采购需求一、采购资金的支付方式、时间、条件质量保证金签订合同前

1、采购需求一、采购资金的支付方式、时间、条件：质量保证金签订合同前由成交供应商支付合同总价的5%作为履约保证金。项目实施完毕，验收合格后履约保证金转为质量保证金，在没有发生质量索赔的情况下，质量保证金在质保期满一年后无息退还。付款方式1.由采购人在合同签订后15日内向成交供应商支付合同金额的30%作为预付款，成交供应商收到预付款后1个月内完成软件开发及相关调试，并交付所有货物，包括：在采购人指定教室/实验室安装并调试成功AI金融实训软件（包括教学管理系统与自动化机器学习平台）。2.AI金融实训软件（包括教学管理系统与自动化机器学习平台）试运行半个月，运行情况良好，经采购人对系统终验合格后，由采购

2、人向成交供应商支付合同金额70%尾款。二、服务要求（技术要求里另有注明的以技术要求为准）：质保期5年具体实施响应要求1.质保期内需提供软件免费升级和维护。成交供应商应提供系统安装、调试完成后应提供完整的技术文档、使用说明、有关授权等相关材料。2.成交供应商应免费提供质保期内电话支持、BBS在线支持、电子邮件支持、远程维护支持等多种免费技术支持服务。交付时间和地点交付时间：合同签署后2个月内交付。交货地点：浙江金融职业学院。其他服务要求技术支持服务：1.响应供应商自系统终验合格之日起，对建模软件产品提供5年升级、维护服务，维护服务需保质保量，维护内容如下：提供5*8小时技术支持和服务，对重大问题

3、提供现场技术支持，接到通知48小时内安排解决，提交问题处理报告，要求说明问题种类、问题原因、问题解决使用的方法及造成的损失等情况。2.安排项目小组参与定制开发和服务保障，未经采购人同意，不得更换，直到验收合格。3.提供详细的质保期内技术支持和服务方案，以保证运行稳定。4.至少需要有1名人员具备完整的、系统的机器学习专业背景，持有信息系统项目管理师资格证书（高级）；5.至少需要有2名及以上的人员，熟悉银行技术服务内容和机器学习建模技术的响应供应商。安装调试：1、安装地点：采购人指定地点。2、安装标准：符合我国国家有关技术规范要求和技术标准，所有的软件必须保证2个月内安装到位。3、成交供应商应提供

4、合同货物的安装服务。4、成交供应商在响应文件中应提供安装调试计划、对安装场地和环境的要求。验收：1、成交供应商应提供合同货物的有效检验文件，经采购人认可后，与合同的性能指标一起作为合同货物验收标准。采购人对合同货物验收合格后，双方共同签署验收合格证书，验收中发现合同货物达不到验收标准或合同规定的性能指标，成交供应商必须更换合同货物，并负担由此给采购人造成的损失，直到验收合格为止。2、相应供应商应于响应文件中提供合同货物的验收标准和检测办法，并在验收中提供采购人认可的相应检测手段，验收标准应符合中国有关的国家、地方、行业的标准，如若成交，经采购人确认后作为验收的依据。3、如成交供应商委托国内代理

5、（或其他机构）负责安装或配合安装，应在签约时指明，但成交供应商仍要对合同货物及其安装质量负全部责任。4、验收费用由成交供应商承担。培训：1、成交供应商应对采购人的操作人员、维修人员免费进行培训。2、成交供应商应提供相应的培训计划。3、成交供应商应对上述内容的实现方式、地点、人数、时间在投标文件中详细说明。4、技术培训费用应包含在磋商响应总价中。3、 项目概况：在信息化、大数据、人工智能新时代，为保持浙江金融职业学院在金融科技方向人才培养的全面领先性，筹备金融AI实验室。培养更多符合人工智能时代的金融专业化人才，布局AI金融实训软件，引进机器学习平台，结合金融机构实际应用场景，让学生在毕业后能无

