智能数据分析实验室建设需求

智能数据分析实验室建设需求一、需求清单序号采购标的1智能计算工作站2应用工作站3机柜4机架式KVM切换器5管理交换机6应用交换机7数据分析教学管理平台8智能数据分析实验平台9Hadoop开发实验平台10云计算资源管理平台11智能无人机套装12数据分析与挖掘实验库13数据可视化技术实验库14Python编程实验库15数据采集与处理实验库16Hadoop开发技术实验库17分布式数据仓库(Hive)实验库18数据库技术(NoSQL)实验库19Spark数据处理技术实验库20机器学习实验库21深度学习实验库22计算机视觉实验库23数据库应用实验库24面向对象程序设计实验库25项目案例库二、技术要求2.1智能计算工作站序号指标分类一级指标二级指标指标要求1产品规格CPU规格*CPU信息CPU核心数≥20核心≥40线程，CPU性能核频率≥基本频率2.1GHz最大睿频≥4.0GHz，CPU热设计功耗≥125W，CPU内存通道数≥6通道；2产品规格内存规格*内存配置容量≥32GB；3产品规格*内存类型支持DDR43200MHz；4产品规格*内存条配置数量(板载内存不涉及)≥8；5产品规格主板规格*主板集成模块≥C621；6产品规格*主板支持的CPU和内存情况CPU数量：≥2,内存数量：≥16；7产品规格主板内置PCIe插槽数量≥4个PCIe3.0x16≥2个PCIe3.0X8；8产品规格*主板其他内置接口≥1个串口，≥14个SATA口，≥1个M.2口，≥2个USB3.0，≥2个USB2.0，≥1个IPMI接口；9产品规格*单内存插槽最大可支持容量(板载内存不涉及)≥128GB；10产品规格*内存插槽满配时提供的最高内存总容量≥2TB；11产品规格存储设备规格*固态盘数量≥3个；12产品规格*固态存储容量≥2个480GB,1个960GB；13产品规格*机械硬盘数量≥1；14产品规格*机械硬盘总容量≥8TB；15产品规格*机械硬盘转速≥7200rpm；16产品规格*固态存储形态采用2.5英寸形态，插卡形态宜符合2.5英寸标准尺寸和接口定义；17产品规格*存储设备其他参数要求a）固态盘应符合SJ/T11654相关规定；b）机械硬盘准备时间应不大于30s；侧面固定螺丝孔数量可为4孔或6孔；工作状态环境温度应满足5℃~55℃；其它参数应符合GB/T12628的相关规定；18产品规格显卡规格*显卡类型集成显卡；19产品规格*独立显卡显存类型/20产品规格*独立显卡显存位宽/21产品规格*独立显卡显存容量/22产品规格显示设备规格*显示屏屏占比≥80%；23产品规格*显示屏分辨率≥2560×1440；24产品规格*显示屏尺寸≥23英寸；25产品规格*显示屏屏幕比例16:9；26产品规格*显示器外观颜色黑色；27产品规格*显示屏防蓝光支持防蓝光模式，蓝光加权辐射亮度比应≤0.0012W/(·cd·sr)（瓦每坎特拉每球面度）；28产品规格*显示屏低频闪显示屏应支持低频闪≤-35dB；29产品规格*显示屏防炫目显示屏镜面反射率≤10%；30产品规格外设规格传声器数量≥0；31产品规格扬声器数量≥0；32产品规格*鼠标数量≥1个；33产品规格*键盘数量≥1个34产品规格*摄像头数量≥0个；35产品规格*键盘按键数目≥104键；36产品规格*摄像头像素≥0；37产品规格*摄像头分辨率≥0；38产品规格*扬声器功率≥0；39产品规格*扬声器频率范围无；40产品规格*键盘连接方式有线；41产品规格*键盘键程2.3mm-4.0mm；42产品规格*键盘按键压力按键压力应在0.54N±0.14N；43产品规格*有线键盘连接线≥1.5米；44产品规格*键盘颜色黑色；45产品规格*键盘其他要求键盘外观结构、连接方式、主要功能、安全、电磁兼容性、可靠性应符合GB/T14081的相关规定；46产品规格*鼠标连接方式有线；47产品规格*有线鼠标连接线≥1.5米；48产品规格*鼠标DPI分辨率800~1600；49产品规格*鼠标其他要求其它参数应符合GB/T26245的相关规定；50产品规格网络设备规格*有线网卡数量≥1；51产品规格外部接口规格*USB接口数量≥2个USB3.0，2个USB2.0；52产品规格*视频接口数量≥1；53产品规格*音频接口数量≥0；54产品规格整机基础规格*整机外观a)产品表面不应有凹痕、划伤、裂缝、变形和污染等。表面涂层均匀，不应起泡、龟裂、脱落和磨损，金属零部件无锈蚀及其它机械损伤；b)产品表面说明功能的文字、符号、标志，应清晰、端正、牢固；c)宜在产品显著位置提供运行状态指示功能，并由生产厂商提供详细参数。55产品规格*整机结构a)机箱应符合GB/T4208、GB/T26246的相关规定；b)产品内部结构应符合通用部件的安装需要；c)所有输入输出接口应符合相关国家或行业标准；d)产品零部件应紧固无松动，可插拔部件应可靠连接，开关、按钮和其它控制部件应灵活可靠，布局应方便使用；e)所有I/O连接器及需插接线缆的部位应预留用户操作空间，方便插拔解锁与插拔线缆；f)可插拔板卡插槽部位应预留安装、拆卸或更换板卡空间；g)拆装可能接触到的金属剪口或金属尖角部位应做防划伤处理，以保证安全；h)整机内部走线应规整，固线结构和位置要合理可靠并做防割线处理，需便于理线和插拔操作，走线应不影响系统各主要部件组装和拆卸；i)如需通过孔走线，过线孔应做防割线处理；j)各插头位置和插拔方向应合理，应做到插拔无障碍设计，具备防呆设计，有效避免误操作；k)各主要部件拆装无障碍，使用常规工具拆装，无特殊拆装工具需求；l)各主要部件拆装步骤要少，各自拆装需避免相互干扰；m)对于整机或零部件外表面为高亮面的，应粘贴保护膜，保护膜需粘贴牢固，运输、组装等过程不易脱落，撕下无残留；n)其它要求应符合GB/T9813.1的相关规定；56产品规格*机箱防护要求机箱应符合GB/T4208中IP20防护要求；57产品规格*整机噪音产品工作在空闲状态下，产品的声功率级应不超过4.5Bel；58产品规格*整机散热在环境温度25℃及处理器满载情况下，产品表面温度应符合下列要求：a)出风口在机箱后面板情况下，出风口温度不高于55℃；b)可触及面温度小于45℃；c)显示器表面温度：显示屏温度不高于38℃，显示屏上下灯带位置温度（如涉及）不高于40℃，出风口温度不高于45℃；59产品规格*整机能效限定值产品能效限定值应达到GB28380-2012标准中能效等级2级及以上；60产品规格*机身颜色银色；61产品规格*机箱尺寸容量机箱体积应不大于40L；62性能要求CPU性能*CPU物理核数核数≥20；63性能要求*CPU主频≥2.1GHz；64性能要求*CPU末级缓存容量≥27.5MB；65性能要求*CPU支持的内存最高速率≥2667MT/s；66性能要求内存性能*内存读写速率≥2666MT/s；67性能要求显卡性能*显示分辨率≥2560×1440；68性能要求*显卡显示芯片核心频率≥800MHz69性能要求*显存等效频率≥1600MT/s；70性能要求*显卡可支持多屏同时显示数量支持2块屏幕同时显示，分辨率应不低于2560×1440；71性能要求显示设备性能*显示屏刷新率≥60Hz；72性能要求*显示屏位深≥8位；73性能要求*显示屏色域≥99%sRGB；74性能要求*显示屏色准△E≤3；75性能要求*显示屏响应时间≤6ms；76性能要求*显示屏亮度≥300尼特；77性能要求*显示屏亮度一致性≥70%；78性能要求*显示屏对比度≥500：1；79性能要求*显示屏其他参数其它参数应符合SJ/T11292的相关规定；80性能要求网络设备性能*有线网卡速率≥1000Mbps，应支持10Mbps、100Mbps、1000Mbps速率自适应；81功能要求主板功能*内存扩展接口(板载内存不涉及)≥16；82功能要求*主板USB瞬间过流保护支持瞬间过流保护功能；83功能要求*主板防静电保护支持防静电保护功能；84功能要求*I/O接口功能提供基于标准USB接口外设连接功能、基于音频输入输出接口的音频扩展功能、基于PCIe接口板卡扩展功能、基于HDMI/VGA/Type-C/DVI/DP等接口外接显示器扩展功能、基于存储接口对产品进行增容功能等。