大数据前沿技术与智能应用资源管理平台技术要求

大数据前沿技术与智能应用资源管理平台技术要求

一、需求内容序号货物名称数量单位1数据科学与人工智能实验室平台1套2大数据课程、云计算、人工智能资源平台1套2.1云计算课程资源1套2.2大数据课程资源1套2.3人工智能课程资源1套3教学质量管理大数据分析及改进平台1套4大数据基础教学评测辅助平台1套4.1评测目标源数据包1套4.2基础实验课程模块1套一、具体技术要求序号名称配置和技术规格要求1数据科学与人工智能实验室平台1.1、具有专业管理、班级管理，支持学生用户以专业、班级为单位的组织管理功能。1.2、具有班级、课程、教师的指派、分发、绑定功能。1.3、支持课程的开课时间、结课时间、课时大小等教务属性与学生实验和案例的操作、提交进行关联。1.4、课程实施中，实时记录学生学习活跃度、学习时间轨迹、实验及案例完成度等。1.5、具有实验报告批阅功能。在实验操作过程中学生可以在线编辑并提交的实验报告进行评阅评分，支持教师在线阅览和下载学生提交的实验报告，线上线下结合方式完成打分。1.6、提供学生实验机内部操作过程的屏幕监控，并将监控数据发送至任课教师，作为教师查看、打分的依据。1.7、支持从实验/案例2个方面的完成人次统计、实验/案例2个方面的访问人次统计、课程学习时间统计等多个维度对学生学习数据进行可视化图形展示的功能。其中课程学习时时长可以分段统计排名，时间段划分1-10、11-20、21-30、31-40、41-50分钟及所有时间。1.8、支持教师对学生的实验、案例、作业进行在线批改打分功能；实验或案例打分时，可直接查看学生的实操截图，支持对学生的代码文件打zip包下载，支持学生实验文档的下载功能；作业进行批改时，支持作业文档的打zip包下载功能。1.9、提供课程成绩构成设置，管理员可设置本课程一级成绩构成及权重占比，支持各个教师间独立设置课程二级成绩组成部分及权重占比；支持根据教师设置的考核组成选择考核内容，考核内容须从系统当中选取，支持类型包括但不限于考勤、作业、随堂测验、实验、案例、期末考试，课程成绩须依据教师设置二级成绩组成进行计算。1.10、提供实验机操作过程中辅助工具栏功能，包括数据在实验机内外的复制与粘贴（支持中文拷贝）、实验机操作倒计时、实验机桌面截屏、实验机延时、实验机环境初始化重置、实验机全屏等。1.11、支持管理员在线创建课程，管理员可将创建课程权限分配给教师；支持课程内容依据章节划分，每节关联视频、课件PPT、实验、案例，提供PPT和视频在线学习功能；支持章节顺序灵活拖动调节。1.12、支持在线讨论功能，可基于课程进行提问，提供多级回复、发起问题、删除问题以及置顶问题，提供发言管理功能，教师可对学生禁言和解除禁言。1.13、支持在线考勤管理功能，教师可以创建并发起考勤，学生在线完成考勤，教师可更改学生考勤状态。1.14、支持物理机的资源监控功能，物理机的资源监控可以图形化显示，包含CPU温度、存储使用率、内存使用率、交换分区、I/O压力、网络流量等，资源监控频率可通过后台文件进行配置。1.15、具有题库管理功能，支持试题的添加、删除、导入和导出，支持题型包括但不限于单选题、多选题、判断题、填空题、简答题、计算/操作题、综合题。1.16、支持实验机全生命周期的控制，包括创建、启动、停止、删除。1.17、支持实验机运行资源的自定义调配，其中包括CPU、内存、网络模式和带宽、存储卷的参数设定。1.18、支持实验机镜像模板根据课程试验机类型进行自动关联、匹配和绑定。1.19、支持多种实验机类型，兼容大数据、云计算、人工智能方向的实验环境，实验环境与大纲章节的对应关系需灵活可图形化配置。大数据方向实验机包含但不限于Hadoop实验机、Hive实验机、HBase实验机、R语言实验机、Scala实验机、Spark实验机、Kafka实验机、Sqoop实验机、Flume实验机、Storm实验机等。1.20、提供对集群服务器运行的所有实验机进行监控和管理，可以查询编号id、所属服务器、创建时间、运行状态、开放端口、所对应的学生及实验等内容。实验机配置信息包含ID、启动指令、主机名、挂载路径信息、端口配置，集群节点信息包含节点名称、主机IP、CPU核心数量、内存大小。可统计实验机内进程信息，进程信息包含PID、PPID、C、STIME、TTY、TIME、CMD等信息。1.21、支持同屏内完成实验文档查阅与实验机操作的功能。1.22、支持授权管理功能，可通过机器码获取申请码，并通过机器码和申请码在客户端授权软件中计算出授权码。通过授权码给软件平台进行授权许可。1.23、软件永久授权2大数据课程、云计算、人工智能资源平台2.1、云计算课程资源2.1.1、以《云计算导论》、《开源云平台构建》、《虚拟化技术应用》、《云计算企业案例分析》、《云计算安全技术与应用》课程为基础，该课程包含教学大纲，章节内容及对应知识点，必须提供PPT、实验指导书、源码等。