6、缝与企业对接，成为具有竞争力的金融企业所需人才。基于上诉需求，将“以教学软件为核心，理论与实践相结合的教学模式”展开采购。通过自动化机器学习建模软件，实战操作机器学习建模，满足学校为企业输送机器学习人才的技能准备需求，同时加入银行金融企业的实际业务场景需求与机器学习理论相结合，满足教学成果通用性需求，为培养理论与实践相结合的复合型人才做准备；通过配套教学管理软件，满足教师教学管理需求与学生学习需求。AI金融实训软件具体需求如下：1、自动化的机器学习建模平台自动化机器学习建模平台，要求从数据处理、模型设立、效果测试等除了可以人工调参外，均采用自动化运行的方式，并可以直接输出结果报告，重点在于帮助

7、学生在建模过程中重复与费力的业务，从而有更多的时间去思考与业务相关的深层次问题。同时要求在自动化机器学习平台的基础上搭载金融业务数据与场景，让学生可以通过实训、实习以及学习软件的操作流程的方式加强学生对机器学习技术在银行金融的领域应用的熟悉度，加深其对银行金融业新技术的理解。主要应用于教学过程中的实践性教学环节，在互联网金融专业、金融管理等专业的公共课、专业课，乃至学校整个金融大类的课程中都可以广泛应用。2、自动化机器学习平台教学管理软件搭载自动化机器学习建模平台的教学管理软件，内置基于自动化机器学习建模平台的操作任务和实训任务，教师可使用软件完成完整的教学流程，包括分班、布置任务、打分与成绩

8、汇总，学生可在软件的指引下完成老师布置的操作任务和实训任务并得到反馈，形成教学闭环。4、 采购清单：序号采购内容计量单位数量1自动化机器学习建模平台软件套12自动化机器学习建模平台教学管理系统套1五、技术要求：5.1、自动化机器学习建模平台建设要求自动化机器学习建模平台软件合法性要求1软件安全性需求：（1）有严格的软件控制软件,1台硬件设备只能安装1套自动化机器学习建模软件关联；（2）每套软件内置加密的硬件信息与使用时间，保证用户的合法性和用户使用应用信息资源的权利，避免内部敏感信息泄露和服务所提供的信息资源被非法访问，造成严重的安全事件；（3）需永久支持学校更换硬件设备后重装软件的需求。自动

9、化机器学习建模平台功能要求1工程建设需求：（1）支持在电脑本地建设工程；（2）以工程文件夹为基准，该工程所对应的机器学建模所产生的文件自动归入该工程目录下；（3）支持自定义工程文件存放路径；（4）支持建模过程中断或报错后，从工程路径进入报错/未完成的机器学习建模环节，无需重新运行已完成的建模环节；2自动化数据探索模块需求：该功能主要用于从数据中挖掘知识并预处理数据。包括软件读入训练数据，根据数据字典调整数据；软件自动对原始数据统计分布进行统计，自动删除冗余变量和样本；软件自动进行单变量分析，自动生成可视化单变量分析图；软件自动将数据转化成算法适用的格式。具体需求如下：（1）需支持本地CSV文件

10、导入；支持excel文件导入；支持txt文件导入；支持关系型数据库输入；支持hadoop文件输入。（演示要求：通过拖拽数据导入组件到设计区，通过点击上传按钮上传文件数据，并可以修改上传数据的字符类型，可以调试数据上传是否成功。）（2）软件自动进行数据审核，验证CSV表是否符合建模训练数据集与数据字典需求，同时校验训练数据集与数据字典是否匹配，验证条件为：1) 文件需指定变量名称作为csv表第一行；2) 每一行对应一个样本，每一列对应一个变量；3) 变量类型仅可能包括“Numeric”或“Double”类型；4) CSV表需包括预测对象（ID变量）对应的变量名和目标变量对应的变量名；5) 预测对

