大数据教育实训平台技术要求

大数据教育实训平台技术要求序号货物名称技术要求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支持添加自定义功能；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配置考试防切屏、防F12、防复制、分页显示、断点重连、限制答题时间功能；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配置数据审核功能，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配置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功能；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配置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，配置课程大纲、理论课程资料、实验指导书和实验指导视频；1.44至少配置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；1.45Hadoop技术原理课程：配置课程大纲、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：配置课程大纲、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、SparkStreaming、StructedStreaming；1.47数据挖掘基础：配置课程大纲、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；1.48Scala程序设计：配置课程大纲、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；1.49Python程序设计：配置课程大纲、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：配置课程大纲、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：配置课程大纲、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：配置课程大纲、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；2AI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；【提供截图证明扫描件】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支持添加自定义功能；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扫描件，原件备查；3AI教育实训平台-实验模块3.1满足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condaactivatepy3.6.9-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。4AI教育实训平台-课程模块4.1配置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实验平台上，配置课程大纲、理论课程资料、实验指导书和实验指导视频；4.3配置《数据挖掘技术与应用》课程：配置《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：数据挖掘前置知识：数据挖掘流程、Python编程基础；数据挖掘算法基础：数据预处理方法、特征工程方法、模型优化与评估方法；数据挖掘算法分类：回归算法、分类算法、聚类技术及其应用；4.4配置《机器学习技术》课程：配置《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：机器学习简介及数学基础：机器学习简介、机器学习预备知识、机器学习算法、机器学习数学基础；机器学习算法详解：回归算法、逻辑回归、朴素贝叶斯、KNN算法、决策树算法、支持向量机算法、集成算法、聚类算法、降维相关算法、关联算法；4.5配置《计算机视觉技术与应用》课程：配置《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、数字图像基础；图像预处理：图像的灰度变换、图像的几何变换、形态学处理方法、图像滤波方法；图像特征提取：SIFT尺度不变特征变换、HOG方