大數(shù)據(jù)與人工智能教學實驗平臺軟件需求

大數(shù)據(jù)與人工智能教學實驗平臺軟件需求建設目標與定位大數(shù)據(jù)是指無法在一定時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)的特點可以概括為5個V：數(shù)據(jù)量大（Volume）、速度快（Velocity）、類型多（Variety）、價值（Value）、真實性(Veracity)。面對如此龐大又難處理的的數(shù)據(jù)集合，應運而生的便是大數(shù)據(jù)分析了。大數(shù)據(jù)分析是一個大而復雜的數(shù)據(jù)集的集合，很難使用可用的數(shù)據(jù)庫管理工具或傳統(tǒng)的數(shù)據(jù)處理應用程序進行存儲和處理。挑戰(zhàn)包括捕獲，管理，存儲，搜索，共享，傳輸，分析和可視化此數(shù)據(jù)。通過大數(shù)據(jù)分析與人工智能應用教研實訓平臺建設探索我院應用型創(chuàng)業(yè)人才培養(yǎng)需要的實驗室建設和教學改革方向，實現(xiàn)企業(yè)、學校優(yōu)質資源融合、教學科研協(xié)同的實驗教學新模式，服務學院向技術應用型大學轉型需要。大數(shù)據(jù)分析與人工智能應用教研實訓平臺將定位為學院課程體系建設平臺、應用型創(chuàng)業(yè)人才培養(yǎng)基地、社會咨詢服務與培訓基地。建設思路（1）統(tǒng)籌發(fā)展，科學交叉。大數(shù)據(jù)分析與人工智能應用教研實訓平臺由學院統(tǒng)籌謀劃，整體部署；工程技術學院為建設主體、各二級學院協(xié)同，共同規(guī)劃建設方案設計，并協(xié)同教務與科技部做好師資培養(yǎng)、課程安排等；實驗中心科學規(guī)劃場地與裝修、軟硬件要求、標書制作、設備維護與調試等工作，全力推進中心建設；公保部承擔招標、采購等工作；相關職能部門全力配合中心建設工作推進。（2）技術驅動，創(chuàng)新人才培養(yǎng)。依托移動互聯(lián)、云計算、大數(shù)據(jù)等新一代信息技術，將教育技術與教學內容完美融合，打造以學生為中心的智能化、感知化、泛在化的數(shù)據(jù)驅動的新型教育形態(tài)和教育模式，徹底轉變傳統(tǒng)理論教學，由“經(jīng)驗教學”轉為“基于任務驅動的教學”。平臺建設要求提供統(tǒng)一的平臺管理所有的課程教學資料、講義、實驗指導手冊、實驗數(shù)據(jù)集、實驗作業(yè)、實驗報告書、實驗成績管理、用戶管理等。教師能夠上傳、下載、更新教學資源和實驗資源，發(fā)布實驗步驟、布置作業(yè)及其評分標準、實驗成績管理等。學生能夠管理自身的個性化資料，包括實驗報告、實驗結果、以及自己的學習與實驗資料，同時允許在線實驗操作，定時實驗作業(yè)考試，查閱教師所上傳的大數(shù)據(jù)技術實驗資料，以及實驗資料的上傳、移動、更新、刪除、交互式編輯、復制拷貝等操作。教師、學生采用統(tǒng)一的登錄入口進入實驗平臺，實驗管理軟件平臺對接著后面的虛擬化管理集群和物理集群對用戶透明，支持虛擬機的按需分配，方便快速地訪問實驗所需的實驗資料和數(shù)據(jù)集。實驗管理系統(tǒng)封裝虛擬機集群管理接口，教師或管理員在虛擬機云管理平臺上創(chuàng)建相應的實驗環(huán)境，給每組學生分配定額的虛擬機，在虛擬機集群節(jié)點上部署好相應的大數(shù)據(jù)分析軟件，學生根據(jù)實驗指導書中的步驟可以自主進行實驗操作。