工作站I/O接口应具备外接标准USB设备、显示器、音频设备等内外部设备能力；85功能要求显卡功能*显卡外接显示接口显卡至少支持HDMI、DP、显示接口，并与显示器接口相匹配；86功能要求显示设备功能*显示器接口显示器应与显卡外接显示接口匹配；87功能要求*显示器支架显示器应提供显示器支架；88功能要求*显示器参数调节a)提供OSD选单按钮用于调节色彩、模式等；b)支持色温、亮度、对比度调节。89功能要求存储功能*存储功能通过SATA固态存储/PCIe固态存储/UFS固态存储/SATA硬磁盘等存储部件提供存储功能。90功能要求网络设备功能*网络功能a)支持网络连接、网络开启/关闭功能；b)支持访问网络和数据交换功能。91功能要求*数据传输支持数据传输能力，并提供数据流量和异常日志记录功能；92功能要求*有线网卡接口类型支持RJ45接口；93功能要求*网络设备拆装若配备的网络设备应支持物理拆装，包括无线网卡和蓝牙模块等；94功能要求外部接口功能*音频接口类型支持3.5mm孔径4段式接口；95功能要求*视频接口类型至少支持VGA、HDMI、DVI、DP、Type-C中1种显示接口；96功能要求*HDMI、DP、Type-C显示接口要求提供HDMI作为显示接口，应支持音频和视频同步输出；97功能要求电源功能*电源线适配能力电源适配器电线组件应符合GB/T15934的要求，可拆线的插头和连接器可以不做要求；98功能要求操作系统及软件功能*中文信息处理要求符合GB18030的相关规定；99功能要求*操作系统备份及还原功能支持操作系统备份及还原功能；100功能要求*固件备份还原能力支持备份及还原固件的功能；101功能要求*操作系统及驱动升级支持通过网络、闪存盘等方式对操作系统、驱动进行升级；102功能要求*BIOS支持关闭通讯接口支持BIOS关闭以太网及USB接口功能；103功能要求*固件查看信息支持查看固件版本、内存信息、主板信息、处理器信息和系统时间信息等功能；104功能要求*固件设置启动顺序支持设置启动顺序功能，并按照设置的启动顺序启动；105功能要求*固件设置口令支持设置口令、修改口令、验证口令功能；106功能要求*固件设置网络引导支持网络引导启动和关闭功能；107可靠性要求存储设备可靠性*固态存储寿命TBW≥1750TB（条件：960G硬盘容量）TBW≥875TB（条件：480G硬盘容量）；108可靠性要求*机械硬盘寿命通电时间≥5万小时；109可靠性要求显示设备可靠性*显示屏屏幕失效点符合GB/T9813.2的要求；110可靠性要求外设可靠性*键盘按键寿命≥1000万次；111可靠性要求*鼠标按键寿命≥500万次；112可靠性要求*键盘鼠标线材寿命键盘鼠标所用线材经±60°弯折不低于3000次，功能、外观完好；113可靠性要求*风扇寿命≥4万小时；114可靠性要求整机可靠性要求*电磁兼容性要求的抗扰度符合GB/T9254.2的规定；115可靠性要求*环境条件要求的气候环境适应性符合GB/T9813.1中规定；116可靠性要求*环境条件要求的振动适应性符合GB/T9813.1中规定；117可靠性要求*环境条件要求的冲击适应性符合GB/T9813.1中规定；118可靠性要求*环境条件要求的碰撞适应性符合GB/T9813.1中规定；119可靠性要求*环境条件要求的运输包装件跌落适应性符合GB/T9813.1中规定；120可靠性要求*MTBF测试MTBF(m1)≥80万小时；121兼容要求兼容要求*常用软件兼容应支持流式软件、版式软件、浏览器、邮件客户端、解压软件、多媒体、图形图像处理等常用软件；122兼容要求*数据库兼容兼容3个及以上厂商的数据库产品；123兼容要求*中间件兼容兼容3个及以上厂商中间件产品；124兼容要求*平台软件兼容兼容3个及以上厂商云计算及大数据平台；125包装及运输要求*包装及运输要求*标志、包装、运输和贮存符合GB/T9813.1和商品包装采购需求标准的相关规定；126服务要求服务要求*配置检查工具供应商提供经自检测试工具；127服务要求*服务响应a）提供产品3年维保及上门服务（满足同城4小时、异地12小时响应要求）；b）提供政企专线7*24在线服务；c）现场保障技术服务团队员，国内上门服务地级市覆盖率达100%；128服务要求*服务周期支持产品延保≥3年提供每年延保服务报价提供备件服务能力≥3年（自购买之日起）；129服务要求*预装操作系统预装符合桌面操作系统采购需求标准的正版操作系统；130服务要求*培训服务供应商提供培训材料、产品手册、培训视频等培训相关内容；131服务要求*典型问题解决手册供应商提供典型问题解决说明文档或视频；132服务要求*厂家升级软件与扩容服务供应商提供上门升级部件/软件的增值服务；133服务要求*整机质量服务要求免费服务周期（含换件和维修）应不小于3年；134服务要求*合格证书要求供应商提供产品合格证；135服务要求*开箱组装/使用指导要求供应商提供开箱组装/使用指导；136服务要求*驱动下载服务要求供应商提供驱动光盘或下载方式；137服务要求*兼容适配软件下载服务要求供应商提供兼容适配软件下载渠道（光盘、网站）；138供应保障要求供应链合规性*产品部件保障保障产品主要部件提供3年的备件服务能力(自购买之日起)，或提供可兼容原设备的升级换代产品；139供应保障要求供应链质量*抗干扰性当产品部件出现供应风险时，供应商应通知采购人并提供风险应对方案确保产品的服务保障；140供应保障要求*供应能力证明供应商提供供应链稳定承诺书，确保产品的部件在产品服务周期内稳定供货；141安全要求整机安全*密码算法实现CPU芯片应符合GM/T0008的相关规定，或芯片密码模块应符合GB/T37092或GM/T0028的相关规定；142安全要求USB端口管控支持USB端口管控；144安全要求*信息安全基本要求a)应符合GB/T39276的5.2的规定；b)生产厂商应建立漏洞跟踪表，保证产品版本涉及到的漏洞(如驱动程序等)可查看；c)产品不得包含已知的恶意代码或漏洞，不存在未声明的指令、功能、接口；145安全要求*固件安全启动支持固件安全启动功能，固件启动过程中只有通过启动校验才能正常启动；146安全要求*限用物质的限量要求符合GB/T26572中规定；2.2数据分析教学管理平台序号具体技术(参数)要求1一、基础模块：1、平台主体采用B/S架构设计，即浏览器/服务器架构。2、支持用户角色和权限区分，分为管理员、教师、助教和学生共四种角色。不同角色提供不同的权限。3、支持教学、实训、作业、考试、资源维护等业务场景。二、课程模块：1、平台首页展示课程分类和课程，并显示轮播图，可根据需要修改轮播图。2、支持创建、编辑、删除课程，课程信息包含课程名称、课程类别、封面、开始时间、结束时间等。3、课程详情中包含9大部分，分别是课程介绍、教学资源、实训训练、实训作业、课程考试、学习交流、扩展资源、成员、成绩。4、课程介绍小节中，支持编辑课程介绍内容，课程介绍支持图文等格式。5、教学资源小节中，支持上传课件、视频，并支持直接引用资源中心中个人课件库、个人视频库的资源；支持设置小节的可见性，对学生隐藏或对学生可见；支持删除创建的内容。6、实训训练小节中，支持上传实训指导书，或引用资源中心中个人实训库的资源；支持设置小节的可见性，对学生隐藏或对学生可见；支持删除创建的内容。7、实训作业小节中，支持添加、编辑、删除和隐藏作业内容；教师可查看和批阅作业。8、课程考试小节中，支持添加考试、组卷，组卷完成后学生可参与考试；教师可查看和批阅试卷；支持隐藏考试。9、学习交流小节中，支持添加、编辑、删除和隐藏讨论区和聊天室；讨论区将支持发布和回复话题内容；聊天室支持在线多人交流。