大数据与人工智能教学实验平台软件需求

大数据与人工智能教学实验平台软件需求建设目标与定位大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的特点可以概括为5个V：数据量大（Volume）、速度快（Velocity）、类型多（Variety）、价值（Value）、真实性(Veracity)。面对如此庞大又难处理的的数据集合，应运而生的便是大数据分析了。大数据分析是一个大而复杂的数据集的集合，很难使用可用的数据库管理工具或传统的数据处理应用程序进行存储和处理。挑战包括捕获，管理，存储，搜索，共享，传输，分析和可视化此数据。通过大数据分析与人工智能应用教研实训平台建设探索我院应用型创业人才培养需要的实验室建设和教学改革方向，实现企业、学校优质资源融合、教学科研协同的实验教学新模式，服务学院向技术应用型大学转型需要。大数据分析与人工智能应用教研实训平台将定位为学院课程体系建设平台、应用型创业人才培养基地、社会咨询服务与培训基地。建设思路（1）统筹发展，科学交叉。大数据分析与人工智能应用教研实训平台由学院统筹谋划，整体部署；工程技术学院为建设主体、各二级学院协同，共同规划建设方案设计，并协同教务与科技部做好师资培养、课程安排等；实验中心科学规划场地与装修、软硬件要求、标书制作、设备维护与调试等工作，全力推进中心建设；公保部承担招标、采购等工作；相关职能部门全力配合中心建设工作推进。（2）技术驱动，创新人才培养。依托移动互联、云计算、大数据等新一代信息技术，将教育技术与教学内容完美融合，打造以学生为中心的智能化、感知化、泛在化的数据驱动的新型教育形态和教育模式，彻底转变传统理论教学，由“经验教学”转为“基于任务驱动的教学”。平台建设要求提供统一的平台管理所有的课程教学资料、讲义、实验指导手册、实验数据集、实验作业、实验报告书、实验成绩管理、用户管理等。教师能够上传、下载、更新教学资源和实验资源，发布实验步骤、布置作业及其评分标准、实验成绩管理等。学生能够管理自身的个性化资料，包括实验报告、实验结果、以及自己的学习与实验资料，同时允许在线实验操作，定时实验作业考试，查阅教师所上传的大数据技术实验资料，以及实验资料的上传、移动、更新、删除、交互式编辑、复制拷贝等操作。教师、学生采用统一的登录入口进入实验平台，实验管理软件平台对接着后面的虚拟化管理集群和物理集群对用户透明，支持虚拟机的按需分配，方便快速地访问实验所需的实验资料和数据集。实验管理系统封装虚拟机集群管理接口，教师或管理员在虚拟机云管理平台上创建相应的实验环境，给每组学生分配定额的虚拟机，在虚拟机集群节点上部署好相应的大数据分析软件，学生根据实验指导书中的步骤可以自主进行实验操作。平台建设目标根据职业方向设置不同的课程学习路线，针对每门课程提供教学实验指导手册、在线视频、资源包、实验示例代码等，让学生学以致用。项目案例提供行业典型项目及行业数据，项目涉及互联网、运营商、金融、农村电子商务、政府等领域。通过在线学习、原理验证、实训应用、综合分析及自主设计等多层次的实验操作，为大数据教学提供一个完整的一体化的实验教学体系。以人工智能技术服务专业人才培养的目标和方法为基础，在实训教学上进行优化和设计，提出从人工智能基础知识技术的认知，到人工智能项目实操技能的训练，最终达到人工智能技术服务专业岗位能力提升的教学理念。总体技术要求人工智能教学实训平台的建设采用B/S架构，用户通过浏览器进行访问，且支持内网与外网同时访问。平台的管理功能是针对前端系统设置的对应的管理功能，便于教学过程中对前端系统的自定义管理。系统课程学习模式包括实验平台、项目路径和职业路径，满足不同场景的教学需求。在教学管理方面，平台自带人工智能课程推荐功能，可为学生提供个性化课程推荐及AI课程助手，助力学生定向就业。还可以通过大数据分析，自动生成学业报告，为学生就业提供桥梁，并作为教师教学的得力助手，为高校的学生能力培养及教师的工作提供强有力的支持。实训平台采用私有云模式，所有课程均在云端进行，自主研发设计的教学平台可将硬件资源进行集中调度分配，可管理大规模CPU、GPU、FPGA等高性能分布式计算集群，利用容器技术对计算资源进行虚拟化，以智能调度的方式对外提供计算服务，并依托开源分布式计算框架和深度学习框架，支持训练、推理，支持CNN、RNN等各种类型的网络模型，支持Xgboost等传统机器学习模型，适合大数据、人工智能、深度计算；课程内容涵盖操作系统、编程语言、Python数据处理、机器学习、数据分析、数据挖掘、深度学习、计算机视觉、自然语言处理等诸多方面，课程类型包括基础实训、关键技术掌握、应用创新等，是一个综合性的学习研究平台；平台配合专用的资源监控系统、课程监控系统，可实时的监控整个平台的硬件资源负载以及学生学习的状态，可帮助教师合理的安排课程及对应资源。系统建设技术参数要求数据分析与人工智能应用教研实训平台序号设备名称数量单位技术参数1实验管理系统1套一、实验管理平台系统1、系统支持教师用户和学生用户自定义首页默认布局设置。支持一键恢复首页默认布局。教师用户首页支持全局模式、教学模式、备课模式和考试模式4种内置首页布局模式。本次项目提供100个用户使用授权，且支持100个学生（每个学生开启3个虚拟机）同时上课，届时将做并发测试，需无卡顿正常运行。如有问题将做废标处理。2、系统支持自定义排课功能，包含课程信息、上课班级、授课老师、上课地点、上课时间等信息。3、系统支持用户在线制作实验环境，满足不同的教学场景需求。支持Docker容器，支持Linux操作系统,并且支持单机和集群模式,可以自定义每一个虚机或容器的物理配置。4、系统支持镜像管理功能，系统内置镜像不少于200个,支持对镜像自定义标签，支持查询和复用。5、系统支持对图像分类、目标检测、机器学习所需的数据集进行管理，支持数据集的导入功能。6、系统支持内置录屏功能，提供容器、虚机、Jupyter三种录屏环境。支持对屏幕录像和文档素材进行管理，文档素材支持word、ppt和excel格式。7、系统支持实验报告模板管理，内置文档编辑器，支持在线编辑模板。8、系统支持课程管理功能，包含系统内置课程和教师自建课程。可按照课程标签快速筛选课程。支持对系统内置课程复用，方便快速创建课程。9、系统支持查看课程详情，包括上课时间、该课程累计上课次数、系统和自建标签以及学习路径和班级信息展示。支持编辑所在院系、所学专业、所在班级，支持自定义课程名称、课程封面图片。支持课程发布、学生申请、课程共享功能的一键开关。10、系统支持课程编辑，需包括课程介绍、课程大纲、课程目录、实验报告、提问记录、分组记录等模块。支持内置文档编辑工具，支持本地上传文档。11、系统支持课程目录编辑。支持对章节内容的编辑，可以添加实验，添加视频、课件。支持选择实验运行系统；支持从系统导入或自主上传实验手册、报告模板、视频、课件等素材；支持手动排序功能。12、系统支持对班级成员进行分组，支持手动和随机分组，可支持组长设置。13、系统支持学生查看每个实验章节详情，包括本节视频、实验环境描述等信息，支持查看实验环境的节点数量、配置以及组网情况。支持查看节点IP地址。14、系统支持学生在线实验，支持删除实验、保存实验、临时关闭、共享桌面、上传文件、下载文件、全屏操作、剪切板等8项基本环境操作功能。学生实验时在未完成当前实验的情况下，不依赖于当前章节编辑顺序，可随意跳转并完成实验。支持一键重置实验。支持小窗口播放教学视频。