平臺建設目標根據(jù)職業(yè)方向設置不同的課程學習路線，針對每門課程提供教學實驗指導手冊、在線視頻、資源包、實驗示例代碼等，讓學生學以致用。項目案例提供行業(yè)典型項目及行業(yè)數(shù)據(jù)，項目涉及互聯(lián)網(wǎng)、運營商、金融、農村電子商務、政府等領域。通過在線學習、原理驗證、實訓應用、綜合分析及自主設計等多層次的實驗操作，為大數(shù)據(jù)教學提供一個完整的一體化的實驗教學體系。以人工智能技術服務專業(yè)人才培養(yǎng)的目標和方法為基礎，在實訓教學上進行優(yōu)化和設計，提出從人工智能基礎知識技術的認知，到人工智能項目實操技能的訓練，最終達到人工智能技術服務專業(yè)崗位能力提升的教學理念?？傮w技術要求人工智能教學實訓平臺的建設采用B/S架構，用戶通過瀏覽器進行訪問，且支持內網(wǎng)與外網(wǎng)同時訪問。平臺的管理功能是針對前端系統(tǒng)設置的對應的管理功能，便于教學過程中對前端系統(tǒng)的自定義管理。系統(tǒng)課程學習模式包括實驗平臺、項目路徑和職業(yè)路徑，滿足不同場景的教學需求。在教學管理方面，平臺自帶人工智能課程推薦功能，可為學生提供個性化課程推薦及AI課程助手，助力學生定向就業(yè)。還可以通過大數(shù)據(jù)分析，自動生成學業(yè)報告，為學生就業(yè)提供橋梁，并作為教師教學的得力助手，為高校的學生能力培養(yǎng)及教師的工作提供強有力的支持。實訓平臺采用私有云模式，所有課程均在云端進行，自主研發(fā)設計的教學平臺可將硬件資源進行集中調度分配，可管理大規(guī)模CPU、GPU、FPGA等高性能分布式計算集群，利用容器技術對計算資源進行虛擬化，以智能調度的方式對外提供計算服務，并依托開源分布式計算框架和深度學習框架，支持訓練、推理，支持CNN、RNN等各種類型的網(wǎng)絡模型，支持Xgboost等傳統(tǒng)機器學習模型，適合大數(shù)據(jù)、人工智能、深度計算；課程內容涵蓋操作系統(tǒng)、編程語言、Python數(shù)據(jù)處理、機器學習、數(shù)據(jù)分析、數(shù)據(jù)挖掘、深度學習、計算機視覺、自然語言處理等諸多方面，課程類型包括基礎實訓、關鍵技術掌握、應用創(chuàng)新等，是一個綜合性的學習研究平臺；平臺配合專用的資源監(jiān)控系統(tǒng)、課程監(jiān)控系統(tǒng)，可實時的監(jiān)控整個平臺的硬件資源負載以及學生學習的狀態(tài)，可幫助教師合理的安排課程及對應資源。系統(tǒng)建設技術參數(shù)要求數(shù)據(jù)分析與人工智能應用教研實訓平臺序號設備名稱數(shù)量單位技術參數(shù)1實驗管理系統(tǒng)1套一、實驗管理平臺系統(tǒng)1、系統(tǒng)支持教師用戶和學生用戶自定義首頁默認布局設置。支持一鍵恢復首頁默認布局。教師用戶首頁支持全局模式、教學模式、備課模式和考試模式4種內置首頁布局模式。本次項目提供100個用戶使用授權，且支持100個學生（每個學生開啟3個虛擬機）同時上課，屆時將做并發(fā)測試，需無卡頓正常運行。如有問題將做廢標處理。2、系統(tǒng)支持自定義排課功能，包含課程信息、上課班級、授課老師、上課地點、上課時間等信息。3、系統(tǒng)支持用戶在線制作實驗環(huán)境，滿足不同的教學場景需求。支持Docker容器，支持Linux操作系統(tǒng),并且支持單機和集群模式,可以自定義每一個虛機或容器的物理配置。