10、扩展资源小节中，支持添加、删除和隐藏扩展资源，资源类型支持网页、网页地址、文件、文件夹和工具，其中工具资源支持引用资源中心的个人工具库资源。11、成员模块中，支持管理课程成员、学习小组和选课方式。教师可添加班级和学生为课程成员获取课程的访问权限。支持在课程成员中划分学习小组。12、成绩模块中，支持教师查看学生成绩。13、支持课程成员中的学生访问课程并查看所有对学生可见的资源，如：课件、视频、实训、作业、考试、讨论区、聊天室、扩展资源。14、支持设置课程为模板，一键复制模板中的课程介绍、教学资源、实训训练、实训作业、课程考试、学习交流和扩展资源模块内容，快速创建一门新课，方便教师之间共享课程资源。15、教师可在学情概览中，查看班级学情，包含班级学习活跃度、班级实训强度、作业概览、考试概览；学生可查看个人学情，包含学习活跃度、实训强度。三、资源模块：1、资源中心包含视频库、课件库、试题库、环境库、实训库、数据集和工具库。2、视频库中，包含公共视频和个人视频，支持在个人视频中管理资源，支持共享资源，共享的资源将显示在公共视频中，其他用户可以复制资源到个人视频中。3、课件库中，包含公共课件和个人课件，支持在个人课件中管理资源，支持共享资源，共享的资源将显示在公共课件中，其他用户可以复制资源到个人课件中。4、试题库中，包含每个课程的题库，可管理课程题库，创建、导入、导出、预览题目。试题可应用于课程考试和编程式作业。5、环境库中，展示已有桌面实训环境，打开其对应容器可自定义环境中内容，修改后可以保存为新环境，支持发布并应用于课程或快速实训，反之则可取消发布。6、实训库中，包含公共实训和个人实训，支持在个人实训中管理实训指导书资源，支持共享资源，共享的资源将显示在公共实训中，其他用户可以复制资源到个人实训中。7、数据集中，包含公共数据、我的数据和标签管理。支持管理数据集，设置数据集的标签、有效期、公开状态、封面、简介等信息。共享的数据集可供其他用户复制到我的数据中。8、工具库中，包含公共工具和个人工具，支持在个人工具中管理资源，支持共享资源，共享的资源将显示在公共工具中，其他用户可以复制资源到个人工具中。工具库不限制资源文件类型。四、实训模块：1、平台支持单点登录打开不同的实训平台，分为桌面实训环境、网页实训环境和综合实训平台。2、课程实训可在课程的实训训练小节中创建，支持关联实训指导书、实训作业与实训环境。3、快速实训可在快速实训栏目中创建，无须关联实训指导书。4、支持管理桌面实训环境，查看环境运行状态、运行时间和总次数，支持批量启动、停止和删除环境。五、作业模块：1、支持报告式作业。报告式作业支持2种提交方式：学生个人提交和小组组长提交，在课程成员中分配学习小组后，可由组长代表组员提交作业。支持作业报告模板设置，教师可根据需要设置学生信息一栏中的字段，包括姓名、学号、专业、班级等，教师也可根据教学需求配置需要收集的报告信息，如实验编号、手机号等；报告正文可设置学生编辑权限，支持设置学生不可编辑区域内容，学生无法进行编辑修改。2、支持编程式作业。支持教师设置Python或Java语言编程题目，系统自动评判代码输出结果。编程式作业的题目支持同步至“题库管理”模块中，创建新作业时，支持选择题库中的编程题。3、在实训作业中，支持管理课程的实训作业，对实训报告进行创建、批阅、编辑、下载、删除等批量操作；支持以压缩包形式下载多份作业，按作业类型不同，自动转为docx或xlsx格式文件。六、考试模块：1、支持添加课程测验或考试，为考试添加新试题或从题库中批量选择填空、问答等试题，支持学生在线考试，系统对客观题实现自动评分。支持题型包含：选择题、填空题、判断题、问答题。2、教师可以管理课程考试，批阅学生提交的答卷，并查看考试分析报表，支持下载学生成绩表。七、用户模块：1、在用户管理中，管理员支持查询用户信息，管理用户，用户信息包含用户名、姓名、学号、班级、角色、上次访问时间。支持对用户设置启用/禁用，编辑用户资料，批量选课，重置密码，删除等。2、支持3种创建用户方式，分别是：单个创建、批量创建、批量导入。其中，批量创建可以快速创建一定规律的多个用户，批量导入支持使用平台的xlsx格式模板文件，编辑用户信息，批量导入。3、在班级管理中，包含班级、专业、年级模块，支持创建专业、年级、班级，并管理班级信息、成员、对班级进行选课等。八、系统管理模块：1、管理员可维护课程备份，支持批量备份课程，备份文件支持下载到本地保存。2、管理员可还原课程备份，支持上传备份包一键还原课程内容，或者在课程备课中直接点击还原。3、管理员可维护课程类别并管理所有课程，支持课程增删改查及批量排序操作，支持隐藏课程。4、管理员可维护平台信息设置，自定义系统信息和轮播图，系统信息包含平台名称、平台logo。5、管理员可维护用户设置，定义平台角色，自定义各角色的权限，对用户进行角色分配。6、管理员可维护课程基础设置、备份设置、恢复设置功能。九、技术资质：1、提供本软件的软件著作权证书，并加盖制造商公章。2.3云计算资源管理平台序号具体技术(参数)要求1一、技术架构：1、平台基于高可用架构实现。具备标准性、轻量性、稳定性及安全性。2、平台各功能组件支持离线部署。支持在离线环境中进行平台部署及更新，支持使用离线部署包从低版本升级至高版本。3、平台不限制部署环境。兼容主流硬件厂商的x86/arm架构服务器，支持在裸金属平台、虚拟化平台、超融合平台、公/私有云平台中部署；支持在已有服务器或网络设备上利旧部署。4、平台支持最小3节点模式部署。各节点具备完整功能及高可用特性；即各个计算节点即是管理节点，又是计算、存储节点；计划内、外的单一节点故障不影响平台管理、用户业务的正常运行。5、平台支持OEM定制。支持按需修改Logo、平台名称等。二、集群管理：1、平台提供多节点高可用集群。提供最小3节点高可用集群，避免单点故障。2、平台支持按需创建命名空间。用户可根据业务需求创建多个命名空间，以实现工作空间隔离。3、平台支持对节点进行标签（Label）标注。通过配置节点标签，可将容器组（Pod）调度至指定节点（Node）运行。4、平台支持多种方式部署应用。支持通过标准镜像创部署应用；支持通过自定义yaml文件部署应用；支持应用秒级发布、更新、回滚；支持滚动更新、回滚应用，不中断业务运行；支持deployment、statefulset、daemonset、cronjob、job方式部署。5、平台提供服务（service）管理功能。支持为应用创建服务对象，应用间可使用服务名+端口访问，可避免服务重启、扩容、缩容后IP变更影响访问。6、平台提供容器组（Pods）管理功能。支持调整容器组副本数、异常自动恢复、查看容器组状态/日志；支持容器组快速迁移。7、平台提供存储卷（PersistentVolumeClaim）管理功能。支持创建持久化存储卷；支持创建单节点读写、多节点读写存储卷。8、平台提供配置字典（ConfigMap）管理功能。支持通过键值对方式存储非敏感数据；支持为应用创建配置文件。9、平台提供密文（Secret）管理功能。支持储存敏感对象（密码、令牌、密钥等）；支持在不易暴露的状态下为应用提供敏感对象信息。10、平台提供容器健康检查功能。支持livenessProbe、readinessProbe、startupProbe类型探针。11、平台提供资源配额（ResourceQuota）功能。支持通过yaml文件为命名空间（Namespace）配置资源限制；支持限制可使用计算资源量（CPU、内存、GPU）、可使用存储卷总量、可创建资源对象数量（应用部署、存储卷、服务、配置字典、密文等）。12、平台提供权限管理功能。支持基于RBAC策略控制用户和应用对平台内各项资源的操作权限。13、平台提供GPU切片功能。支持多种应用场景：①支持为应用分配GPU切片，分配单位为单张GPU卡计算资源量的10%；②支持多个应用分配同一张GPU卡计算资源；③支持单个应用分配多张GPU卡计算资源。三、应用管理：1、平台提供流量管理功能。