15、系统支持学生笔记功能，学生可按章节记录课堂笔记，并对自己的笔记进行管理，支持笔记导出。16、系统支持在线课堂功能，提供在线电子白板和在线讨论功能。支持在线录屏、签到、随机提问、实验监控等功能。支持在线同步共享实验环境界面让学生观看与学习。17、在线课堂支持在线发起签到功能，支持设置学生签到时间，支持每个班级的签到记录情况查询，支持手动补签操作。支持以EXCL表格形式导出相关签到数据。18、在线课堂支持互动电子白板功能，可支持多种批注工具（图形、文字、手写等），支持实时批注与多用户实时批注功能。19、在线课堂支持教学资源播放功能，支持教学视频，PPT教学资源的同步播放。支持上传外部演示文件（PPT、Word、Excl等多种格式文件），支持分享外部视频以供学生同步观看。支持在线课程录制，支持对录制的视频进行查看、下载、以及删除操作。20、在线课堂支持在线学习的用户设置上课状态，包含离开、举手、未决定、困惑、悲伤、高兴、鼓掌、点赞、拍砖等，支持在线课堂中的主持和演示权限设置，可设置其他演示者与主持人权限。21、在线课堂支持课堂讨论模块，教师用户拥有开放讨论和清空讨论权限，支持发送内置互动表情。22、在线课堂支持在线随机点名提问功能，支持对学生回答打分。23、在线课堂支持实验监控功能，支持查询学生在线实验情况，支持一键提醒学生录屏，支持远程协助功能，可对学生主机进行操作指导。24、系统支持教师创建六种教学工具：容器演示环境、虚机演示环境、Jupyter演示环境、图像分类演示环境、目标检测演示环境、机器学习演示环境。25、机器学习演示环境支持通过鼠标拖拽算法的方式快速生成机器学习训练模型，支持查看关键算法代码和算法说明，支持手动调参优化模型。支持查看模型训练历史版本。系统支持用户查看模型训练样本的模型评估报告，支持查看当前版本的模型训练的基本属性、机器学习算法、算法属性。26、机器学习演示环境支持类型转换、添加序号列、拆分、缺失值填充、归一化、标准化、随机采样、系统采样、分层采样、去重、两表连接等11种数据预处理方法；支持特征尺度变换、特征离散、主成分分析、过滤式选择、随机森林特征等5种特征工程；支持分类算法、聚类算法、回归算法、关联规则、文本分析等5大类共计17种机器学习算法。27、深度学习目标检测演示环境支持用户完成目标检测模型训练，支持选择不同的数据集进行循环多次训练，支持分配数据集训练、验证与测试的数据比例；支持设置模型训练参数，包含优化器、模型迭代次数、Batch-size及学习率；支持设置神经网络框架与算法以及计算资源环境等参数。支持对模型效果进行测试；支持展示模型应用效果。28、深度学习目标检测演示环境支持训练监控功能，支持随时读取当前训练信息与训练任务进度信息，查看训练数据信息，支持以TensorBoard方式实时监控目标检测训练过程。29、深度学习目标检测演示环境支持自动生成评估报告，评估报告包含mAP、mAP@.50IOU、mAP@.75IOU、mAP(small)、mAP(medium))、mAP(large)等6个mAP值的相关数据，支持以列表方式呈现模型训练效果。30、深度学习图像分类演示环境支持配置单点计算模式或分布式计算模式；支持配置深度学习神经网络；支持配置底层计算框架，包含Keras（vgg16、restnet50、alex、squeezenet、mobilenet、lenet、alexfcn、xception、inception-v1、vgg19、vggfcn等共计11种）；支持CPU、GPU的单机或集群环境，支持单GPU卡或多GPU卡方式进行计算。31、深度学习图像分类演示环境需支持随时读取当前训练信息与训练任务进度信息，支持查看训练数据信息，支持以TensorBoard方式实时监控图像分类训练过程。支持对模型效果进行测试；支持展示模型应用效果。32、深度学习图像分类演示环境需支持自动生成评估报告，评估报告包含训练集、验证集、测试集的精确率、精准率、召回率、F1-score等4个指标的图表结果展示；系统自动计算出top1-top5的准确率；并展示训练结果的混淆矩阵等指标结果信息。支持呈现模型训练效果。33、系统支持学员管理，支持查看班级成员、查看课程申请和添加重修学员，支持学员密码重置。34、系统支持课堂管理功能。支持查看学生在线或离线情况、实验报告提交情况，支持通过远程协助进入学生正在试验的环境；支持快照管理，可查看和删除学生虚机快照。35、系统支持虚机管理，可查看和关闭学生虚机。提供平台小助手模块，可随时管理虚机，支持设置平台小助手的透明度。36、系统支持教师编辑不同课程章节的课堂备注信息，并支持批量删除及导出。37、系统支持课件、视频、手册、图片、软件、数据及其他资源的上传、下载、共享及删除等文件管理功能。支持提供个人网盘功能。38、系统支持通过仪表盘展示Docker容器虚机资源使用情况，包含CPU、内存和硬盘的使用比。支持对教师和学生的虚机进行查询、删除等操作。39、系统支持用户在保存实验时一键生成快照，支持对所有快照进行查询、管理、删除等操作。40、系统支持任务调度功能，支持对正在运行的测试或训练任务进行暂停、终止操作，支持对已完成的任务进行筛选、查看、删除等操作。41、系统支持在线考试功能，支持自定义系统内所有试题的难度系数和权重。支持对试题来源、所属科目和试题题型等进行编辑和修改；支持单选题、多选题、判断题、简答题、填空题及实验题等题型；考试题支持在线编辑添加和word文件导入添加两种操作方式，系统内置word试题模板；支持通过图形显示不同题型分配比例和数量统计。42、在线考试支持编辑添加实验题，实验题支持容器、虚机、Jupyter三种运行环境，支持单机、集群两种环境类别，支持设置主、从节点的参数。43、在线考试支持自动组卷和手动组卷两种方式添加试卷。通过对不同题型所属的试题科目进行题目总数设定，支持自动计算总分数。完成快速自动组卷。系统支持将任意已发布的试卷自动设为模板，支持对模板试卷的复用功能。支持试卷以word格式批量导出。44、在线考试支持查看试卷满分、最高分、最低分、平均分、及格率、已提交人数等考试信息。支持查看学生的考试时间、答题时长、成绩、及格状态等数据。支持以excel格式导出学生成绩。支持考试分析功能，展示错题率统计图和成绩排名图。45、系统支持自定义学习路径功能，支持对课程的学科分类、学科内容及学科适用职业进行定位，支持对学习路径新增分类、新增路径小类、新增岗位。支持学习路径的可视化分析，展示岗位能力达成图、技术能力分布图、学习路径课程分布图。支持通过课程、班级以及姓名筛选查看。46、系统支持教师查看班级的实验报告分析，展示报告满分、最高分、最低分、平均分和已提交人数等数据，展示整个班级成绩排名图和实验分析图。支持学生查看个人实验报告分析，展示完成率、提交报告次数和报告成绩分析图。47、系统支持人脸表情识别功能。支持dlib库和训练好的人脸特征点模型，系统内置68模型（shape_predictor_68_face_landmarks.dat），支持使用OpenCV对图片进行操作，支持对识别出的人脸标注出特征点。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。48、系统支持图片风格迁移功能。支持tensorflow实现图像风格迁移，支持把一张图片的内容和一张图片的风格结合在一起，使内容图片的风格变成风格图片的风格样式。