某公司人力薪酬分析

实验：网站客户细分

实验：微信公众号数据分

实验：电商客户分析

实验：某跨境电商市场分析

实验：直播电商用户流失行为分析

（34）《机器学习》实验课程包：主要内容包含数据分析与挖掘相关算法原理、应用的学习，如机器学习基础、广义线性模型、常用分类算法、集成学习算法、常用聚类算法、降维算法等，让学生掌握机器学习的核心思想和应用，提供配套教学大纲（1份）；提供配套教学PPT（1套），不少于6个；提供配套教学视频（1套），不少于6个；提供实验数量不少于19个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：机器学习绪论

实验：模型评估选择与验证

实验：逻辑回归

实验：线性判别分析

实验：多分类学习

实验：线性回归

实验：决策树

实验：kNN算法

实验：朴素贝叶斯分类器

实验：神经网络

实验：随机森林算法

实验：Adaboost

实验：k-means

实验：DBSCAN

实验：AGNES

实验：高斯混合聚类

实验：聚类性能评估指标

实验：PCA

实验：多维缩放

（提供系统功能截图）

（35）《自然语言处理》实验课程包：通过实验室练习、项目实践等方式，提高学生自然语言处理的实际操作能力，培养学生运用自然语言处理技术解决实际问题的能力，培养创新思维和独立思考的能力，提供配套教学大纲（1份）；提供实验数量不少于26个，每个实验配备详细的实验指导手册，包含学习目标、相关知识点、编程要求、测试说明等模块内容，具体包括：

实验：什么是自然语言处理

实验：自然语言处理简史

实验：自然语言处理相关知识构成

实验：语料库

实验：探讨自然语言处理的几个层面

实验：自然语言处理与人工智能

实验：搭建python开发环境

实验：正则表达式在NLP的基本应用

实验：Numpy初体验

实验：创建numpy数组

实验：分词简介

实验：规则分词

实验：统计分词

实验：混合分词

实验：中文分词工具

实验：词性标注

实验：命名实体识别

实验：关键词提取技术

实验：关键词提取算法

实验：文本数据预处理

实验：提取文本关键词实战

实验：句法分析概述

实验：句法分析常用方法

实验：PCFG算法进行句法分析

实验：大众点评文本情感分析

实验：文本多标签分类

（36）《跨境电商平台交易数据分析》实训资源包：基于巴西Olist电商平台的2017-2018年数据分析项目，项目旨在通过分析电商平台交易数据，深入理解用户下单行为，探索下单与时间段的相关性，以及识别运营策略中可能存在的问题，案例提供实训手册、数据集、操作视频、分析报告等，4.项目实训过程包含以下模块：

（1）业务理解：课程的业务理解部分着重于电商平台的用户下单行为分析。通过分析不同时间段的用户下单数据，课程帮助学员识别下单高峰时间点，为平台制定更精准的商品推送和营销策略提供依据。同时，课程还审视了平台现有的运营策略，发现可能存在的问题，如推广力度不足或营销策略不当等。基于这些分析，课程提出了针对性的改善建议，旨在优化电商平台的运营策略，提升用户满意度和平台业绩；

（2）分析思路：观察数据集的所有字段，并进行指标梳理，可以分为量类：一是商家相关指标，二是时间属性相关的指标，搭建指标体系后，筛选处重点字段进行可视化展示；

（3）数据理解：本作品分析数据来源于巴西电商平台的orders-merged交易数据，由于分析需要，在分析过程中只保留了2017-2018年（8月）的数据；

（4）可视化页面设计：本次BI操作聚焦于数据准备和可视化设计两大核心环节。在数据准备阶段，精细处理了数据源，通过字段重命名、空值过滤以及类型转换等操作，确保了数据的规范与准确。进入可视化设计阶段灵活运用多种图表组件，如动态文本、玉玦图、面积图等，对整体情况、时间维度等进行了深入剖析。动态文本直观展示了用户总量和交易金额，玉玦图则清晰揭示了工作日交易情况，而面积图则帮助我们了解了时间段交易的变化趋势。此外，还通过添加场景标题、调整图表样式等方式，增强了可视化作品的可读性和美观性。

5.《京东手机销售分析》实训资源包：通过对某电商的手机销售数据分析，了解各个品牌手机的销量与好评率，得出各品牌、型号手机在用户中受欢迎的程度，通过结论可以辅助厂商进行品控调整，案例提供实训手册、数据集、分析报告等，项目实训过程包含以下模块：

（1）业务理解：在当今数据驱动的时代，电商行业手机销售数据分析显得尤为关键。本课程将通过实战演练，教授学生如何收集、处理、分析和可视化手机销售数据，以揭示市场趋势、用户需求及产品表现，从而助力企业优化产品布局和制定市场策略；

（2）分析思路：首先明确分析目标和用户，针对决策层需求确定分析内容；其次进行数据梳理，收集、清洗、整合数据，提取关键指标；最后进行可视化设计，通过选择合适的图表类型和交互功能，直观展示数据和趋势，提升用户体验。整个分析过程注重数据的准确性和完整性，旨在通过可视化大屏为学校管理和决策提供有力支持；

（3）数据理解：本案例是2020年在网络中爬取的部分京东手机销售数据，数据包含了2800多条手机销售数据，超过50个手机品牌；

（4）可视化页面设计：通过运用不同的组件，成功实现了多个关键看板。首先，利用柱线组合图、环形图、矩形树图和柱形图等图表组件，成功构建了销量分析看板，全面展示了各价格区间手机型号与销量分布、销量Top的手机品牌和单品，以及各品牌与对应型号销量分布等信息。其次，借助动态文本组件，实现了评价分析看板中的销量Top5品牌手机好评率展示。