11、象类型需为“Factor”类型；6) 目标变量需包含0/1且1为小类的因子型变量，目标变量不能包含缺失值；7) CSV表的行数至少为100行；8) CSV表的列数至少为3列；9) 导入的数据字典CSV表中必须含有“variable”与“type”字段，数据类型只能为Numeric与Factor。（3）自动读取审核成功的CSV表中的Factor类型字段为变量名。（4）需支持用户选择目标变量与预测对象，并自动对其进行校验，自动审核目标变量所在的列取值与预测对象所在的列取值是否符合建模要求，自动审核条件为：预测对象要与数据字典中的预测对象对应，并且只能为Factor类型；目标变量要与数据字典中的目标

12、对应，并且只能为Factor类型，目标取值只能为0/1。（5）自动进行数据统计特征总结：1) 自动计算样本量与特征数：即计算导入的表中样本的个数与特别变量个数；2) 自动计算数值特征的分位数：自动计算数值型变量的分位数；3) 自动计算各变量的缺失值比例。（6）自动进行数据清洗，数据清洗的内容如下：1) 自动删除缺失值过多的样本：删除样本缺失比例阈值大于0.99的样本；2) 自动删除缺失值过多的变量：删除变量缺失比例阈值大于0.99的变量；3) 自动删除零值过多的变量：删除零食比例大于0.99的变量；4) 自动删除多余的变量因子：删除因子类型大于1024的变量；5) 自动进行数值离散化分箱：自动

13、分为5箱；6) 自动进行数值型变量的截断：将大于10的阈值和0.95分位数乘积的样本截断；7) 自动处理零值，增加数据清洗的合理性：数值变量分段时，将零值比例大于0.3的单独归为一类。（7）自动进行数据转换：（演示要求：数据转换以组件的形式封装在平台中，通过拖拽到设计区，并可以使用鼠标拖拽跟其它组件连接，实现数据流通）1) 自动缺失值填充；2) 自动根据样本数据抽样；3) 自动进行one-hot编码；4) 自动数据归一化。（8） 支持手动设置数据探索中的高级参数：1) 被定义为缺失值的字符名；2) 统计数值变量的分位数；3) 删除缺失值的比例超过阈值的样本；4) 删除缺失值的比例超过阈值的变量

14、；5) 删除0的比例超过阈值的变量；6) 因子型变量的类别所允许的最大因子数，删除超过阈值的因子型变量；7) 是否将数值型变量离散化为有序型数值变量；8) 数值变量离散化的分箱数；9) 判断数值变量截断的阈值，将大于该阈值和0.95分位数乘积的样本截断；10) 数值变量分箱时，当零值的比例大于阈值时，将零值单独归为一类；11) 根据iv值来剔除变量的阈值。如果为 NULL，则没有变量会因为iv值被剔除；12) 根据线性分析剔除变量的阈值。如果为NULL，则没有变量会因为共线性分析被剔除；13) 是否进行缺失值填充；14) 样本不平衡比例阈值（多数/少数）。当比例大于阈值时，进行欠采样；15)

15、是否将因子变量转化为虚拟变量(0/1)；16) 是否将数值变量标准化。（9）支持高级参数设置的实时校验，并给出参数设置参考提示，降低参数设置发送错误的概率。（10）完成设置后，一键进行自动化数据探索工作并给出运行日志，实时查看运行情况并捕获错误信息。（11）自动化数据探索结束后，生成本地化数据探索结果报告：1) 自动生成数据探索的Rdata文件；2) 自动生成单变量分析图jpg文件；3) 自动生成变量iv值CSV表；4) 自动生成变量iv值分布情况jpg图；5) 自动生成原始样本数值型变量的统计CSV表；6) 自动生成建模数据样本数值型变量的统计CSV表；7) 自动生成原始样本数据因子型变量的