支持7种风格图片模型，输入一张内容图片，支持随机输出一张改变风格后的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。49、系统支持看图说话功能。支持tensorflow实现Google的image-to-text模型，支持把图像转换成文字。支持根据输入的图片，把图片内容描述以字符串的形式输出。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。50、系统支持YOLO目标检测功能。支持使用Keras实现YOLOv3模型进行目标检测，对于紧凑密集或者高度重叠目标的检测有显著效果。支持输入多张图片，并对图片中的物体检测标注，然后输出标注好后的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。51、系统支持识别人体关键点功能。支持使用TensorFlow实现OpenPose模型，能够识别出人体的骨骼关键点，通过人体的关键点检测，可以辨别出人体的姿态，通过人体的姿态可在一些场景下做出判断并提醒。输入图片，然后通过处理，输出标注好人体关键点的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。52、系统支持性别年龄识别功能。支持使用tensorflow实现用于人的年龄和性别的估算。首先识别出图片中的人脸，然后再通过人脸去识别人的年龄和性别。通过输入一张有人脸的照片，能够识别出人脸和人的性别和年龄，并标注在图像上，然后输出标注处理好的图像。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果。53、系统支持磁盘管理功能，支持自动或手动清理磁盘。54、系统支持组织管理、班级管理和用户管理。支持对系统账户进行编辑、重置密码、禁用和删除操作。支持从回收站还原账户。55、系统支持在线用户管理功能，支持查看系统当前在线用户的会话编号、姓名、浏览器、操作系统、登录时间、登录IP、登录地点等信息，支持对系统当前在线用户进行强退及批量强退操作。56、系统支持登录日志管理功能，支持查看登录用户的姓名、账号、浏览器、操作系统、登录IP、登录地点、登录状态、错误信息、操作耗时、登录时间的信息，支持批量删除及导出操作。57、系统支持操作日志管理功能，支持查看用户操作的姓名、操作模块、错误信息、操作方法、请求参数、操作IP、操作时间、账号、操作状态、操作耗时、操作内容、返回参数、操作地点等信息，支持删除操作。58、系统支持安全管理功能，支持对当前数据库进行备份，支持按时间段查询所有备份的数据库信息、支持备份的恢复与删除。59、系统支持系统信息设置功能，支持自定义系统名称、技术支持的名称、系统说明、系统LOGO等信息。支持一键还原初始设置。60、系统支持添加、导入及批量删除敏感词，支持对已有敏感词状态进行开启或关闭操作，支持对所选敏感词进行编辑及删除操作。61、系统支持通知管理功能，支持对系统通知进行查看、撤销及删除操作。2云计算管理系统1套二、云计算管理系统1、系统采用Docker底层虚拟化技术，对底层算力资源统一管理，池化计算资源、存储资源、网络资源、软件资源。可实现对资源统一监控，GPU、CPU统一调度，Pod资源管理，以及容器资源编排等功能。2、系统支持docker管理模块。支持配额调度，支持启动/停止/重启容器、暂停/恢复容器、删除容器、限制容器对CPU的使用、限制容器对内存的使用、限制容器对BlockIO的使用。3、支持私有DockerRegistry，用户可在本地地搭建私有DockerRegistry。4、支持基于容器的应用部署、维护和滚动升级。5、支持负载均衡和服务发现。6、支持认证、授权、访问控制、API注册和发现等机制。7、支持维护集群状态，比如故障检测、自动扩展、滚动更新。8、支持维护容器的生命周期，支持Volume（CVI）和网络（CNI）管理。9、支持秒级创建资源：即从用户在页面点击“创建”按钮，到集群资源成功创建完成所花费时间不能超过10秒钟。10、系统支持管理模块。支持自定义配置，支持根据业务需求自定义云主机配置，包括CPU、内存、镜像等。11、支持创建快照，支持可分别针对系统盘和数据盘创建快照，并通过快照恢复磁盘数据。12、支持动态调整配置，无需重启和中断业务，即可调整虚拟机的CPU和内存。13、支持热迁移，实现跨主机的热迁移，保证云主机业务不中断。14、支持加载安全组，支持针对单台戒多台云主机加载安全防护策略，在入口和出口方向上迚行数据包过滤。15、支持日志查看，查看云主机运行产生的日志。16、支持WEB控制台，浏览器无需安装任何插件即可操作云主机，即使云主机网络不通，管理员也可以进行维护。17、支持分配浮动IP，支持为云主机分配公网IP，实现从公网访问该云主机。18、支持资源配额，为项目分配资源，实现资源隔离和限制。19、支持虚拟机镜像查找及检索系统，支持多种虚拟机镜像格式（AKI、AMI、ARI、ISO、QCOW2、Raw、VDI、VHD、VMDK），支持创建上传镜像、删除镜像、编辑镜像基本信息的功能。20、支持公有镜像和私有镜像两类。私有镜像仅供创建该镜像的用户使用。也可以转化为公有镜像22、支持创建网络，用户可以迅速创建属于自己的私有网络，包括虚拟交换机、虚拟路由器、防火墙及分配私有/共有IP等。23、支持网络拓扑，支持Linuxbridge等网络插件，支持flat、vlan、gre、vxlan等网络拓扑结构。24、支持自定义防火墙，云平台默认default策略禁止从外部访问云主机，用户可在此策略的基础上，修改云主机在入口方向或出口方向所允许和禁止的访问端口，也可自定义防火墙策略并绑定至云主机，实现应用层访问的控制。25、支持密钥对，用户可在云平台上生出密钥并将私钥下载到用户本地，在创建云主机时选择对应的密钥对名称即可实现通过密钥方式登录云主机，此功能保证云主机被访问的高度可控性。25、支持操作日志，云平台记录用户在此平台的所有操作日志，提供按条件的查询和导出功能。26、支持身份认证，支持身份验证、安全策略管理和目录服务的功能。27、支持监控集群整体资源使用情况，包括：cpu利用率，内存利用率，硬盘利用率。28、支持监控每一个项目（租户）的资源使用情况，包括：项目的CPU利用率，项目内存利用率，项目的硬盘利用率，项目的浮动IP使用，项目的安全组使用等。29、支持监控系统服务运行状态，包括：计算服务，网络服务，块存储服务，编排服务等。30、支持监控所有计算节点虚拟机运行状态，数量等。31、需与实验管理系统统一平台管理，界面无感切换，数据交换无缝连接。3镜像仓库管理系统1套三、镜像仓库管理系统1、基于角色的访问控制：用户和存储的镜像通过“项目”进行组织，用户可以对项目下的docker镜像拥有不同的访问权限。2、基于策略的复制：可以使用带有多个筛选器（存储仓库，标记和标签）的策略在Harbor镜像仓库之间复制（同步）docker镜像。不论遇到什么错误，Harbor都会自动重试复制。该功能非常适合负载均衡，高可用，多数据中心，混合云和多云等场景。3、支持LDAP/AD：Harbor支持与企业现有的LDAP/AD服务进行集成，以进行用户身份验证和管理，并支持将LDAP中的组导入Harbor并为其分配适当的项目角色。4、支持项目级别的磁盘配额，可以设置每一个项目中的镜像个数和占用磁盘空间。5、镜像删除和垃圾数据收集：Harbor支持删除仓库中的docker镜像，并回收硬盘空间。6、图形化门户：用户可以轻松使用浏览器，搜索镜像仓库和管理项目。