支持控制服务间的流量和API调用：(1)支持按服务配置熔断器、超时和重试规则。(2)支持对应用新旧版本配置A/B测试、灰度测试、按比例切分灰度发布。四、仓库管理：1、平台提供镜像管理功能。支持存储、管理Docker容器镜像；支持命令行上传Docker镜像。2、平台提供Chart包管理功能。支持存储、管理HelmChart包；支持通过Web页面、命令行方式上传Chart包。3、平台提供仓库日志查看功能。支持查看仓库相关操作日志记录。4、平台提供仓库同步功能。支持在不同仓库之间同步容器镜像、Chart包；支持设置同步规则；支持设置定时同步。五、应用市场：1、平台提供应用市场功能。支持展示基于HelmChart的集群应用；提供常见应用（如：Nginx、zookeeper、grafana、kafka、Jenkins、Gitlab）。2、平台提供从应用市场部署应用功能。支持在应用市场中一键将应用部署至集群环境；支持部署时修改应用配置。六、监控管理：1、平台提供资源监控功能。支持多种方式查看资源使用情况：(1)支持查看集群整体资源使用情况，例如：CPU使用率、内存使用率、网络流量。(2)支持查看存储资源使用情况，例如：存储使用率、IOPS。(3)支持查看集群内资源使用情况，例如：deployment、statefulset、pod资源的cpu使用率、内存使用率。(4)支持查看集群各节点资源使用情况，例如：CPU使用率、内存使用率、磁盘IO使用率。(5)支持查看集群组件（ControllerManager、Kubelet、Scheduler、etcd）资源使用情况。七、备份与迁移：1、平台提供备份还原功能。支持对集群资源（命名空间、deployment、pod、数据卷等）进行备份、还原；支持手动备份、还原；支持定时备份。2、平台提供数据迁移功能。支持通过备份还原方式将集群资源（命名空间、deployment、pod、数据卷等）迁移至其它集群。2.4智能无人机套装序号具体技术(参数)要求1一、无人机模块（一）飞行平台1、碳纤维复合材料四旋翼飞行器，H型机身设计，15寸桨叶。2、对称电机轴距：≥600mm。3、空机重量：≤3kg。4、作业时间：≥50min（标准正射挂载）。5、（GPS/MINS）和传输距离可达5km的数据链路。6、可跟随地形仿地飞行。7、支持自动触发拍照，POS数据自动存储，地面下载。（二）飞控1、飞控系统采用双处理器，F4核心处理器外加FPU（浮点运算单元），F1处理芯片作为故障保护协处理器，闪存≥2MB，内存≥256kb。2、核心算法：捷联式惯性导航系统、卡尔曼滤波以及扩展卡尔曼滤波、飞行控制PID算法。3、使用三余度惯性导航系统（IMU），包含3x加速度计，3x陀螺仪，3x磁罗盘，2x气压计，在GPS定位异常时可转换为惯性导航，确保飞行安全。4、GPS内置F3处理芯片，运行实时操作系统（chibiOS），满足更多元化的导航需求。内置气压计MS5611，用于气压和高度测算，保证飞行高度的准确性。三、地面站1、遥控续航时间≥60h。2、数据链路：蓝牙+TypeC+RD-Link，图传及数传作业半径不小于15km。3、地面站航线规划支持带状地形、断点续飞等功能。4、采用双冗余天线设计，自动优化数据通讯链路质量。三、任务载荷1、单镜头相机整机重量≤250g。2、像素：≥2430万，传感器尺寸：APC画幅23.5*15.6mm。3、存储器容量≥256GB。4、曝光间隙≥0.8s。5、供电方式：无人机统一供电。6、防护等级：≥IP64。7、镜头焦距：≥25mm。二、智航无人机摄影测量仿真实验模块。（一）基本要求软件需基于虚拟现实技术，为学生及相关从业人员模拟实训操作开发，安装在PC端上，完全模拟无人机由像控点布设、航线规划、影像数据采集、导出、数据处理的航测全过程。（二）实训场景场景中需包含基础高山、丘陵、校区、公路、隧道口等不同类型的场景，在场景中行动遇到房屋、栏杆、数木、草、路灯等实体，需要模拟现实场景中的行为，避让物体才能进一步行动，无人机操作过程中，撞上地物、或操作不当会引起炸机的失控行为，依照标准：《数字航空摄影规范第1部分：框幅式数字航空摄影》（GB/T27920.1–2011）；《工程测量规范》（GB50026-2007）；《无人机航摄安全作业基本要求》（CH/Z3001–2010）。（三）实训仪器1、实训仪器中包含无人机、遥控器、标靶板、单反相机、挂载相机高清单镜头相机、挂载相机五镜头相机、移动站、手簿。2、无人机：包含无人机安装与基本操作功能。（1）无人机机翼、电池、相机安装。（2）安全设置与检查，包括但不限于航高、限高、GPS定位、当前电量、遥控器摇杆模式、失控行为、内存卡、航线规划等。（3）操控遥控器，进行无人机的起飞/降落、上升/下降/悬停、前进/后退、左飞/右飞、左旋/右旋的虚拟仿真操作。（4）支持无人机飞行跟随视角，能跟随无人机视角飞行到地物上方进行地物观测、场景踏勘，可轻松掌握飞行技术。3、移动站：配合手簿，进行cors数据链设置、求转换参数、点测量控制点测量、导出数据等功能。（四）实体遥控器操控1、支持实体无人机遥控器操控虚拟无人机进行各种姿态飞行。2、支持地面站航线数据通过无线形式传输到虚拟无人机进行任务飞行。3、支持虚拟场景卫星影像无线传输到实体地面站。三、航测一体化处理1、数据整理：针对虚拟仿真相片数据进行流程化整理，整理过程自动识别五路POS点，自动识别地面POS点，自动识别废片和可能存在的漏片位置。高速拷贝或剪切照片，同时支持POS数据、焦距写入照片和照片重命名等功能，整理完成后可在二维地图展示POS点。2、多元数据叠加：支持多元成果数据的叠加展示，包括在线地图、KML、SHP、CAD等格式的矢量数据、TIF等格式的栅格数据、OSGB的倾斜实景数据、OBJ等的人工模型数据，提供三维测量分析、坐标转换工具。3、一键式空三：针对虚拟仿真相片进行一键自由网空三计算，并对空三进度进行显示，自由网空三完成后支持虚拟仿真导出的像控点进行刺点，刺点完成后进行一键控制网平差。4、建模：针对虚拟仿真空三进行单机建模，可进行导入kml范围线圈定建模范围，支持调整建模占用内存大小，支持选择模型输出坐标系，可输出OSGB格式模型，支持空三和建模成果加载。5、模式切换：支持考试和练习两个模式，在非考试时期可进行多次练习，提高操作熟练度。6、架次解算：直接针对多架次批量后差分解算，支持常用观测文件格式，并支持记录通用格式、大疆无人机观测数据；基站仪器高、天线与相机相位差信息可在差分计算中直接改正。7、提供测区范围绘制：提供多种绘制测区范围的方式，包括一键导入kml等数据格式的文件作为测区范围、导入dwg作为底图来提取测区范围及自绘测区。8、支持自定义像控格网和预采像控位置：支持自定义像控格网的大小，可在地图上自定义标注预采像控点的位置，一键导出kml等常用数据格式的像控点文件，并且支持通过直连像控点采集设备进行照片的快速整理及生成点注记文件。9、空三成果导出：支持将空三成果导出XML格式，导出过程中各种参数（如相机参数）均按照严格模型进行高精度转换，导出成果在其他软件中可不经处理直接进行后续建模等工作。10、3D画图模块支持虚拟仿真模型和目前市场大部分主流软件输出的OSGB、S3C模型浏览，可基于三维模型进行DLG采编。11、支持多窗口同时加载多个三维模型，支持多种二三维窗口显示以及二三维窗口同步缩放、平移、旋转，数据浏览平滑、操作顺畅。12、多样化的采集方式，提供多种便捷绘房方式，如房棱绘房、直角绘房和面面相交绘房等。13、大容量矢量和栅格数据支持，软件可以加载大范围的基础数据，实现平滑的拖动、漫游、放大缩小等操作。14、可通过指定一点或多点确定切割平面，对三维模型进行多种形式的切割，对模型指定部分进行隐藏，有效解决植被遮挡高楼问题。15、基于三维模型增加更多绘制和修改功能，支持偏移构面，方便绘制中间突出的阳台或飘楼；绘制房屋过程能够同时支持你和与圆弧绘制，灵活绘制各式房屋。