16、统计CSV表；8) 自动生成数据探索过程及结果日志txt文件；9) 自动生成单变量分析的分段取值CSV表。3自动化模型训练模块需求：该功能主要用于从数据中学习规律，建立预测模型。软件自动将数据分成训练集和验证集，根据选定的算法，通过KS/AUC来寻找模型的最优参数组合。软件自动输出模型中使用的变量权重文件以及决策规则文件。具体需求如下：（1）需支持自动化数据探索模块生成的Rdata文件导入，Rdata文件中含有建模所需的经过自动化特征工程与自动化数据清洗的模型训练样本。（2）需支持模型自动切分训练集与验证集，支持手动设置调整训练集与验证集的拆分比例。（3）需支持模型进行验证时的分析数调整。（3

17、）需支持自动选择KS/AUC作为模型调优指标，对算法进行调参，并根据选定的调优指标选择最佳算法和对应的参数组。（4）需支持以下机器学习算法自动调参和手动调参，对应算法的参数如下：1) GBM（梯度提升决策树）算法需包含以下参数：i. 树的棵数ii. 特征交叉最大深度iii. 学习步长iv. 叶节点最少保留样本数v. 损失参数vi. 评估指标2) RF（随机森林）算法需包含以下参数：i. 树的棵数ii. 叶节点最少保留样本3) XGB（XGboost）算法需包含以下参数：i. 学习步长ii. 最大迭代次数iii. 停止训练的轮数iv. 实际训练样本占总样本的比例v. 每棵树所用的特征占总特征数的

18、比例vi. 树的最大深度vii. 树的子节点进行分枝所需最小样本权重和viii. 树的子节点进行分枝所需的最小损失值ix. 线程数4) LR逻辑回归算法5) SVM支持向量机算法需包含以下参数：i. 惩罚项c的取值设定（惩罚因子大，则拒绝力度加大）ii. 除去线性核外，其他核的参数6) NNET（神经网络）算法需包含以下参数：i. 隐层神经元个数ii. 最大迭代次数7) CART（决策树）算法需包含以下参数：i. 用于分枝的节点最小样本量ii. 复杂度参数，决定是否进行剪枝的阈值8) ADABOOST（Adaboost）算法需包含以下参数：i. 树的子节点进行分枝所需最小样本量ii. 复杂度i

19、ii. 迭代次数9) Naivebayes（朴素贝叶斯）算法需包含以下参数：i. 平滑系数10) LASSO 算法需包含以下参数：i. 正则化权重系数ii. 正则化幅度11) MARS（多元自适应回归样条） 算法需包含以下参数：i. 交叉程度ii. 每个节点的广义交叉验证惩罚项iii. 前向传递过程中，每新增一个变量的惩罚值iv. 前向传递每一步中，父节点个数最大值v. 老化系数12) KMeans算法需包含以下参数：i. 聚类数ii. 迭代次数iii. 并行计算数iv. 计算精度13) 高斯混合算法需包含以下参数：i. 聚类数ii. 迭代次数iii. 收敛精度iv. 随机种子14) Bise

20、ctingKMeans算法需包含以下参数：i. 聚类数ii. 最大迭代次数15) ALS算法需包含以下参数：i. 并行计算数ii. 特征值iii. 迭代次数iv. 隐式预测v. 阿尔法值vi. 种子数（5）需支持算法参数设置实时校验比在软件中给出参数设置范围提示，降低因参数设置导致建模发生错误的概率。（6）完成算法和参数设置后，一键自动建模并给出建模过程中的运行日志，实时查看建模情况并捕获错误信息。（7）自动建模成功后，生成本地化的模型报告并自动归入该模型所属的工程文件夹中：1) 机器学习模型变量权重csv表；2) 机器学习模型变量权重分布图pdf；3) 模型Rdata文件；4) 调优结果cs

21、v表；5) 调优过程日志txt文件；6) 建模过程日志txt文件；7) 建模耗时时间txt文件。4自动化预测打分模块需求：该功能主要用来执行自动化模型训练模块得到的机器学习模型，对新数据进行预测打分。具体需求如下：（1）支持本地导入CSV格式数据，并对测试数据进行校验，自动校验测试数据中的目标变量与模型中的目标变量是否一致并给出提示。（2）支持预测因子变量数设置，并在软件中给予预测因子变量数的取值范围。（3）软件需自动进行预测数据统计特征总结：1) 自动计算样本量与特征数：即计算导入的表中样本的个数与特别变量个数；2) 自动计算数值特征的分位数：自动计算数值型变量的分位数；3) 自动计算各变量