7、审计：支持跟踪harbor镜像仓库的所有操作。9、RESTfulAPI：harbor提供适用于大多数管理操作的RESTfulAPI，易于与外部系统集成。通过嵌入式SwaggerUI提供可用于功能探索和测试的API。10、保存云计算管理系统所需的docker镜像：云计算管理系统提供教学用的实验环境。构成云计算管理系统的系统镜像由harbor存储。11.提供多用户管理：harbor支持为不同的教师创建独立账号。可使不同的教师分别管理各自的镜像。12、公开项目和私有项目：harbor基于项目管理镜像。教师在创建项目时可以选择是否公开。公开项目中的镜像所有人都可以拉取，私有项目中的镜像只有所有者可以拉取。12、服务课工场：大数据实验管理平台系统的课工场功能允许教师自定义docker镜像。harbor负责存储教师自定义的docker镜像。13、镜像管理功能：要求能显示镜像列表、要求能显示镜像构建历史、能从容器创建新镜像、要求能够从Dockerfile构建镜像、从registry下载镜像、能将镜像上传到registry、要求能够删除Dockerhost中的镜像、支持使用Dockerfile构建镜像。14、需与实验管理系统统一平台管理，界面无感切换，数据交换无缝连接。。4实验管理课程系统1套1)基础实验课：大数据开发技术（Hadoop）课程内容资源需包含不少于17个实验手册和17个教学视频，教学视频总时长不少于600分钟。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容需包含【Hadoop安装部署、Hadoop常用命令、HDFS:IOUtils方式读取文件、URL方式读取文件、文件创建与写入、文件内容追加、文件元数据获取、MapReduce编程:单词计数、数据过滤及保存、检索特定群体搜索记录、UID去重、自定义计数器、Map端join、自定义Split大小、Map端本地聚合、自定义分区、检索特定偏好用户】2)基础实验课：分布式数据仓库（Hive）课程内容资源需包含不少于27个实验手册和27个教学视频，教学视频总时长不少于500分钟。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容需包含【Hive数仓：元数据库MySQL安装、安装部署、导入集合类型数据、创建删除数据库表、导入导出表数据、操作分区表、使用桶表、修改表分区列、使用distributeby查询数据、使用clusterby查询数据、使用UNIONALL合并表数据、使用JOIN联接查询、创建数据视图、创建数据索引、自定义函数UDF、自定义函数UDTF、自定义函数UDAF、分析车辆销售数据、分析搜狗搜索日志、ETL工具：Sqoop安装部署、导入MySQL数据至HDFS、导出Hive数据至MySQL、调度引擎：编译安装Azkaban、简易操作Azkaban、Azkaban脚本调度、Azkaban调度搜狗日志分析任务、Azkaban调度微博数据分析任务】3)数据库技术（NoSQL）课程资源包含不少于81个教学视频和23个实验手册等教学内容，视频总时长1000分钟以上。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Zookeeper分布式协调框架：Zookeeper安装部署、Zookeeper编程、Kafka消息订阅系统：Kakfa安装部署、Kakfa编程、HBase数据库：HBase安装部署、WEBUI界面、HBase表设计、HBase客户端配置、HBase表操作、HBase比较过滤器、HBase列族过滤器、HBase行键过滤器、HBase单列排除过滤器、HBase分页过滤器、读取HBase表数据、存储数据至HBase表、HBase计数器、HBase协处理器、Storm实时流计算框架：ETL导入数据、Storm安装部署、Storm词频统计、Storm文本追加、Storm数据入库。】4)

消息发布订阅系统（Kafka）课程资源包含不少于11个实验手册等教学内容。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Kafka消息订阅系统：Kafka安装部署、基本命令、KafkaTopic、Kakfa生产者和消费者、Kafka编程、集成Flume、结构化数据的发送与接收、非结构化数据的发送与接收、Spark消费Kafka、编程实现Kafka集成Flume、KafkaOffsetMonitor安装与使用。】5)Scala编程课程资源包含不少于36个教学视频和12个实验手册等教学内容，视频总时长400分钟以上。课程提供实验内容包含【Scala安装部署、Scala控制结构与函数、Scala数组、Scala元组与映射、Scala类与对象、Scala包的导入、Scala类的继承、Scala文件操作与类层级结构、Scala特质、Scala1匿名类与高阶函数、Scala样例类与模式匹配、Scala隐式转换与隐式参数。】6)大数据处理技术（Spark）-基础课程资源包含不少于39个教学视频和13个实验手册等教学内容，视频总时长400分钟以上。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Spark安装部署：Standalone模式、OnYarn模式、Spark编程工具：使用IDEA、SparkCore：Scala单词计数、Java单词计数、SparkSQL：命令方式、普通样例类编程、领域API编程、SparkStreaming：实时计算网络数据、实时计算HDFS数据、实时计算Flume数据、实时计算Kafka数据、存储实时计算结果至HBase】。7)大数据处理技术（Spark）-中级课程资源包含不少于13个实验手册等教学内容。课程提供实验内容包含【RDD编程、Scala编程、词频统计、Apache日志分析、SparkSQL编程、实时词频统计、SparkMLlib编程、SparkGraphX编程、SparkIndexedRDD编程、SparkR安装部署与编程、Alluxio安装部署与使用、SparkKeystoneML编程、SparkBlinkDB编程】。8)大数据处理技术（Spark）-高级课程资源包含不少于5个实验手册等教学内容。课程提供实验内容包含【分析日志流、分析Uber数据、分析犯罪数据、分析电商产品关注度、分析流量日志。】9)基础实验课：Python编程课程资源包含不少于12个教学视频和12个实验手册等教学内容，视频总时长200分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Python入门、变量与数据类型、运算符与表达式、数据结构、使用字符串、控制结构、循环结构、类与对象、使用函数、异常处理、操作文件、使用模块】10)数据分析与挖掘课程资源包含不少于7个教学视频和7个实验手册等教学内容，视频总时长400分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Numpy介绍与使用、Pandas介绍与使用、数据绘图可视化、数据预处理、数据分类与预测、数据聚类分析、时序数据分析处理。】