4、系統(tǒng)支持鏡像管理功能，系統(tǒng)內置鏡像不少于200個,支持對鏡像自定義標簽，支持查詢和復用。5、系統(tǒng)支持對圖像分類、目標檢測、機器學習所需的數(shù)據(jù)集進行管理，支持數(shù)據(jù)集的導入功能。6、系統(tǒng)支持內置錄屏功能，提供容器、虛機、Jupyter三種錄屏環(huán)境。支持對屏幕錄像和文檔素材進行管理，文檔素材支持word、ppt和excel格式。7、系統(tǒng)支持實驗報告模板管理，內置文檔編輯器，支持在線編輯模板。8、系統(tǒng)支持課程管理功能，包含系統(tǒng)內置課程和教師自建課程?？砂凑照n程標簽快速篩選課程。支持對系統(tǒng)內置課程復用，方便快速創(chuàng)建課程。9、系統(tǒng)支持查看課程詳情，包括上課時間、該課程累計上課次數(shù)、系統(tǒng)和自建標簽以及學習路徑和班級信息展示。支持編輯所在院系、所學專業(yè)、所在班級，支持自定義課程名稱、課程封面圖片。支持課程發(fā)布、學生申請、課程共享功能的一鍵開關。10、系統(tǒng)支持課程編輯，需包括課程介紹、課程大綱、課程目錄、實驗報告、提問記錄、分組記錄等模塊。支持內置文檔編輯工具，支持本地上傳文檔。11、系統(tǒng)支持課程目錄編輯。支持對章節(jié)內容的編輯，可以添加實驗，添加視頻、課件。支持選擇實驗運行系統(tǒng)；支持從系統(tǒng)導入或自主上傳實驗手冊、報告模板、視頻、課件等素材；支持手動排序功能。12、系統(tǒng)支持對班級成員進行分組，支持手動和隨機分組，可支持組長設置。13、系統(tǒng)支持學生查看每個實驗章節(jié)詳情，包括本節(jié)視頻、實驗環(huán)境描述等信息，支持查看實驗環(huán)境的節(jié)點數(shù)量、配置以及組網(wǎng)情況。支持查看節(jié)點IP地址。14、系統(tǒng)支持學生在線實驗，支持刪除實驗、保存實驗、臨時關閉、共享桌面、上傳文件、下載文件、全屏操作、剪切板等8項基本環(huán)境操作功能。學生實驗時在未完成當前實驗的情況下，不依賴于當前章節(jié)編輯順序，可隨意跳轉并完成實驗。支持一鍵重置實驗。支持小窗口播放教學視頻。15、系統(tǒng)支持學生筆記功能，學生可按章節(jié)記錄課堂筆記，并對自己的筆記進行管理，支持筆記導出。16、系統(tǒng)支持在線課堂功能，提供在線電子白板和在線討論功能。支持在線錄屏、簽到、隨機提問、實驗監(jiān)控等功能。支持在線同步共享實驗環(huán)境界面讓學生觀看與學習。17、在線課堂支持在線發(fā)起簽到功能，支持設置學生簽到時間，支持每個班級的簽到記錄情況查詢，支持手動補簽操作。支持以EXCL表格形式導出相關簽到數(shù)據(jù)。18、在線課堂支持互動電子白板功能，可支持多種批注工具（圖形、文字、手寫等），支持實時批注與多用戶實時批注功能。19、在線課堂支持教學資源播放功能，支持教學視頻，PPT教學資源的同步播放。支持上傳外部演示文件（PPT、Word、Excl等多種格式文件），支持分享外部視頻以供學生同步觀看。支持在線課程錄制，支持對錄制的視頻進行查看、下載、以及刪除操作。20、在線課堂支持在線學習的用戶設置上課狀態(tài)，包含離開、舉手、未決定、困惑、悲傷、高興、鼓掌、點贊、拍磚等，支持在線課堂中的主持和演示權限設置，可設置其他演示者與主持人權限。21、在線課堂支持課堂討論模塊，教師用戶擁有開放討論和清空討論權限，支持發(fā)送內置互動表情。22、在線課堂支持在線隨機點名提問功能，支持對學生回答打分。