6.《电商平台化妆品牌转化率分析》实训资源包：通过某电商平台单月销售数据中抽取各品牌化妆品销售数据，从品牌角度对电商平台各化妆品牌的浏览-加购率和加购-购买率进行分析，案例提供实训手册、数据集、分析报告等，项目实训过程包含以下模块：

（1）业务理解：各品牌产品转化率是衡量产品质量和影响力的重要指标，通过横向对比各品牌的销售额及转化率数据指标等可以清晰地看出哪些品牌的产品更具价值。本案例主要是根据各品牌化妆品的点击、加购到购买指标数据，分析各品牌销售情况，针对不同类型的品牌如何提高销售额提出对应的改进意见；

（2）分析思路：计算各个品牌的销售额、浏览-加购率及加购-购买率。基于分群思维，重点关注销售额占前80%的那些品牌的转化率。运用波士顿矩阵方法按转化率给品牌分类；

（3）数据理解：本案例使用的是某电商平台2020年2月化妆品各品牌交易的脱敏数据。包括：事件发生日期、事件类型、产品编号、化妆品品牌、产品价格、用户ID等字段；

（4）可视化分析： 包括数据接入、数据准备、创建分析场景：设置背景和标题、数据处理（值替换、计算列）、数据指标分析、品牌销售额贡献、转化率对比分析、年度考核、数据筛选与图形联动、页面美化。

7.《互联网平台采购意向预测》实训资源包：基于某互联网平台的脱敏用户、商品和行为数据，旨在通过数据挖掘和机器学习技术构建用户购买商品的预测模型，案例提供实训手册、数据集、分析报告等，项目实训过程包含以下模块：

（1）业务背景：随着互联网的快速发展，电子商务平台面临着激烈的市场竞争。为了提升用户体验、增加销售额，企业越来越注重数据驱动的精准营销。本项目基于某互联网平台的实际业务需求，通过对用户数据的挖掘和分析，为企业提供个性化的营销方案，帮助企业在竞争激烈的市场中脱颖而出；

（2）分析思路：本项目首先通过数据验证确保数据的一致性和完整性，然后进行数据清洗，去除存在问题的用户群体。在此基础上，利用统计分析和机器学习技术构建用户购买商品的预测模型。通过模型的训练和优化，识别出高潜用户和目标商品的匹配结果。最后，将模型应用于实际业务场景，为企业提供精准营销的支持和决策依据。在整个分析过程中，注重数据的质量、模型的性能和业务的实际需求，以实现最佳的预测效果和营销效果。

8.《机组运行状态评价模型》实训资源包：围绕泵组历史数据，采用大数据分析技术和方法对其进行探索和研究，完成数据整理、数据探索及可视化、异常数据识别分析及故障数据标定和数据分析报告等四项任务，案例提供实训手册、数据集、分析报告、示例工程、课程PPT等，项目实训过程包含以下模块：

（1）业务理解：某区域泵站主机组2003年投入运行，2012年之前多次故障大修，2012-2017年对两站主机组进行了针对性的改造，目前运行良好，这一过程积累了丰富的检修数据、故障数据、运行数据，有必要利用大数据技术及时进行分析总结，研究建设机组状态检修模型的可行性，以便为状态检修的实现打下基础；

（2）分析思路：机组运行数据包含定子U相绕组层间温度、定子V相绕组层间温度、定子W相绕组层间温度、定子U相铁芯温度、泵组循环供水回水水温、励磁电压实际值、轴体X方向摆度、轴体Y方向摆度等不少于37个原始指标，通过对机组运行数据进行特征分析，构建特征工程，选取层次分析法模型，基于模型输入的实时数据，驱动模型进行状态评分计算，并将计算结果进行反馈；

（3）数据理解：数据主要分为某区域两个泵站各8个泵组的运行数据，并基于机组运行数据表计算了衍生指标，包括X摆度区间斜率、X摆度区间标准差、Y摆度区间标准差、Y摆度区间斜率、X摆度定基增长率、Y摆度定基增长率等不少于18个衍生指标；

（4）模型构建：机器学习层次分析法：基于业务的理解，通过指标构建，最终选取指标分别从摆度B1、振动B2、瓦温油温B3、电机B4和其他B5五个方面，建立了机组运行状态层次结构模型，得到摆度B1预测评分df1_prediction，瓦温油温B3预测分数df3_prediction，电机B4预测分数df4_prediction，其他B5预测分数df5_prediction后，在建立综合评价层次分析模型，最终输出结果为评价因素权重结果以及每一个样本的0-100区间得分结果。

（提供系统功能截图）

9.《生产经营管控》实训资源包：从生产成本、目标达成、销售情况、设备故障、异常及安全问题的微观分析，直观了解各项指标背后的管理情况，案例提供实训手册、数据集、分析报告等，项目实训过程包含以下模块：

（1）业务理解：以生产计划完成情况为牵引，实时跟踪执行情况，综合分析生产过程的质量、成本、产能等情况，通过生产过程实时动态，及时发现影响生产交付的异常风险，及时调整，保障生产订单准时交付；

（2）分析思路：主要从经营目标、销售情况、成本及安全生产四个维度进行统计分析；

（3）数据理解：本案例使用的是某企业生产经营管控数据中心相关业务数据表：《企业经营指标数据》、《营业成本数据》、《安全管理》、《报警数据》、《工厂销售完成情况》、《设备停机率》、《问题列表数据》等业务数据表，相关业务数据表核心来源于业务部门定时填报；

（4）分析过程：包括数据可视化、企业经营目标分析、设备故障、异常分析、工厂销售完成情况、本月安全问题、页面美化。

可提供的优惠条件

1.
2.
3.
……

1

2

3

4