11)大数据可视化技术课程资源包含不少于14个教学视频和14个实验手册等教学内容，视频总时长600分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Superset安装部署、Superset数据可视化、Zeppelin安装部署与数据可视化、Anaconda可视化、Matplotlib可视化、k-NearestNeighbor可视化、LinearRegression可视化、SupportVectorMachine可视化、DecisionTree可视化、RandomForest可视化、模型优化、Pandas可视化、数据降维可视化、ClusterAnalysis可视化。】12)基础实验课：Docker平台应用课程资源包含不少于23个教学视频和23个实验手册等教学内容，视频总时长400分钟以上。课程提供实验内容包含【安装docker服务、使用Dockerfile构建镜像、调试Dockerfile以及镜像命名、使用dockercommit构建新镜像、使用公共Registry、搭建本地Registry、搭建企业级docker仓库、运行容器和进入容器、docker容器的常用操作、限制docker容器的内存、限制docker容器使用CPU、限制docker容器的BlockIO、docker的原生网络、自定义docker容器网络、容器之间和容器与外部的通信、docker存储bindmount、使用dockermanagedvolume、容器之间共享数据、docker常用监控命令、使用weave网路、使用WeaveScope容器地图、使用rancher搭建k8s集群、部署Graylog日志系统】13)基础实验课：Linux基础课程资源包含9个实验手册等教学内容。课程提供实验内容包含【Linux命令基础练习、Linux用户和权限管理、Linux软件包安装、启动流程和服务管理、进程管理和计划任务、Linux系统监控和日志管理、Apache服务、使用ssh远程管理Linux、mysql数据库管理】14)基础实验课：java程序设计课程资源包含不少于10个实验手册等教学内容。课程提供实验内容包含【Java编程：JDK安装与配置、Java编程：人机猜拳游戏、Java编程：设计编写宠物乐园程序、Java编程：设计投票程序、Java编程：模拟银行取款业务、Java编程：实现用户的增删改查、Java编程：设计图形化计算器、Java编程：读取文件目录、Java编程：模拟售票系统、Java编程：简易聊天室】15）基础实验课：数据统计建模与挖掘课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【数据统计与建模：统计推断基础、数据统计与建模：统计分布、数据统计与建模：假设检验、数据统计与建模：多变量线性回归、数据统计与建模：广义线性模型、数据挖掘：数据关联分析】16）基础实验课：数据库应用课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【数据准备操作、操作实验(一)、操作实验(二)、Python编程操作RDB、Redis基本操作和实践、python访问Redis实现基本增删改查、RDB与RDB+Redis架构SQL查询对比、RDB编程操作数据库业务移植到RDB+Redis、学习并实践Phoenix+HBase安装部署、HBase原生查询实践、程序读取数据插入HBase实践、Phoenix+HBase查询实践、学习并实践GeoMesa+HBase部署、对比了解阿里云GeoGanos和GeoMesa、GeoMesa时空数据操作、基于Java的编程操作GeoMesa、使用时空索引和未使用索引的性能差异】17）基础实验课：Mysql数据库课程资源包含不少于10个实验手册等教学内容。课程提供实验内容包含【MySql安装部署、数据库创建与管理、数据表创建与管理、数据更新和数据查询、SQL编程基础、视图和索引、存储过程、触发器、MySql用户管理与权限操作、MySql用户管理与权限操作】18）基础实验课：数据分析技术（SPSS）课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【SPSS安装、SPSS窗口介绍、SPSS数据文件的建立、SPSS-单因素方差分析、SPSS-多因素方差分析、SPSS-线性回归分析、SPSS-非线性回归分析、SPSS-Logistic回归分析、SPSS-因子分析、SPSS-主成分分析、SPSS-K-均值聚类分析、SPSS-分层聚类分析、SPSS-判别分析、SPSS-信度分析、SPSS-尺度分析、SPSS-时间序列分析】19）基础实验课：数据挖掘-典型算法课程资源包含不少于13个实验手册等教学内容。课程提供实验内容包含【Anaconda及PyCharm的安装与配置、使用sklearn进行数据预处理基础梳理、利用apriori算法发现毒蘑菇近似特征、使用fpGrowth算法发现购物关联、基于SVM分析UCI银行营销数据集、逻辑回归LogistcalRegression分析鸢尾花数据集、基于贝叶斯算法的鸢尾花数据分类、用LSTM实现股票预测、使用DBSCAN对红酒类型聚类、使用K均值对UCIwine数据集进行分析、基于SK-learnLabelPropagation的半监督算法实现、文本特征词的提取、word2vec及doc2vec的训练及使用】20）基础实验课：机器学习-基础课程资源包含不少于11个教学视频和11个实验手册等教学内容，视频总时长300分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【线性回归、逻辑回归、最大期望算法、主题模型、聚类算法、支持向量机、决策树与随机森林、隐马尔科夫模型、Mahout安装部署、Mahout聚类算法、Mahout分类算法】21）基础实验课：机器学习-中级课程资源包含不少于11个教学视频，视频总时长600分钟以上、不少于11个实验手册等教学内容。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【动物图片识别、手写数字识别、SparkMLlib库介绍与使用、鸢尾花分类、棋类游戏、提取文章摘要、监督学习、非监督学习、非监督学习自编码、气象数据分析、足球比赛聚类分析】22）基础实验课：机器学习-高级课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharm与anaconda、基于线性回归预测糖尿病、使用决策树预测隐形眼镜类型、使用决策树对银行贷款进行建模、利用神经网实现MINST手写数字识别、用CNN实现MNIST手写数字识别、使用SVM实现手写数字识别、基于SVM分析Kaggle泰坦尼克数据集、使用朴素贝叶斯分类器从个人广告中获取区域倾向、使用朴素贝叶斯对鸢尾花数据进行分类、在病马死亡数据集上运用AdaBoost、DBSCAN聚类算法实践、使用K均值对鸢尾花数据集进行分析、利用PCA分析鸢尾花数据、基于SVD构建餐馆菜肴推荐系统、用HMM求解最可能的天气】23）基础实验课：深度学习-算法基础课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharmanaconda、数据拟合与广义线性回归、SMO算法求解SVM、构建BP神经网络、从零开始搭建神经网络、使用Tensorflow实现Dropout、梯度下降优化神经网络1、梯度下降优化神经网络2、Tensorflow神经网络优化策略、Mnist手写数据集识别、RNN实现二进制加法、彩票预测1、彩票预测2、PCA主成分分析、基于马尔科夫随机场的图像去噪方法、AutoEncoder自编码器】24）基础实验课：深度学习-主流框架课程资源包含不少于8个实验手册等教学内容。