2.1.2、《开源云平台构建》提供不少于9个章节PPT，不少于6份实验指导书。实验包含OpenStack基础环境、KeyStone、Glance、Nova、Neutron、Dsahboard、Cinder等组件内容。2.1.3、《虚拟化技术应用》提供不少于7个章节PPT，不少于30份实验指导书，实验内容包含KVM虚拟化(磁盘、IO、CPU)、容器虚拟化、网络虚拟化、虚拟磁盘管理工具等内容。2.1.4、《云计算导论》提供不少于8个章节的PPT。涉及虚拟化、云计算管理平台、云安全等内容。2.1.5、《云计算企业案例分析》提供不少于8个章节的PPT，不少于8份实验指导书。实验包含虚拟化API、KVM虚拟机串口通信、RPC通信、定时任务、共享网盘等内容。2.1.6、《云计算安全技术与应用》提供不少于8个章节的PPT。涉及云安全运营、云安全实践、云安全关键技术等。2.1.7、每门课程提供不少于48学时基础的课程大纲。2.2、大数据课程资源2.2.1、以《Spark大数据开发技术》、《大数据技术基础》、《大数据企业案例》、《数据挖掘与分析》、《HBase分布式存储系统应用》、《Hive编程技术与应用》课程为基础，该课程包含教学大纲，章节内容及对应知识点，必须提供大纲、PPT、实验指导书、源码等。2.2.2、《Spark大数据开发技术》提供不少于7个章节PPT，不少于7份实验指导书，应包含Spark的基础操作和实战。2.2.3、《大数据技术基础》提供不少于7个章节PPT，不少于8份实验指导书，实验应包含HDFS的基本操作，MapReduce的基础操作。2.2.4、《大数据企业案例》提供不少于7个章节PPT，不少于8份实验指导书，包含行业应用内常见的大数据应用案例，不限于热词分析、通话记录、热搜记录、行为分析、电影推荐等。2.2.5、《数据挖掘与分析》提供不少于6个章节PPT，不少于9份实验指导书，数据内容不限于财政税收、汽车、电商、空气质量、旅游景点、系统负载等。2.2.6、《HBase分布式存储系统应用》提供不少于6个章节PPT，不少于6份实验指导书，实验内容应包含HBase的基本操作。2.2.7、《Hive编程技术与应用》提供不少于6个章节PPT，不少于7份实验指导书，实验内容应包含Hive、Sqoop、Zookeeper的基本操作。2.2.8、每门课程提供不少于48学时基础的课程大纲。2.3、人工智能课程资源2.3.1、《人工智能导论》《机器学习》《计算机视觉》《自然语言处理》《深度学习》《数字图像处理》《计算机视觉综合实训》《企业级人工智能实践》《图像处理综合实训》《自然语言处理课程设计》。该课程包含教学大纲，章节内容及对应知识点，必须提供大纲、PPT、实验指导书、源码等。2.3.2、《人工智能导论》提供不少于8个章节PPT，不少于6份实验指导书，实验内容应包含动物识别、字体识别、证据推断等。2.3.3、《机器学习》提供不少于11个章节PPT，不少于6份实验指导书，实验内容应包含K邻近值算法、PCA降维、聚类、决策树等。2.3.4、《计算机视觉》提供不少于9个章节PPT，不少于6份实验指导书，实验内容应包含图像、神经网络、目标检测、三维重建、语义分割等。2.3.5、《自然语言处理》提供不少于10个章节PPT，不少于7份实验指导书，实验内容应包含语料库、正则表达式、中文分词、文本向量化、情感分析等。2.3.6、《深度学习》提供不少于7个章节PPT，不少于5份实验指导书，实验内容包含手写数字识别、图像分类、LSTM模型等。2.3.7、《数字图像处理》提供不少于7个章节PPT，不少于4份实验指导手册，实验内容应包含图像处理、形态处理、图像描述等。2.3.8、《计算机视觉综合实训》包含不少于4个学习任务，包含人像分割、行人查找等内容，提供案例手册和代码。2.3.9、《企业级人工智能实践》包含不少于3个学习任务，包含宿舍安防、车牌检测识别等内容，提供案例手册和代码。2.3.10、《图像处理综合实训》包含不少于3个学习任务，包含信用卡数字识别、图像特征匹配等内容，提供案例手册和代码。2.3.11、《自然语言处理课程设计》包含不少于4个学习任务，包含NLP文本分类、文本情感分析等内容，提供案例手册和代码。2.3.12、每门课程提供不少于48学时基础的课程大纲2.4、软件永久授权3教学质量管理大数据分析及改进平台3.1、系统业务架构3.1.1、系统支持校级、院系两级管理员模式。3.1.2、系统可对角色以及相关权限进行设置。3.1.3、系统支持用户拥有多个角色，支持角色切换，不同角色对应不同的功能菜单权限。3.1.4、系统支持学生访问，可查看自己专业培养方案和课程大纲内容、毕业要求达成情况、课程目标达成情况等。