23、在線課堂支持實驗監(jiān)控功能，支持查詢學生在線實驗情況，支持一鍵提醒學生錄屏，支持遠程協(xié)助功能，可對學生主機進行操作指導。24、系統(tǒng)支持教師創(chuàng)建六種教學工具：容器演示環(huán)境、虛機演示環(huán)境、Jupyter演示環(huán)境、圖像分類演示環(huán)境、目標檢測演示環(huán)境、機器學習演示環(huán)境。25、機器學習演示環(huán)境支持通過鼠標拖拽算法的方式快速生成機器學習訓練模型，支持查看關鍵算法代碼和算法說明，支持手動調參優(yōu)化模型。支持查看模型訓練歷史版本。系統(tǒng)支持用戶查看模型訓練樣本的模型評估報告，支持查看當前版本的模型訓練的基本屬性、機器學習算法、算法屬性。26、機器學習演示環(huán)境支持類型轉換、添加序號列、拆分、缺失值填充、歸一化、標準化、隨機采樣、系統(tǒng)采樣、分層采樣、去重、兩表連接等11種數(shù)據(jù)預處理方法；支持特征尺度變換、特征離散、主成分分析、過濾式選擇、隨機森林特征等5種特征工程；支持分類算法、聚類算法、回歸算法、關聯(lián)規(guī)則、文本分析等5大類共計17種機器學習算法。27、深度學習目標檢測演示環(huán)境支持用戶完成目標檢測模型訓練，支持選擇不同的數(shù)據(jù)集進行循環(huán)多次訓練，支持分配數(shù)據(jù)集訓練、驗證與測試的數(shù)據(jù)比例；支持設置模型訓練參數(shù)，包含優(yōu)化器、模型迭代次數(shù)、Batch-size及學習率；支持設置神經(jīng)網(wǎng)絡框架與算法以及計算資源環(huán)境等參數(shù)。支持對模型效果進行測試；支持展示模型應用效果。28、深度學習目標檢測演示環(huán)境支持訓練監(jiān)控功能，支持隨時讀取當前訓練信息與訓練任務進度信息，查看訓練數(shù)據(jù)信息，支持以TensorBoard方式實時監(jiān)控目標檢測訓練過程。29、深度學習目標檢測演示環(huán)境支持自動生成評估報告，評估報告包含mAP、mAP@.50IOU、mAP@.75IOU、mAP(small)、mAP(medium))、mAP(large)等6個mAP值的相關數(shù)據(jù)，支持以列表方式呈現(xiàn)模型訓練效果。30、深度學習圖像分類演示環(huán)境支持配置單點計算模式或分布式計算模式；支持配置深度學習神經(jīng)網(wǎng)絡；支持配置底層計算框架，包含Keras（vgg16、restnet50、alex、squeezenet、mobilenet、lenet、alexfcn、xception、inception-v1、vgg19、vggfcn等共計11種）；支持CPU、GPU的單機或集群環(huán)境，支持單GPU卡或多GPU卡方式進行計算。31、深度學習圖像分類演示環(huán)境需支持隨時讀取當前訓練信息與訓練任務進度信息，支持查看訓練數(shù)據(jù)信息，支持以TensorBoard方式實時監(jiān)控圖像分類訓練過程。支持對模型效果進行測試；支持展示模型應用效果。32、深度學習圖像分類演示環(huán)境需支持自動生成評估報告，評估報告包含訓練集、驗證集、測試集的精確率、精準率、召回率、F1-score等4個指標的圖表結果展示；系統(tǒng)自動計算出top1-top5的準確率；并展示訓練結果的混淆矩陣等指標結果信息。支持呈現(xiàn)模型訓練效果。33、系統(tǒng)支持學員管理，支持查看班級成員、查看課程申請和添加重修學員，支持學員密碼重置。34、系統(tǒng)支持課堂管理功能。