课程提供实验内容包含【DeepLearning初窥：Theano简单应用、DeepLearning初窥：TensorFlow简单应用、DeepLearning初窥：Keras识别手写字体、DeepLearning初窥：Keras与Scikit-Learn混合编程、DeepLearning初窥：KerasCNN图片分类、DeepLearning初窥：KerasLSTM影评分类、DeepLearning初窥：Caffe手写数字识别、DeepLearning初窥：Caffecifar10图片分类】案例课：深度学习-典型实例课程资源包含不少于8个实验手册等教学内容。课程提供实验内容包含【DeepLearning实践：Python实现深度神经网络、DeepLearning实践：CaffeCNN实现图片分类、DeepLearning实践：CNN实现图片风格迁移、DeepLearning实践：自联想存储器的python实现、DeepLearning实践：BP神经网络手写识别、DeepLearning实践：无监督学习的自编码器实现、DeepLearning实践：自编码器进行人脸数据降维、DeepLearning实践：有监督学习人脸识别】25）基础实验课：AI-算法基础课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharm与anaconda、prolog环境搭建、梵塔问题、农夫过河问题、利用A-star算法寻路、二叉树遍历、搜索两点之间路径、初识prolog、prolog家族关系判断、衣服搭配专家系统、Mycin专家系统、在玩具数据集中比较不同的聚类算法、高斯混合模型、DBSCAN聚类算法、jieba分词库使用、最大匹配算法】26）案例课：数据挖掘-案例课课程资源包含6个实验手册等教学内容。课程提供实验内容包含【20newsgroup分类分析、KMeans聚类乳腺癌数据集分析、LDA主题发现演练分析、服装数据集分析、使用K均值分析天平数据集、使用决策树对三好学生评选进行建模】27）案例课：机器学习-案例课课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【机器学习-收入数据集分析、机器学习-房价预测案例建模、机器学习-人脸识别数据集分析、机器学习-使用DBSCAN进行聚类、机器学习-新闻分类、机器学习-用LSTM实现MNIST手写数字识别】28）基础实验课：深度学习-案例课课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【深度学习-SVM分类Iris数据集、深度学习-句子分类训练1、深度学习-句子分类训练2、深度学习-蒙特卡罗方法计算圆周率、深度学习-深度学习模型实用技巧、深度学习-约会网站配对效果判定】29）基础实验课：数据分析与挖掘案例课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【自动问答系统、消费指数预测、流失情况预测、热点话题发现、fashion分类、语音处理】30）课程资源包含不少于9个实验手册等教学内容。课程提供实验内容包含【创建和操作Tensor、梯度下降和自动求梯度、深度学习基础、Pytorch开发技巧、卷积神经网络、循环神经网络、算法优化、计算机视觉、自然语言处理】31）案例课：AI-案例课32）基础实验课：计算机视觉33）基础实验课：NLP自然语言处理课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【NLP-相似度模型实验、WordCloud制作词云实验、NLTK工具包使用、中文短文本分类实验、中文短文本聚类实验、word2Vec影评数据分析、SVM分类垃圾短信、简易聊天机器人、基于TensorFlow的DeepQA聊天机器人实验、LSTM情感分析实验、基于LSTM轻松生成各种古诗、CNN与RNN中文文本分类-基于TENSORFLOW实现、利用lstm生成特定作家小说、中英文翻译系统实验、语音识别实验、基于文本的个性化推荐系统】34）课程资源包含不少于15个实验手册等教学内容。课程提供实验内容包含【Kettle的安装与运行、Python环境的安装和运行、Python导入数据并处理缺失值、异常数据、运用Kettle合并多源数据、运用Kettle处理缺失数据和异常数据、用Python生成与读取CSV文件、用Python读取与转换JSON文件、将XML文件转换为JSON文件、使用Kettle抽取本地XML文件、将JSON文件转换为CSV文件、使用Kettle抽取CSV数据并输出为文本、在Kettle中用正则表达式清洗数据、使用Kettle过滤数据表、使用Kettle生成随机数并相加、清洗员工信息、清洗在消费数据】35）、基础实验课：PyTorch基础编程课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【环境部署、Tensor基本用法、张量的科学计算、梯度和优化、线性回归和逻辑回归、数据集加载和处理、可视化实现方法、单层神经网络实现iris数据集分类、深度神经网络实现、卷积神经网络实现】36)基础实验课：PyTorch图像分类与识别课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS实验环境概览、CentOS7.9编程开发环境配置、Anaconda的安装部署、Python开发环境部署、PyTorch等扩展库的安装及使用、基于AlexNet网络的复杂样本多分类图像识别、编程实现VGGNet并以生物图像为例解决二分类问题、基于GoogLeNet网络实现特定物体图像的识别应用、构建ResNet网络进行室内外场景的自动识别、DenseNet编程及档案照片分类识别实践应用】37)基础实验课：PyTorch目标检测课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作、Linux编程开发环境介绍、Anaconda的安装部署、Python集成开发环境的安装及使用、PyTorch等扩展库的安装及张量的生成、图像的矩阵化表示、图像读取与图像像素格式转换、OpenCV对视频文件的操作、目标检测案例解析、基于CenterNet网络进行图像目标检测】38）基础实验课：PyTorch目标分割课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【Linux实验环境概览、Linux编程开发环境、Anaconda的安装部署、Python集成开发环境、图像处理扩展库的安装、数字图像的计算机表示、VGG网络模型编程及数据集图像目标辨识、设计实现ResNet模型进行目标分割图像判别、基于FCN预训练模型进行图像的多目标分割、基于PyTorch构建自己的目标分割网络并进行应用分析】39）基础实验课：PyTorch目标跟踪课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作基础、Linux编程开发环境介绍、Anaconda的安装部署、Python程序开发IDE的安装及使用、PyTorch