22、的缺失值比例。（4）需支持同一工程目录下使用已生成的机器学习模型对预测数据进行预测打分。（5）需支持打分原因分析（计算每个样本打分时，部分重要变量对打分的贡献）。（6）完成预测数据集导入与预测因子设置后，一键进行模型预测打分并给出预测打分过程中的运行日志，实时查看预测打分情况并捕获错误信息。（7）模型预测打分完成后，生成本地化的模型预测打分报告：1) 预测打分csv表；2) 预测数据集统计特征csv表；3) 预测打分日志文件txt；4) 预测打分时间文件txt。5自动化效果测试模块需求：该功能模块主要用来评估模型效果，模型在自动化预测打分环节对新数据打分，而该模块用于对打分数据与真实发生数据进

23、行对比，评估模型效果。具体需求如下：（1）支持导入本地CSV数据表。（演示要求：通过拖拽数据导入组件到设计区，通过点击上传按钮上传文件数据，并可以修改上传数据的字符类型，可以调试数据上传是否成功。）（2）支持模型预测打分表与真实数据对比，评估模型预测效果。（3）支持效果表现打分并按样本数分组，计算每组对应的模型打分指标（累积样本比率；当前组样本数；当前组打分最小值；当前组打分最大值；当前组打分均值；累积准确率；累积召回率；KS值）。（4）支持效果测试AUC计算。（5）支持效果测试KS计算。（6）一键进行效果测试并给出效果测试过程中的运行日志，实时查看预测打分情况并捕获错误信息。（7）效果测试完

24、成后，生成本地化的效果测试打分表：1) 效果测试csv表；2) 效果测试过程日志txt文件。6机器学习建模报告查看需求：（1）生成对应工程目录下机器学习建模每个环节的本地化报告。（2）自动化数据探索环节输出报告：1) 自动生成数据探索的Rdata文件；2) 自动生成单变量分析图jpg文件；3) 自动生成变量iv值CSV表；4) 自动生成变量iv值分布情况jpg图；5) 自动生成原始样本数值型变量的统计CSV表；6) 自动生成建模数据样本数值型变量的统计CSV表；7) 自动生成原始样本数据因子型变量的统计CSV表；8) 自动生成数据探索过程及结果日志txt文件；9) 自动生成单变量分析的分段取值

25、CSV表。（3）自动化模型建立环节输出报告：1) 机器学习模型变量权重csv表；2) 机器学习模型变量权重分布图pdf；3) 模型Rdata文件；4) 调优结果csv表；5) 调优过程日志txt文件；6) 建模过程日志txt文件；7) 建模耗时时间txt文件。（4）自动化预测打分环节输出报告：1) 预测打分csv表；2) 预测数据集统计特征csv表；3) 预测打分日志文件txt；4) 预测打分时间文件txt。（5）自动化效果测试环节输出报告：1) 效果测试csv表；2) 效果测试过程日志txt文件。7教学所需贷前审批环节数据需包含以下特征:（1）训练数据集：包含以下特征的经过脱敏、数据特征加工

26、的建模样本数据集不少于20000条客户号、是否逾期、账户状态、账龄、信用记录、贷款目的、信用额度、储蓄账户、职业、年龄、工作、分期付款比率、分期付款方式、其他应收款、居住信息、资产信息、房产信息、持有信用卡银行机构数、赡养或抚养人数、电话信息等。（2）数据字典表：核心训练数据集加工清洗后抽样出来的建模所需特征。（3）测试数据集：包含以下特征真实发生的经过脱敏的测试数据集不少于10000条客户号、是否逾期、账户状态、账龄、信用记录、贷款目的、信用额度、储蓄账户、职业、年龄、工作、分期付款比率、分期付款方式、其他应收款、居住信息、资产信息、房产信息、持有信用卡银行机构数、赡养或抚养人数、电话信息等