3.2、基础信息设置3.2.1、支持院系的增删改查以及院系授权，校级管理员可对新增二级院系并对院系进行使用授权。3.2.2、支持设置院系管理员，每个院系可设置多个管理员，院系管理员可对负责院系的所有内容进行操作。3.2.3、支持记录并查看用户进入系统以后的所有行为，内容包括操作人、操作时间、IP地址、调用接口、参数信息等内容。3.2.4、支持发送通知公告，发送对象可选全体人员、教师或者学生；选择教师或者学生时，仅具备教师角色或者学生角色身份的用户才可显示和查看该通知公告记录。3.2.5、支持多级字典管理，具有字典数据的查询、添加、编辑和删除功能。系统预置字典不可更改，每个二级院系可在原有字典基础上独立维护字典信息。3.2.6、支持教研室管理，提供教研室信息管理功能，支持对教研室进行增删改查。3.2.7、支持教师、学生管理，支持教师、学生管理，提供导入、导出、账号启用、账号禁用等功能。3.2.8、支持专业与方向的多种配置模式，灵活设置一级专业模式和“专业-方向”二级模式。3.2.9、系统可对角色以及相关权限进行设置，包括校级管理员、院系管理员、院长、教学院长、教务主任、专业负责人、教师、学生等角色。可新增角色，并设置角色的功能菜单权限。3.3、提供公开途径展示专业的培养目标、毕业要求等内容，浏览模式在不登录下也可访问。通过浏览模式可查看培养目标、毕业要求、培养目标与毕业要求关系矩阵、课程体系、课程大纲信息、课程支撑毕业要求矩阵、课程目标达成情况、毕业要求达成情况等内容。3.4、人才培养方案3.4.1、每个专业支持录入多套OBE专业培养方案。3.4.2、支持创建专业、年级和人才培养方案的绑定关系，支持一个培养方案用于多个年级。3.4.3、支持对培养目标总体描述以及每一个具体的目标进行录入，提供添加培养目标时系统自动计算生成当前培养目标序号及名称。3.4.4、支持毕业要求项及其涵义描述的增、删、改操作以及毕业要求预期值设置，提供添加毕业要求时系统自动计算生成当前毕业要求的序号。3.4.5、支持对毕业要求进行观测点拆分，一个毕业要求对应多个观测点，支持观测点添加时系统根据对应毕业要求的序号自动生成指标点序号。3.4.6、培养目标与毕业要求关系矩阵设置，支持培养目标与毕业要求对应关系的矩阵设置，提供鼠标放置在培养目标或者毕业要求上显示出对应的涵义内容。3.4.7、系统预置内容包括工程教育专业认证标准、申请书模板、自评报告指导书、专家培训视频、专家培训PPT等内容，供系统用户查看和学习。3.4.8、系统支持预置至少2种课程目标达成情况计算方式，每个院系可独立设置计算公式，计算变量包含作业平均成绩、实验平均成绩、作业成绩标准值、实验成绩标准值。公式切换时可选择需要进行计算的专业和年级，切换完成后可自动计算已计算过达成度的课程。3.4.9、支持授权管理功能，可通过机器码获取申请码，并通过机器码和申请码在客户端授权软件中计算出授权码。通过授权码给软件平台进行授权许可。3.5、软件永久授权4大数据基础教学评测辅助平台4.1、基础实验课程模块4.1.2、支持课程基础信息的查询、修改、添加、删除操作。4.1.3、支持根据课程章节目录对实验进行查询、添加、修改、删除操作。4.1.4、支持根据教学大纲要求对课程章节目录动态调整。4.1.5、支持对课程中具体实验设置、查询截至时间。4.1.6、支持课程分配，允许一门实验课程分配给多个班级、允许一门实验课程分配给多个老师，但是不允许多个老师管理一个班级的一门课程。4.1.7、支持本课程学生实验成绩批量导出功能。4.1.8、支持学生实验环境重置功能。4.1.9、支持学生实验完成情况可视化统计；提供学生成长画像功能，画像信息必须包含有效在线时长、累积学习课程门类、练习题目统计、有效编码统计、学习排名信息、并以表格形式展示知识掌握情况、知识点、失误率。4.1.10、支持学生实验信息的查询展示功能。可查询具体实验详情，包含学生代码，程序结果对比的程序输出（文本），标准答案（文本），程序输出（16进制），标准答案（16进制）。4.1.11、支持学生实验代码的保存与自主编译，运行与自动评测操作，能够给出准确的代码运行结果或者错误信息，信息直接显示在操作按钮下方的面板中，不依赖新窗口。自主编译支持Java/Python/C++/C语言的编译或解释。4.1.12、实验操作面板支持禁止学生实验代码的粘贴功能。操作面板显示包含任务描述、参考程序、课程日志、源文件，源文件面板并支持Java/Python/C++/C语言的语法规范。课程日志包含执行动作（开始、评测、编译）执行结果（成功、失败）执行信息（成功信息、错误信息）执行时间，且课程日志面板和源文件面板属并行切换，切换不开启新窗口界面。4.2、评测目标源数据包4.2.1、《面向对象程序设计》课程需提供