及OpenCV等图像处理扩展库的安装、图像的矩阵化表示、图像读取与图像像素格式转换、OpenCV对视频文件的操作、使用全卷积神经网络实现视频序列跟踪目标的精确提取、构建SiameseFC网络实现视频目标跟踪】40）基础实验课：PyTorch图像描述课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作基础、Linux编程开发环境介绍、集成开发环境的安装部署、Python程序开发IDE的安装及使用、Python程序开发IDE的安装及使用、图像的矩阵化表示、图像读取与图像像素格式转换、图像描述中语义分割网络的设计与实现、编程实现基于LSTM网络的描述语句生成、图像描述综合实例编程应用】41）基础实验课：PyTorch图像超分辨率重建课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【Linux命令操作基础、Linux实验环境部署、Conda的安装部署、Python集成开发环境、图像处理扩展库的安装及使用、数字图像的矩阵化表示、图像读取与图像像素格式转换、基于PyTorch的卷积神经网络编程实现、图像超分辨率重建与深度残差网络、SRResNet算法及图像超分重建编程实现】42）基础实验课：PyTorch图像生成课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作基础、Linux编程开发环境介绍、Anaconda的安装部署、Python程序开发IDE的安装及使用、PyTorch等扩展库的安装及张量的生成、Pillow图像处理标准库的使用、PyTorch神经网络工具箱、基于反卷积原理搭建最小均方误差图像生成网络模型、手写数字图像的生成器-识别器网络模型编程实现、PyTorch神经网络工具箱】44)情绪分析（实战案例）项目通过工单历史数据和专席通话记录数据对用户情绪进行统计分析，预防高危用户流失，降低投诉次数，提高用户体验。项目提供数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【1）申告量统计分析；2）处理量统计分析；3）回单量统计分析；4）回单率统计分析；5）重障量统计分析；6）重障率统计分析；7）及时量统计分析；8）及时率统计分析；9）成功率统计分析；10）用户等级多维度统计分析。】45)行业案例课：Fashion分类识别项目通过对图像做出各种处理、分析，最终识别我们所要研究的目标。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【数据预处理、拆分训练集和测试集、数据建模、模型评估、模型优化、模型应用】46)搜索引擎构建（实战案例）项目在线爬取互联网数据，通过对数据处理、建立索引等操作实现简易的搜索引擎系统。项目实验数据为现场爬取，提供的测试数据约为10M，全量数据约为10G。项目提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统至少提供以下功能模块：【1）在线互联网数据爬取、解析、处理；2）利用中文分词技术，建立数据索引；3）基于HBase数据库和数据分词表构建简易搜索引擎；4）利用简易搜索引擎系统完成对数据的搜索和查看。】47）需与实验管理系统统一平台管理，界面无感切换，数据交换无缝连接。5实验管理案例课程包1套成熟产品、不接受后期定制开发。1)行业案例课：顾客流失情况预测项目通过采用数据挖掘中的一些技术，首先对实验数据进行预处理，然后进行特征处理，并把数据拆分成训练集和测试集，建立决策树模型并拟合，最后模型优化和模型优劣判断。对客户流失数据进行分析，发现不同变量对用户流失的影响程度，进而建立客户流失预测模型，利用该模型，发现预测流失群体，预测流失趋势，进而制定有效的控制策略，最大限度地降低客户流失率。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【修改字段名为英文、数据缺失值及ID唯一性检验、对两字段进行分箱处理、使用热力图查看各特征之间的关联性、CART（分类回归树）算法、对决策树优化可调参数、使用“剪枝”法解决模型过拟合问题、ROC曲线和AUC值】2)行业案例课：居民消费指数预测项目通过分析2001年起到2015年共15年某省居民消费水平的十三个指标，挖掘其中的隐藏模式，对未来两年的消费水平进行预测，为相关决策的制定提供依据。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【相关系数分析、Lasso回归模型、构建灰色预测模型，对所选特征值进行预测、建立支持向量回归模型、使用BP神经网络进行预测】3)行业案例课：热点话题发现项目通过针对微博热点话题词进行整理排序，方便用户查看当前热点词条信息，对微博数据集的话题词提取，通过分词、过滤、聚类等技术排序出热点话题。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【微博数据获取与整合、采集到的数据预处理、数据进行中文分词、选取特征词进行文本建模、微博热点话题词抽取】4)行业案例课：互动预测项目通过预测微博文本的传播规模和传播深度，对用户以往发表的微博数据进行用户特征提取和微博文本特征提取处理，采用了微博发送时间、微博标题、文本长度、是否含有表情、符号、是否提到@某人等要素，结合微博用户的关注关系、微博的内容类型和情感分析以及初期的传播模式为预测条件。采用随机森林对新微博文本互动数数据进行分类预测。该方法可以对高互动微博提供特征信息，以便于人们熟悉高互动微博特征。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【数据准备、数据清洗、建立特征工程、数据分析、模型的建立以及预测运行程序，查看结果】5)、行业案例课：语音处理与识别项目通过对音频中的噪声进行处理，噪声存在于音频中的每个时刻和位置，通过调制解调的方式对噪声进行处理，便于后续的步骤的有序进行。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【读取音频文件、查看音频文件波形图、生成噪声音频、给音频文件添加噪声、查看添加噪声后的音频文件、降噪处理】6)行业案例课：自动问答系统项目通过采用自然语言处理中的一些技术，对用户输入的问句进行分析处理,理解用户提问的意图，然后在按照一定的规则、策略查找、生成答案,返回给用户。项目提供实际数据、提供《实验手册》和《系统安装部署文档》、提供项目源代码及代码注释。系统需至少提供以下功能模块：【编写分词程序、建立FAQ匹配库、编写倒排索引程序、测试倒排索引程序、编写相似度计算程序、编写问题提问程序、运行程序，查看结果】8)医疗行业应用案例课程-儿童心肺听诊音异常识别分析案例本案例实验方法，主要借助python的音频处理库librosa和深度学习库keras。通过调用他们的api，实现呼吸音的分类识别任务。1、数据源通过医院提供的呼吸音样本数据，数据以wav无损格式存储，样本采样率为4k，样本包括正常人肺音和呼吸音异常，样本比例大约为异常音：200个，正常音：800个。2、实验方法通过对样本数据导入、特征提取、人工智能算法等步骤，实现呼吸音数据的智能分类判断，给出该呼吸音数据中可能存在的异常。