27、。8教学所需贷后预警环节数据需包含以下特征：（1）训练数据集：包含以下特征的经过脱敏、数据特征加工的建模样本数据集不少于20000条征信信息、交易流水信息、存款账户信息、信用卡数据信息、贷款台账信息、贷款申请信息。（2）数据字典表：核心训练数据集加工清洗后抽样出来的建模所需特征。（3）测试数据集：包含以下特征真实发生的经过脱敏的测试数据集不少于10000条征信信息、交易流水信息、存款账户信息、信用卡数据信息、贷款台账信息、贷款申请信息。9提供自动化机器学习软件使用说明文件：（1）自动化机器学习软件操作使用说明文件。（2）自动化机器学习技术理论说明文件。（3）基于机器学习技术的贷前审批、贷后预警

28、数据使用说明文件。10提供自动化机器学习软件使用培训服务：（1）提供不少于6个课时的自动化机器学习软件使用及必要知识的培训服务。（2）提供不少于4个课时的自动化机器学习软件数据使用培训服务。11系统支持需求：（1）软件需支持windows64位系统，win7、Linux以上操作系统。（2）软件为B/S架构，支持单机部署和服务器部署。5.2 自动化机器学习建模平台教学管理系统要求教学管理系统功能需求1系统为B/S架构，支持云端和本地服务器部署。含院校管理端、教师端和学生端。2教学系统账户体系分为三级，一、管理员账号，二、教师账号，三学生账户。支持专业、教师、班级、学生等信息的添加和管理。（演示要

29、求：登录平台地址，输入管理员、教师、学生的账号，进入的不同的用户界面）3教师账号功能需求：教师用户查看自己管理的班级及学生，管理自己发布的建模任务、设置自己的建模指标、查看自己学生提交的建模结果等。(1)教师账号概况：需显示该教师管理的任务统计情况（即将开始的任务、进行中的任务、已结束的任务、已关闭的任务），方便教师了解教学整体情况。（2）学生管理：需支持批量导入学生基本信息，并给予批量导入模板；需支持批量导入学生信息是选择专业与班级；需支持表格导入后自动计算班级学生人数；导入的学生基本信息需包括（专业名称、班级名称、学号、姓名、手机号、QQ、邮箱）；需支持教师手动修改学生信息；需支持按照学号

30、、学生姓名、班级名称、手机号码等信息快速查找；需自动传输该学生数据至后台管理系统，管理员可在管理系统中查看学生信息。（3）考试管理：根据教学进度配置实训考试任务，需支持考试题目从题库中选择，且考题设置需满足围绕实训操作结果设置为前提：需填写试卷名称，设置题型数量，题目从题库中选择；需支持试卷分值设置；需支持查看学生提交的考试结果，系统自动打分。（4）任务发布需支持填写任务名称、设置任务周期、选定任课老师、任务详情描述；需支持选择该任务对应的学生班级；需支持设置该任务参与的人数；需支持设置评测合格最低分；需支持任务方式；需支持任务的增删改查。（5）基本设置需支持教师修改账号密码、修改手机号等。4

31、学生账号主要功能：学生端操作分为软件操作与任务提交两块内容，学生登录教学管理系统，通过任务链接打开老师发布的任务，提交相关的任务结果信息。（1）学生账号需展示出该学生账号对应的当前任务概况（任务名称、任务周期、任课老师）。（2）学生任务需显示任务列表，包含任务名称、任课老师、任务状态、任务周期；需支持点击查看任务详情；需支持按照任务名称、任务状态快速查找任务。（3）评测结果信息需显示任务名称、任课老师、任务周期、最终得分，支持点击查看考核结果。（4）基本设置支持学生修改学生账户密码，补充修改个人信息，完善的学生个人信息可在管理系统中查看。5管理员账号主要功能：管理员可以设置专业、管理教师账号、管理学生、管理题库等。（1）专业管理：选定院校，增加