支持查看學生在線或離線情況、實驗報告提交情況，支持通過遠程協(xié)助進入學生正在試驗的環(huán)境；支持快照管理，可查看和刪除學生虛機快照。35、系統(tǒng)支持虛機管理，可查看和關閉學生虛機。提供平臺小助手模塊，可隨時管理虛機，支持設置平臺小助手的透明度。36、系統(tǒng)支持教師編輯不同課程章節(jié)的課堂備注信息，并支持批量刪除及導出。37、系統(tǒng)支持課件、視頻、手冊、圖片、軟件、數(shù)據(jù)及其他資源的上傳、下載、共享及刪除等文件管理功能。支持提供個人網(wǎng)盤功能。38、系統(tǒng)支持通過儀表盤展示Docker容器虛機資源使用情況，包含CPU、內存和硬盤的使用比。支持對教師和學生的虛機進行查詢、刪除等操作。39、系統(tǒng)支持用戶在保存實驗時一鍵生成快照，支持對所有快照進行查詢、管理、刪除等操作。40、系統(tǒng)支持任務調度功能，支持對正在運行的測試或訓練任務進行暫停、終止操作，支持對已完成的任務進行篩選、查看、刪除等操作。41、系統(tǒng)支持在線考試功能，支持自定義系統(tǒng)內所有試題的難度系數(shù)和權重。支持對試題來源、所屬科目和試題題型等進行編輯和修改；支持單選題、多選題、判斷題、簡答題、填空題及實驗題等題型；考試題支持在線編輯添加和word文件導入添加兩種操作方式，系統(tǒng)內置word試題模板；支持通過圖形顯示不同題型分配比例和數(shù)量統(tǒng)計。42、在線考試支持編輯添加實驗題，實驗題支持容器、虛機、Jupyter三種運行環(huán)境，支持單機、集群兩種環(huán)境類別，支持設置主、從節(jié)點的參數(shù)。43、在線考試支持自動組卷和手動組卷兩種方式添加試卷。通過對不同題型所屬的試題科目進行題目總數(shù)設定，支持自動計算總分數(shù)。完成快速自動組卷。系統(tǒng)支持將任意已發(fā)布的試卷自動設為模板，支持對模板試卷的復用功能。支持試卷以word格式批量導出。44、在線考試支持查看試卷滿分、最高分、最低分、平均分、及格率、已提交人數(shù)等考試信息。支持查看學生的考試時間、答題時長、成績、及格狀態(tài)等數(shù)據(jù)。支持以excel格式導出學生成績。支持考試分析功能，展示錯題率統(tǒng)計圖和成績排名圖。45、系統(tǒng)支持自定義學習路徑功能，支持對課程的學科分類、學科內容及學科適用職業(yè)進行定位，支持對學習路徑新增分類、新增路徑小類、新增崗位。支持學習路徑的可視化分析，展示崗位能力達成圖、技術能力分布圖、學習路徑課程分布圖。支持通過課程、班級以及姓名篩選查看。46、系統(tǒng)支持教師查看班級的實驗報告分析，展示報告滿分、最高分、最低分、平均分和已提交人數(shù)等數(shù)據(jù)，展示整個班級成績排名圖和實驗分析圖。支持學生查看個人實驗報告分析，展示完成率、提交報告次數(shù)和報告成績分析圖。47、系統(tǒng)支持人臉表情識別功能。支持dlib庫和訓練好的人臉特征點模型，系統(tǒng)內置68模型（shape_predictor_68_face_landmarks.dat），支持使用OpenCV對圖片進行操作，支持對識別出的人臉標注出特征點。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。48、系統(tǒng)支持圖片風格遷移功能。支持tensorflow實現(xiàn)圖像風格遷移，支持把一張圖片的內容和一張圖片的風格結合在一起，使內容圖片的風格變成風格圖片的風格樣式。