2.5数据分析与挖掘实验库序号具体技术(参数)要求1一、《Python大数据数学基础》1、课程需以任务实现为导向，介绍Python大数据数学及其知识的应用，讲解如何利用大数据数学基础解决部分实际问题。课程内容包括介绍学习《Python大数据数学基础》的微积分基础、概率论与数理统计基础、线性代数基础、数值计算基础，并讲解多元统计分析。通过学习本课程，可掌握在大数据的研究和应用中所需要的数学基础。2、课时设置：理论教学不少于38学时，实践教学不少于26学时，总计不少于64学时。3、课程资源：包含实训指导书数量≥21份、课程视频数量≥37个、课程PPT数量≥8份、代码数量≥21份、数据数量≥8份。4、课程实验清单：包括但不限于函数与极限；导数；微分；微分中值定理与导数的应用；不定积分与定积分；数据分布特征的描述统计；概率与概率分布；参数估计与假设检验；行列式；矩阵及其运算；矩阵的特征分解与奇异值分解；误差；插值方法；函数逼近与拟合；非线性方程（组）求根；回归分析；判别分析；聚类分析；主成分分析；因子分析；典型相关分析。二、《Python数据分析与挖掘》1、课程内容包括讲解常用机器学习理论和算法的方法，如数据挖掘基础介绍、数据探索、数据预处理、分类与回归、聚类分析、关联规则、智能推荐和时间序列算法。同时，通过介绍机器学习中的常用算法应用，从宏观把握每种算法解决问题时的思路。通过学习本课程，可掌握数据分析与挖掘中常用机器学习算法的应用情景、算法理论基础、算法编程实现、模型评价体系构建的主要方法和技能。2、课时设置：理论教学不少于32学时，实践教学不少于32学时，总计不少于64学时。3、课程资源：包含实训指导书数量≥11份、课程视频数量≥68个、课程PPT数量≥9份、代码数量≥32份、数据数量≥20份。4、课程实验清单：包括但不限于判断与循环、函数、类型转换的使用；分布、描述性统计和贡献度分析；对比、相关性和周期分析；数据清洗；数据变换；数据分组聚合；使用分类算法实现客户流失预测；使用K-Means聚类实现超市客户聚类分析；使用关联规则算法挖掘网址的相关关系；使用协同过滤算法实现对用户购买品牌的个性化推荐；使用ARIMA算法实现气温预测。三、《Python文本挖掘实战》1、课程需以任务实现为导向，介绍文本信息转化为数据，进行建模分析，提炼出核心内容、分析文本数据之间的关系等内容。课程内容包括介绍文本挖掘的原理、常见文本分类器、文本向量化表示等内容。通过学习本课程，可掌握文本挖掘的原理，利用文本挖掘绘制词云图具体流程，熟悉模型的构建方法。2、课时设置：理论教学不少于16学时，实践教学不少于8学时，总计不少于24学时。3、课程资源：包含实训指导书数量≥5份、课程视频数量≥11个、课程PPT数量≥1份、代码数量≥2份、数据数量≥1份。4、课程实验清单：包括但不限于正则表达式；中文分词：匹配法；中文分词：HMM；中文分词：HMM的维特比算法实现分词；绘制词云。2.6数据可视化技术实验库序号具体技术(参数)要求11、课程需通过讲述创建图形、输出保存图形的整体流程、具体的各种图形及修改图形中的特征来介绍Matplotlib模块、Seaborn模块和Pyecharts绘制基本图表，逐步呈现Python由基础到高级绘图。通过学习本课程，可掌握Matplotlib绘图、Seaborn进阶绘图和Pyecharts绘图的主要方法和技能。2、课时设置：理论教学不少于24学时，实践教学不少于24学时，总计不少于48学时。3、课程资源：包含实训指导书数量≥26份、课程视频数量≥35个、课程PPT数量≥6份、代码数量≥3份、数据数量≥12份。4、课程实验清单：包括但不限于绘图基础语法和常用参数；分析特征间关系；分析特征内部数据分布于分散状况；分析1996-2015年人口数据特征间的关系；分析1996-2015年人口数据各个特征的分布与分散状况；实现scatterplot关系图；实现lineplot关系图；实现relplot关系图；实现分类散点图；实现分类分布图；实现分类估计图；实现kdeplot分布图；实现rugplot分布图；实现distplot分布图；实现regplot回归图；实现lmplot回归图；实现heatmap矩阵图；实现clustermap矩阵图；实现FacetGrid网格图；实现PairGrid网格图；实现JoinGrid网格图；Pyecharts绘制基本图表；Pyecharts绘制直角坐标系图表；Pyecharts绘制树形图表；Pyecharts绘制地理图表；Pyecharts绘制3D图表。2.7Python编程实验库序号具体技术(参数)要求1一、《Python编程基础》1、课程需以任务实现为导向，介绍Python编程基础及其知识的应用，讲解如何利用Python的知识解决部分实际问题。课程内容包括介绍学习Python的准备工作，如Python的由来与发展、Python环境搭建、编辑器介绍与安装等；介绍Python的基础语法、数据类型与结构、程序控制流、函数和Python面向对象编程等内容；讲解文件基础和第三方模块的使用。通过学习本课程，可掌握Python开发环境的搭建、Python基础入门、函数、面向对象编程、实用文件模块等知识点。2、课时设置：理论教学不少于24学时，实践教学不少于24学时，总计不少于48学时。3、课程资源：包含实训指导书数量≥41份、课程视频数量≥41个、课程PPT数量≥8份、代码数量≥17份、数据数量≥1份。4、课程实验清单：包括但不限于Python环境搭建；使用PyCharm创建一个应声虫程序；输入输出；创建字符串变量并提取里面的数值；计算圆形的各参数；对用户星座进行分析；通过表达式计算给定的三个数值均值、方差、标准差；创建一个列表（list）并进行增删改查操作；转换一个列表为元组（tuple）并进行取值操作；创建一个字典（dict）并进行增删改查操作；将两个列表转换为集合（set）并进行集合运算；计算出斐波那契数列前两项给定长度的数列，并删除重复项和追加数列各项之和为新项；用户自定义查询菜单，输出查询结果；简单的好友通讯录管理程序；对两个给定的数进行最大公约数、最小公倍数的分析；求解曲边图形面积；单词词频统计；实现考试成绩划分；实现一组数的连加与连乘；使用冒泡排序法排序；输出数字金字塔；猜数字游戏；统计字符串内元素类型的个数；自定义函数实现方差输出；使用匿名函数添加列表元素；存储并导入函数模块；构建一个计算列表中位数的函数；使用lambda表达式实现对列表中的数求平方；创建Car类；创建Car对象；迭代Car对象；产生Land_Rover对象（子类）；在精灵宝可梦游戏创建小火龙角色，对给出的各属性进行迭代和私有化；对小火龙游戏角色采用继承的方式；对txt文件进行读写；对csv文件进行读写；os模块；shutil模块；计算iris数据集的均值；编程实现文件在当前工作路径的查找；文件数据读取及词频统计。二、《Python数据分析实训》1、课程需以实训为主，包括探索Iris鸢尾花数据、探索Chipotle快餐数据、探索Apple公司股价数据三个内容，主要是学习pandas库的数据处理分析功能，对dataframe格式的数据实现增删查改、排序、筛选等功能。通过学习本课程，可掌握使用pandas进行数据缺失值处理、数据统计分析、日期数据处理分析的主要方法和技能。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。3、课程资源：包含实训指导书数量≥6份、课程视频数量≥12个、课程PPT数量≥1份、代码数量≥4份、数据数量≥3份。4、课程实验清单：包括但不限于iris数据处理；探索Chipotle快餐数据；探索Apple公司股价数据；探索美国犯罪数据；学生成绩分析；二手房价分析。2.8数据采集与处理实验库序号具体技术(参数)要求1一、《Python网络爬虫实战》1、课程需以任务实现为导向，介绍不同网页的爬取，以及最流行爬虫框架的使用，将理论与实践相结合，课程内容包括Python爬虫环境与爬虫简介、网页前端基础、简单静态网页爬取、认识动态网页、模拟登录、Scrapy爬虫。