实验包括以下步骤：数据输入特征提取数据拆分（训练集/验证集）人工智能算法模型建立数据识别（二分法，判断有异常/无异常；）9）需与实验管理系统统一平台管理，界面无感切换，数据交换无缝连接。序号设备名称数量单位技术参数1大数据分析与人工智能实验技赛辅助平台1套核心模块模块需支持管理员、裁判长、评分裁判、补录裁判、选手5种角色划分。管理员用户核心功能是对所有软件资源、所有用户权限的管理，拥有最大权限。裁判长用户核心功能是添加试题，添加试卷，设置参考答案，打印比赛中需要的二维码，发布比赛，对比赛结果管理，对比赛成绩管理，对比赛过程中申请答案记录进行管理。补录裁判用户核心功能是支持对场外比赛分数进行补录，对参赛队伍综合素质评分进行补录。评分裁判用户核心功能是支持对选手提交的答案和系统评分结果进行质疑。参赛选手用户核心功能是参与答题，申请参考答案。框架基础：要求基于Docker+K8S架构容器开放式云平台架构,优势：更高效的利用系统资源、秒级的启动时间、更轻松的迁移、更轻松的维护和扩展。与大数据分析与人工智能应用教研实训平台随时联动，支持与实训平台相互教学镜像和通用镜像。满足教学时对特定实验技赛环境的需求。镜像库中的分区镜像可由任何系统调用，支持同一分区镜像供多个系统使用，达到分区共享目的，无论系统镜像如何变化，数据镜像可保持一致。管理端可以识别并将差异化的信息保存在终端硬盘中，避免每次启动提示安装信息。客户端不需要对硬盘进行任何的操作，不需要分区和预装软件，连上服务端即可使用。一、管理员角色：管理员用户包含权限管理和系统管理两个入口，权限管理包含用户管理、角色管理、资源管理、组织管理。系统管理包含字典管理、登录信息管理、日志管理、系统设置、智能分析。1、用户管理：支持新增裁判长、评分裁判、补录裁判、参赛选手4种角色，设置相关账号信息、姓名、编号、邮箱、手机、性别、组织选择，支持对以创建用户做相关修改，删除。模块支持对已经创建用户进行编辑、重置密码、停用、删除等操作，每次重置密码会生成一个随机初始密码，模块支持显示序号、用户名、初始密码、姓名、性别、组织、创建时间、状态是否有效或禁用等相关信息，同时对相关信息支持进行打印账号信息、导出EXCL等操作，上传批量用户创建。2、角色管理：支持新增或修改裁判长、评分裁判、补录裁判、参赛选手等角色类型，编辑不同角色的角色编码、名称、描述、权重、菜单权限。3、资源管理：支持新增、修改和删除菜单/按钮，对菜单编码、名称、类型、图标、URL、权限描述、权重、是否管理，是否支持用，上级菜单选择等。4、组织管理：支持实现对组织编码、名称、描述、权重、是否支持用、上级组织选择的新增和修改，删除选择组织名称。5、字典管理：支持对字典编码、名称、备注、权重、是否支持用、上级字典等新增，修改，删除选择的字典编码。6、登录信息：支持查看不同角色用户登录的信息，对相关登录信息删除。信息包含学校、操作用户、用户标识、登录时间、登出时间、操作时间。7、日志管理：支持查看不同用户角色操作日志，对相关日志进行删除。日志信息包含学校、操作用户、描述、耗时（毫秒）、操作方法、参数。8、系统设置：支持对系统名称，技术支持公司，系统LOGO进行编辑保存和还原。9、智能分析：支持查看每个考试人员的试卷答题详情，显示序号、队编码、队伍、学校名称、队员、分数等相关信息。二、裁判长角色：裁判长用户包含比赛管理和资源中心两个入口，比赛管理支持对发布比赛、申请记录、报告管理、结果管理、成绩管理等功能模块进行操作。资源中心包含试题领域、比赛试题、参考答案、比赛试卷、生成码图能功能模块。1、比赛发布模块：比赛发布模块支持对比赛进行发布和调整比赛时间，能详细显示比赛名称，对比赛做相关描述，体现试卷名称，开始时间，结束时间，创建时间和发布状态等信息。并能对相关比赛新增和修改，搜索具体比赛。2、申请记录模块：支持对相关参赛队伍信息进行打印申请确认单的操作，并查看相关队伍报名信息。支持展示比赛项目名称、队伍名称、学校名称、队伍成员等信息，并对信息做相关搜索和打印。3、报告管理模块：支持打印比赛报告和查看比赛报告，根据比赛项目名称显示队伍编码，队伍名称，学校名称，队伍成员等相关信息。4、结果管理模块：支持对结果审核，查看审核记录，打印赛程确认单，根据比赛项目名称显示队伍编码，队伍名称，学校名称，队伍成员等相关信息。5、成绩管理模块：支持打印成绩详单，根据比赛项目名称显示队伍编码，队伍名称，学校名称，队伍成员，分数等相关信息，并对信息做搜索、打印比赛总成绩列表、打印比赛详单成绩、导出EXCL等操作。6、试题领域：支持对相关试题领域做新增、修改、删除等操作，支持自定义领域名称并对领域做相关描述，选择领域支持用和不支持用。支持对已有领域进行名称修改，领域做相关描述修改，选择领域支持用和不支持用。支持删除已有不需要的试题领域。7、比赛试题：支持新增试题、修改试题、删除试题，新增试题支持进行试题类型选择包含图像采集题、附件采集题、比赛报告等，试题分类支持选择相关试题领域，提供不少于30个脚本类型选择或不选择，自定义试题名称，做试题描述，详细试题内容，编辑答题说明，并选择是否需要作答。支持修改已有试题类型，分类脚本类型试题名称，试题描述，试题内容，答题说明、是否需要作答。支持删除选中试题。8、参考答案：支持选择对相关试题做配置参考答案。9、比赛试卷：支持做新增试卷，修改试卷，删除试卷操作。新增试卷要求支持自定义试卷名称，试卷描述选择已配置好的试题，并显示已选试题。修改试卷支持修改试卷名称，试卷描述选择已配置好的试题，并显示已选试题。支持删除已经配置好的比赛试卷。10、生成码图：支持对每一只参赛队伍生成二维码，并自定义目的地坐标：X（）Y（），对生成二维码支持下载及打印。支持查询每一个队伍生成二维码信息，包含二维码、队伍名称、内容、创建时间。三、评分裁判角色：1、裁判员功能模块：支持对不同赛区显示。支持按队伍编码进行查看操作。支持查看整体得分以及不同题目的得分情况，以及备注。支持学员得分的质疑。五、补录裁判角色：1、成绩补录模块：补录裁判登录后主页展示基本信息，在显著位置提供比赛管理、赛事名称、详情页面的展示等功能。支持比赛管理模块中包含成绩补录功能并支持针对赛事名称、学校名、队名等进行筛选，支持一键刷新功能，其详情页面主要展示序号、队编码、队名、学校名称、队员等信息并支持进行查看操作。通过查看功能，支持提供对当前考试题目手动录入分值并进行保存操作。六、参赛选手角色：参赛选手的比赛管理包含提交结果、申请答案、提交报告功能。1、提交结果模块：支持考试试题内容答题，针对每个试题答题完成后支持提交单个试题。2、申请答案模块：支持申请查看本题参考答案，视为主动放弃本题（即本题不得分），并将在本次比赛成绩中额外扣除一定的分数。3、提交报告模块：提交综合报告从评分系统下载"综合报告模版"，根据要求完成报告的撰写，上传到评分系统，提交一个DOCX文档格式的文件。支持下载参考文档，支持对上传结果和已上传结果进行查看。七、需与实验管理系统统一平台管理，界面无感切换，数据交换无缝连接。1大数据人工智能服务底座1套功能要求SAAS租户1）支持多租户，不限制租户数量。

2）支持多租户统一应用，也支持单个租户个性化开发应用。支持开发出来的菜单及功能可快速应用到所有租户下，也支持仅给某些租户开通菜单或功能。

3）支持同一功能的不同租户的个性化开发能力。

4）支持不同租户按数据库及表进行数据隔离。

5）不同租户的服务路由，隔离及配置。

6）数据字典按租户个性化配置。多端运行

零代码或低代码开发出来的功能支持在PC端+移动端（APP、