支持7種風格圖片模型，輸入一張內容圖片，支持隨機輸出一張改變風格后的圖片。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。49、系統(tǒng)支持看圖說話功能。支持tensorflow實現(xiàn)Google的image-to-text模型，支持把圖像轉換成文字。支持根據(jù)輸入的圖片，把圖片內容描述以字符串的形式輸出。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。50、系統(tǒng)支持YOLO目標檢測功能。支持使用Keras實現(xiàn)YOLOv3模型進行目標檢測，對于緊湊密集或者高度重疊目標的檢測有顯著效果。支持輸入多張圖片，并對圖片中的物體檢測標注，然后輸出標注好后的圖片。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。51、系統(tǒng)支持識別人體關鍵點功能。支持使用TensorFlow實現(xiàn)OpenPose模型，能夠識別出人體的骨骼關鍵點，通過人體的關鍵點檢測，可以辨別出人體的姿態(tài)，通過人體的姿態(tài)可在一些場景下做出判斷并提醒。輸入圖片，然后通過處理，輸出標注好人體關鍵點的圖片。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。52、系統(tǒng)支持性別年齡識別功能。支持使用tensorflow實現(xiàn)用于人的年齡和性別的估算。首先識別出圖片中的人臉，然后再通過人臉去識別人的年齡和性別。通過輸入一張有人臉的照片，能夠識別出人臉和人的性別和年齡，并標注在圖像上，然后輸出標注處理好的圖像。支持用戶從本地上傳圖片，或使用系統(tǒng)內置圖片，或使用攝像頭捕獲圖片上傳至平臺，本地上傳圖片類型支持jpg、png格式。系統(tǒng)通過計算，以可視化的方式展示當前模型使用效果。53、系統(tǒng)支持磁盤管理功能，支持自動或手動清理磁盤。54、系統(tǒng)支持組織管理、班級管理和用戶管理。支持對系統(tǒng)賬戶進行編輯、重置密碼、禁用和刪除操作。支持從回收站還原賬戶。55、系統(tǒng)支持在線用戶管理功能，支持查看系統(tǒng)當前在線用戶的會話編號、姓名、瀏覽器、操作系統(tǒng)、登錄時間、登錄IP、登錄地點等信息，支持對系統(tǒng)當前在線用戶進行強退及批量強退操作。56、系統(tǒng)支持登錄日志管理功能，支持查看登錄用戶的姓名、賬號、瀏覽器、操作系統(tǒng)、登錄IP、登錄地點、登錄狀態(tài)、錯誤信息、操作耗時、登錄時間的信息，支持批量刪除及導出操作。57、系統(tǒng)支持操作日志管理功能，支持查看用戶操作的姓名、操作模塊、錯誤信息、操作方法、請求參數(shù)、操作IP、操作時間、賬號、操作狀態(tài)、操作耗時、操作內容、返回參數(shù)、操作地點等信息，支持刪除操作。58、系統(tǒng)支持安全管理功能，支持對當前數(shù)據(jù)庫進行備份，支持按時間段查詢所有備份的數(shù)據(jù)庫信息、支持備份的恢復與刪除。59、系統(tǒng)支持系統(tǒng)信息設置功能，支持自定義系統(tǒng)名稱、技術支持的名稱、系統(tǒng)說明、系統(tǒng)LOGO等信息。支持一鍵還原初始設置。60、系統(tǒng)支持添加、導入及批量刪除敏感詞，支持對已有敏感詞狀態(tài)進行開啟或關閉操作，支持對所選敏感詞進行編輯及刪除操作。61、系統(tǒng)支持通知管理功能，支持對系統(tǒng)通知進行查看、撤銷及刪除操作。