通过学习本课程，可掌握Python在静态网页、动态网页、需要登录后才能访问的网页、PC客户端、APP中爬取数据的主要方法和技能。2、课时设置：理论教学不少于14学时，实践教学不少于18学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥25份、课程视频数量≥44个、课程PPT数量≥7份、代码数量≥3份、数据数量≥1份。4、课程实验清单：包括但不限于使用Socket库进行TCP编程；使用Socket库进行UDP编程；使用Socket库连接百度首页；实现HTTP请求；Requests库实现HTTP请求；正则表达式模块解析网页；Xpath解析网页；Soup库解析网页；MySQL数据存储；生成GET请求并获取指定网页内容；搜索目标节点并提取文本内容；在数据库中建立新表并导入数据；逆向分析爬取动态网页；使用Selenium库爬取动态网页；存储数据至MongoDB数据库；爬取网页“”推荐图书的信息；爬取某网页的Java图书信息；将数据储存到MongoDB数据库中；使用表单登录方法实现模拟登录；使用Cookie登录方法实现模拟登录；使用表单登录方法模拟登录某论坛；使用浏览器Cookie模拟登录某论坛；基于表单登录后的Cookie模拟登录某论坛；使用Scrapy爬取网页动态；定制BdRaceNews爬虫项目的中间件。二、《Flume采集与传输》1、课程需以任务为导向，详述Flume的安装、配置及应用。课程内容包括Flume简介；Flume快速入门；Flume安装；FlumeAgent组件类型；拦截器、Channel选择器和Sink处理器；常见的Flume采集配置。通过学习本课程，掌握Flume理论知识，学会根据采集数据的需求选择合适的组件来完成数据采集的任务。2、课时设置：理论教学不少于8学时，实践教学不少于8学时，总计不少于16学时。3、课程资源：包含实训指导书数量≥9份、课程视频数量≥21个、课程PPT数量≥5份、代码数量≥16份。4、课程实验清单：包括但不限于Flume安装配置；Flume采集网络端口数据；Flume采集文件到HDFS；定时任务实现数据生成；FlumeexecCommand命令采集文件到本地；Flumetaildir监听同一类型文件；Flume时间戳拦截器；Flume正则过滤拦截器；FlumeChannel选择器。三、《Sqoop转换与处理》1、课程应较为全面地介绍Sqoop大数据技术的相关知识，能有效指导学生对Sqoop大数据技术的学习理解及应用。课程内容包括Sqoop基本原理与架构、Sqoop安装与配置、Sqoop常用命令、Sqoop增量导入等内容。通过学习本课程，能够让学生理解Sqoop基础架构，灵活运用Sqoop根据传输数据并应用于实际问题。2、课时设置：理论教学不少于8学时，实践教学不少于8学时，总计不少于16学时。3、课程资源：包含实训指导书数量≥8份、课程视频数量≥4个、课程PPT数量≥4份、数据数量≥2份、代码数量≥2份。4、课程实验清单：包括但不限于Sqoop安装配置；Sqoop导出数据-HDFS到MySQL；Sqoop导入数据-MySQL到Hive；Sqoop导入数据-MySQL到HDFS；Sqoop导入数据-MySQL到HBase；Sqoop查询MySQL用户日志数据表记录数；Sqoop导入MySQL中的用户日志数据至Hive；Sqoop导出Hive中的筛选结果至MySQL。2.9Hadoop开发技术实验库序号具体技术(参数)要求11、课程需以任务实现为导向，课程内容包含Hadoop简介、完全分布式集群搭建、常用HDFS、MapReduceShell及其API操作、MapReduce编程。通过学习本课程，能够掌握搭建Hadoop完全分布式集群，掌握HDFS的基础操作以及掌握MapReduce程序的编写的主要方法和技能。2、课时设置：理论教学不少于20学时，实践教学不少于28学时，总计不少于48学时。3、课程资源：包含实训指导书数量≥21份、课程视频数量≥42个、课程PPT数量≥9份、代码数量≥5份、数据数量≥7份。4、课程实验清单：包括但不限于Java安装及Hadoop完全分布式集群搭建；查看Hadoop集群的基本信息；上传文件到HDFS目录；运行首个MapReduce任务；统计文件中所有单词的平均长度；查询与中断MapReduce任务；查看HDFS上的文件内容；使用Eclipse创建MapReduce工程；编程实现按日期统计访问次数；编程实现按访问次数排序；获取成绩表的最高分记录；实现对两个文件中数据的合并与去重；统计Hadoop出现的次数；筛选日志文件生成序列化文件；API读取序列化日志文件；优化日志文件统计程序；Eclipse提交日志文件统计程序；统计全球每年的最高气温和最低气温；筛选气温在-15到25度之间的数据；计算学生平均成绩；QQ好友推荐。2.10分布式数据仓库(Hive)实验库序号具体技术(参数)要求11、课程应较为全面地介绍Hive大数据技术的相关知识，能有效指导学生对Hive大数据技术的学习理解及应用。课程内容包括介绍Hive的出现背景；介绍Hive安装配置和应用；介绍使用Hive进行统计分析、Hive自定义函数和查询优化。通过学习本课程，可掌握Hive的基础知识和安装配置，熟悉Hive的基本操作，掌握Hive在实际开发的应用及自定义函数的方法，并且能够对查询语句进行优化。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥16份、课程视频数量≥30个、课程PPT数量≥6份、代码数量≥15份、数据数量≥12份。4、课程实验清单：包括但不限于Hive安装配置；Hive数据仓库操作；Hive内部表创建；Hive外部表创建；Hive数据导入；Hive数据导出；HQL语句之选择查询；HQL语句之where语句；HQL语句之模糊查询和分组查询；HQL语句之join连接；HQL语句之排序方法；Hive命令行操作；Hive关系运算；Hive算术运算；Hive逻辑运算；Hive其他内置函数。2.11数据库技术(NoSQL)实验库序号具体技术(参数)要求11、课程从理论入手，配合对应实例，首先介绍非关系型数据库HBase的基本内容，接着从HBase的架构原理展开讲解，并实际演练贯穿HBase的安装配置和HBaseShell基本操作，最后介绍HBase表的模式设计及HBaseJavaAPI应用。通过学习本课程，可了解HBase的主要应用场景，熟悉HBase的安装配置及其架构原理，掌握HBaseShell基本操作、模式设计和API使用的主要方法和技能。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥5份、课程视频数量≥16个、课程PPT数量≥6份、代码数量≥1份、数据数量≥1份。4、课程实验清单：包括但不限于HBase安装配置；HBaseShell基本操作；用户表设计；HBaseJavaAPI创建学生表；HBaseJavaAPI创建课程表。2.12Spark数据处理技术实验库序号具体技术(参数)要求1一、《Spark大数据技术与应用》1、课程内容包括介绍Spark的基本概述和集群安装配置流程；针对每个知识点通过基础理论讲解，并配合相应的实践操作的方式进行贯穿介绍，包括SparkShell应用、Spark开发环境配置、SparkSQL应用、SparkStreaming实时计算框架、SparkGraphX图计算框架和SparkMLlib机器学习算法库。通过学习本课程，可掌握Spark开发环境的搭建、Spark架构原理、SparkRDD算子和SparkSQL等知识点。2、课时设置：理论教学不少于32学时，实践教学不少于16学时，总计不少于48学时。3、课程资源：包含实训指导书数量≥27份、课程视频数量≥47个、课程PPT数量≥10份、代码数量≥32份、数据数量≥13份。4、课程实验清单：包括但不限于搭建Spark环境；以学生成绩创建RDD；查询学生成绩表中的前5名；输出单科成绩为100分的学生ID；输出每位学生所有科目的总成绩；输出每位学生的平均成绩；将汇总后的学生成绩存储为文本文件；统计文本中性别为“男”的用户数；单词计数；读取csv数据统计地区次数；搭建开发环境；运行Spark任务；使用移动平均预测股票涨跌；竞赛网站访问日志分析；竞赛网站访问日志探索分析；SparkStreaming监听slave1的8888端口并做单词计数；SparkStreaming监听HDFS目录并做单词计数；SparkStreaming转换操作；SparkStreaming窗口操作；SparkStreaming输出操作；实现书籍热度实时计算；使用PageRank算法完成网页排名；利用二度关系完成商品推荐；构建信任网络并找出目标用户；网页图计算分析；以Logistic回归实现用户分类；以梯度提升树算法实现用户分类。二、《Kafka数据流处理》1、课程首先介绍Kafka的基础架构和常用命令操作，然后介绍KafkaProducerAPI和KafkaConsumerAPI两个常用API，最后介绍Kafka与外部系统连接操作。通过学习本课程，可掌握Kafka大数据技术的相关知识，熟悉Kafka环境的安装配置，掌握常用API的使用和相关集成原理。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥21份、课程视频数量≥35个、课程PPT数量≥8份、代码数量≥2份。4、课程实验清单：包括但不限于Kafka与ZooKeeper安装配置；KafkaTopic基本命令；Kafka生产者与消费者基本命令；KafkaEagle安装；KafkaEagle可视化界面介绍及操作；IDEA搭建与测试Kafka开发环境；Producer回调函数；同步生产数据；Producer三种常见的指定分区方式；自定义Producer分区；IDEA创建消费者消费主题消息；指定分区消费；消费者组测试；消费分区策略；命令行查看offset；自动和手动提交offset方法；指定offset某个位置进行消费；实现telnet-flume-Kafka过程；配置Scala以及导入Spark和Flink依赖；Spark与Flink消费Kafka数据；KRaft安装及使用。三、《Storm大数据实时处理》1、课程内容包括Storm简介，详述Storm环境搭建、架构原理及核心概念、开发环境配置和集群运行，介绍Storm与Hadoop、Kafka集成的实战内容。通过学习本课程，能够掌握Storm安装配置及分布式环境搭建操作，并且能够掌握Storm的环境搭建、架构原理及核心概念、开发环境配置和集群运行，以及掌握Storm与Hadoop、Kafka集成实战操作。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥11份、课程视频数量≥31个、课程PPT数量≥10份、代码数量≥2份。4、课程实验清单：包括但不限于Storm相关配置安装；StormUI界面查看；Zookeeper可用性测试；Storm开发环境配置实战；StormLocalCluster模式实战；Storm集群模式实战；Storm并行度；Hadoop实战；Storm集成HadoopAPI；Kafka操作；Storm集成KafkaAPI。四、《Flink大数据实时处理》1、课程内容包括Flink简介，详述Flink的核心概念、安装启动与监控、基础API及核心数据结构、开发环境配置及运行实例，介绍FlinkDataStreamAPI编程，介绍Flink与Kafka的整合实例。通过学习本课程，能够掌握Flink的安装启动与监控、开发环境配置、基础API编程等，学会运用所学知识进行Flink大数据实时处理实例操作。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥11份、课程视频数量≥29个、课程PPT数量≥7份、代码数量≥2份。4、课程实验清单：包括但不限于Flink安装配置；SQLAPI实战；IntellijIDEA环境配置实战；Flink单词计数；Flink集群运行实战；FlinkBatchAPI单词计数实战；Flink输入输出源实战；Flink值到值函数实战；Flink键值-键值实战；Flink和Kafka交互实战；在线欺诈检测实战。2.13机器学习实验库序号具体技术(参数)要求11、课程需以任务实现为导向，介绍Python机器学习算法实现及其知识的应用。课程内容包括讲解机器学习中的常用算法，内容需包括机器学习绪论、模型评估与选择、回归分析、决策树、神经网络、KNN、朴素贝叶斯、聚类分析、支持向量机算法的Python实现，并阐述每种算法解决问题时的思路，介绍算法的相关任务的具体操作。通过学习本课程，可掌握不同机器学习算法的应用场景，算法理论基础，编程实现、模型评价体系等。2、课时设置：理论教学不少于36学时，实践教学不少于28学时，总计不少于64学时。3、课程资源：包含实训指导书数量≥15份、课程视频数量≥49个、课程PPT数量≥9份、代码数量≥10份、数据数量≥7份。4、课程实验清单：包括但不限于完成波士顿房价预测模型；对研究生是否被录取进行预测；决策树算法自编；用决策树算法构建鸢尾花分类模型；自定义sigmoid激活函数；网络输入到输出；网络权值和阈值更新；网络模型训练；网络模型预测；求距离矩阵；找邻居；归类；自编KNN算法实现鸢尾花分类；对鸢尾花数据进行K-Means聚类；用支持向量机解决鸢尾花分类。2.14深度学习实验库序号具体技术(参数)要求1一、《TensorFlow2实战》1、课程需以任务实现为导向，将TensorFlow基础操作和进阶内容融入任务训练，构建完整的学习框架。课程内容包括介绍TensorFlow深度学习框架；基于TensorFlow2的常用数据类型和操作，讲解线性模型的构建流程，包括初始化模型、构建损失函数、模型训练、可视化和高阶API-Keras的使用；通过实例去贯穿整体流程和代码实现。通过学习本课程，可掌握TensorFlow2常用数据类型和操作、模型构建、高阶API-Keras使用的主要方法和技能。2、课时设置：理论教学不少于8学时，实践教学不少于16学时，总计不少于24学时。3、课程资源：包含实训指导书数量≥8份、课程视频数量≥11个、课程PPT数量≥1份、代码数量≥3份、数据数量≥3份。4、课程实验清单：包括但不限于Tensorflow2基础语法；Tensorflow2损失函数；Tensorflow2激活函数；Tensorflow2模型构建步骤；斑马线识别；构建一个线性模型；mnist手写数字识别；鸢尾花分类。二、《TensorFlow2深度学习原理与实现》1、课程内容包括介绍深度学习中常用算法的原理以及编程实现，包含图像识别中常用模型卷积神经网络CNN、序列数据处理常用模型循环神经网络RNN、长短时间记忆模型LSTM，并结合实训内容巩固前面学习的知识。通过学习本课程，可了解卷积神经网络CNN、循环神经网络RNN和长短时间记忆模型LSTM的模型框架和算法内容，掌握模型构建的主要方法和技能。2、课时设置：理论教学不少于8学时，实践教学不少于16学时，总计不少于24学时。3、课程资源：包含实训指导书数量≥8份、课程视频数量≥13个、课程PPT数量≥1份、代码数量≥2份、数据数量≥2份。4、课程实验清单：包括但不限于卷积操作；池化操作；全连接层的操作；卷积和池化的使用；构建卷积神经网络模型；构建循环神经网络模型；基于LSTM的字母预测；RNN和LSTM实现手写数字识别。2.15计算机视觉实验库序号具体技术(参数)要求11、课程需以任务实现为导向，介绍图像处理的相关知识，并通过综合练习实现具体内容。课程内容包括介绍图像基础知识和图像读写方法；介绍图像变换、图像增强和图像锐化的相关概念和原理，并通过练习实现对图像的处理；介绍对图像进行批处理的方法。通过学习本课程，可了解图像处理的基本概念和意义，掌握图像读写、图像几何变换、图像增强、图像锐化和图像批处理的主要方法和技能。2、课时设置：理论教学不少于16学时，实践教学不少于32学时，总计不少于48学时。3、课程资源：包含实训指导书数量≥10份、课程视频数量≥27个、课程PPT数量≥7份、代码数量≥5份、数据数量≥4份。4、课程实验清单：包括但不限于读写图像；图像的平移与旋转；图像缩放；灰度变换；直方图均衡化；二值化；图像平滑；图像锐化；视频图像处理；图像多分类识别。2.16数据库应用实验库序号具体技术(参数)要求1一、《Linux操作系统基础》1、课程内容包括介绍Linux系统的发展历程和常见版本；了解Linux基本命令和LinuxVi编辑器的使用方法；介绍LinuxShell编程。通过学习本课程，能够让学生掌握大数据技术所需的Linux技术。2、课时设置：理论教学不少于16学时，实践教学不少于16学时，总计不少于32学时。3、课程资源：包含实训指导书数量≥15份、课程视频数量≥25个、课程PPT数量≥5份、代码数量≥14份。4、课程实验清单：包括但不限于文件与目录管理；查看文件内容；Linux帮助命令；输入输出重定向及其相关命令；用户与用户组管理；管理文件权限；Linux进程管理；Linux计划任务管理；使用vim编辑器；Shell编程之数值运算；Shell编程之if条件语句；Shell编程之for循环；Shell脚本实现创建目录与权限设置；Shell脚本计算斐波那契数列前10项和；Shell脚本实现人机石头剪刀布游戏。二、《MySQL数据库基础》1、课程内容包括介绍MySQL相关的大数据技术基础知识，主要包括数据库概述、MySQL安装与配置、MySQL基本命令、MySQL基础等内容。通过学习本课程，能够学会MySQL安装配置、基础命令操作等。2、课时设置：理论教学不少于8学时，实践教学不少于8学时，总计不少于16学时。3、课程资源：包含实训指导书数量≥17份、课程视频数量≥13个、课程PPT数量≥7份、代码数量≥6份、数据数量≥1份。4、课程实验清单：包括但不限于MySQL服务的启动及关闭；登陆MySQL数据库；MySQL基本命令；mysqladmin命令；MySQL数据库操作；MySQL创建表；MySQL数据表的删除；MySQL数据的插入与简单查询；MySQL临时表的创建与删除；MySQL选择查询操作；MySQL表中数据的更新与删除；MySQLwhere条件查询与运算符使用；MySQL算术运算符；MySQL逻辑运算符；MySQL集函数的使用；MySQLhaving分组约束的应用；MySQL子查询。2.17面向对象程序设计实验库序号具体技术(参数)要求1一、《Java编程基础》1、课程内容包括介绍Java相关的大数据技术基础知识，介绍Java面向对象编程方法及Java线程及异常处理方法。通过学习本课程，能够让学生学会编写Java程序实现特定功能、需求等。2、课时设置：理论教学不少于22学时，实践教学不少于18学时，总计不少于40学时。3、课程资源：包含实训指导书数量≥6份、课程视频数量≥31个、课程PPT数量≥17份、代码数量≥15份。4、课程实验清单：包括但不限于打印水仙花数；使用泛型定义数组排序函数；String操作；Java定义类；Java定义类继承；设计多线程。二、《Scala编程基础》1、课程内容包括介绍Scala编程基础及其知识的应用，了解Scala安装与配置的流程及步骤，掌握Scala基础语法、函数、面向对象编程、文件读写等内容。通过学习本课程，能够学会Scala编程基础操作。2、课时设置：理论教学不少于12学时，实践教学不少于12学时，总计不少于24学时。3、课程资源：包含实训指导书数量≥7份、课程视频数量≥29个、课程PPT数量≥6份、代码数量≥8份、数据数量≥1份。4、课程实验清单：包括但不限于定义函数识别号码类型；统计广州号码段数量；根据归属地对手机号码段分组；编写手机号码归属地信息查询程序；编写函数过滤文本中的回文单词；使用Scala编程输出杨辉三角；使用Scala求水仙花数。2.18项目案例库序号具体技术(参数)要求1一、手机评论数据采集与分析【Requests】1、本案例通过爬虫技术采集电商网站的手机评论数据，基于爬取后的数据进行处理和可视化分析，了解用户对该商品的主要评价和用户的喜好。通过学习本案例，可掌握使用爬虫技术采集数据的方法，熟悉数据类型转换、文本分词等数据处理方法，能够挖掘数据中的潜在价值，并基于处理后的数据绘制可视化图形进行分析。

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、案例资源：包含实训指导书数量≥3份、案例视频数量≥17个、案例PPT数量≥1份、代码数量≥3份、数据数量≥3份。4、案例内容：包括但不限于背景与目标；数据采集流程介绍；获取评论数据地URL；抓取第一个json文件；拆解网址及爬取函数封装；将数据转为字典格式；将数据转为数据框并保存；翻页爬取及数据保存；数据预处理介绍；数据读取及类型转换；对评论文本内容分词；去除停用词及统计词频；绘制词云图及函数封装；可视化分析主题介绍；好评中评及差评词云图绘制；其它可视化分析；小结。二、基于数据挖掘的上市公司高送转预测【Lasso回归/随机森林】1、本案例基于已有的相关数据进行分析处理，建立相应的模型对上市公司实施高送转的情况进行预测。通过学习本案例，可掌握使用pandas模块进行数据转换、缺失值填充和数据合并等数据处理的主要技能和应用，掌握模型构建和模型分析的主要方法。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、案例资源：包含实训指导书数量≥4份、案例视频数量≥6个、案例PPT数量≥1份、代码数量≥1份、数据数量≥1份。4、案例内容：包括但不限于案例背景；基础数据和年数据的预处理；日数据的预处理；数据合并；特征选择；模型的搭建及预测。三、基于决策树的地质灾害易发性预测模型【决策树】1、本案例以我国西北某地区为数据源，通过对获取的数据进行预处理，分析目标地区的自然地理状况，剖析地质灾害的影响因子，并构建相应的算法模型进行地质灾害易发性预测。通过学习本案例，可掌握对获取的原始数据进行预处理、构建预测模型和模型可视化的主要方法和技能。2、课时设置：理论教学不少于2学时，实践教学不少于6学时，总计不少于8学时。3、案例资源：包含案例视频、案例PPT、实训指导书、代码、数据。4、案例内容：包括但不限于案例背景与挖掘目标；影响因子的选取；嫡的概念；信息增益的概念；苹果与信息嫡；计算易发性数据集的嫡；计算信息增益；重复计算信息增益并构建决策树；建立决策树模型；决策树可视化。四、教育平台的线上课程智能推荐【Apriori】1、本案例根据用户在某教育平台的登录和学习情况，通过不同维度分析平台用户、课程的情况，为平台管理决策提供建议，为教育平台的线上推荐服务提供策略。通过学习本案例，可掌握数据预处理的主要方法和技能，熟悉数据统计和可视化分析的相关实现，掌握智能推荐算法。2、课时设置：理论教学不少于2学时，实践教学不少于6学时，总计不少于8学时。3、案例资源：包含实训指导书数量≥2份、案例视频数量≥13个、案例PPT数量≥1份、代码数量≥1份、数据数量≥3份。4、案例内容：包括但不限于背景与挖掘目标；缺失值处理；重复和异常处理；各省份登录学习情况分析；用户活跃分析；流失用户与未流失用户的课程学习数量分析；课程受欢迎程度分析；课程收费与学习进度的关系；分析结果建议；Apriori算法；关联规则数据整理；关联规则实现；小结。五、基于遥感的露天矿区土地复垦效益评价【GDAL】1、本案例根据露天矿区的特点选取多个评价指标，除了代表自然因素外，在某种程度上表征人为开采活动对矿区地形条件和水热条件的影响，以期用于矿区土地复垦效益的评价参考。通过学习本