2云計算管理系統(tǒng)1套二、云計算管理系統(tǒng)1、系統(tǒng)采用Docker底層虛擬化技術，對底層算力資源統(tǒng)一管理，池化計算資源、存儲資源、網(wǎng)絡資源、軟件資源?？蓪崿F(xiàn)對資源統(tǒng)一監(jiān)控，GPU、CPU統(tǒng)一調度，Pod資源管理，以及容器資源編排等功能。2、系統(tǒng)支持docker管理模塊。支持配額調度，支持啟動/停止/重啟容器、暫停/恢復容器、刪除容器、限制容器對CPU的使用、限制容器對內存的使用、限制容器對BlockIO的使用。3、支持私有DockerRegistry，用戶可在本地地搭建私有DockerRegistry。4、支持基于容器的應用部署、維護和滾動升級。5、支持負載均衡和服務發(fā)現(xiàn)。6、支持認證、授權、訪問控制、API注冊和發(fā)現(xiàn)等機制。7、支持維護集群狀態(tài)，比如故障檢測、自動擴展、滾動更新。8、支持維護容器的生命周期，支持Volume（CVI）和網(wǎng)絡（CNI）管理。9、支持秒級創(chuàng)建資源：即從用戶在頁面點擊“創(chuàng)建”按鈕，到集群資源成功創(chuàng)建完成所花費時間不能超過10秒鐘。10、系統(tǒng)支持管理模塊。支持自定義配置，支持根據(jù)業(yè)務需求自定義云主機配置，包括CPU、內存、鏡像等。11、支持創(chuàng)建快照，支持可分別針對系統(tǒng)盤和數(shù)據(jù)盤創(chuàng)建快照，并通過快照恢復磁盤數(shù)據(jù)。12、支持動態(tài)調整配置，無需重啟和中斷業(yè)務，即可調整虛擬機的CPU和內存。13、支持熱遷移，實現(xiàn)跨主機的熱遷移，保證云主機業(yè)務不中斷。14、支持加載安全組，支持針對單臺戒多臺云主機加載安全防護策略，在入口和出口方向上迚行數(shù)據(jù)包過濾。15、支持日志查看，查看云主機運行產(chǎn)生的日志。16、支持WEB控制臺，瀏覽器無需安裝任何插件即可操作云主機，即使云主機網(wǎng)絡不通，管理員也可以進行維護。17、支持分配浮動IP，支持為云主機分配公網(wǎng)IP，實現(xiàn)從公網(wǎng)訪問該云主機。18、支持資源配額，為項目分配資源，實現(xiàn)資源隔離和限制。19、支持虛擬機鏡像查找及檢索系統(tǒng)，支持多種虛擬機鏡像格式（AKI、AMI、ARI、ISO、QCOW2、Raw、VDI、VHD、VMDK），支持創(chuàng)建上傳鏡像、刪除鏡像、編輯鏡像基本信息的功能。20、支持公有鏡像和私有鏡像兩類。私有鏡像僅供創(chuàng)建該鏡像的用戶使用。也可以轉化為公有鏡像22、支持創(chuàng)建網(wǎng)絡，用戶可以迅速創(chuàng)建屬于自己的私有網(wǎng)絡，包括虛擬交換機、虛擬路由器、防火墻及分配私有/共有IP等。23、支持網(wǎng)絡拓撲，支持Linuxbridge等網(wǎng)絡插件，支持flat、vlan、gre、vxlan等網(wǎng)絡拓撲結構。24、支持自定義防火墻，云平臺默認default策略禁止從外部訪問云主機，用戶可在此策略的基礎上，修改云主機在入口方向或出口方向所允許和禁止的訪問端口，也可自定義防火墻策略并綁定至云主機，實現(xiàn)應用層訪問的控制。25、支持密鑰對，用戶可在云平臺上生出密鑰并將私鑰下載到用戶本地，在創(chuàng)建云主機時選擇對應的密鑰對名稱即可實現(xiàn)通過密鑰方式登錄云主機，此功能保證云主機被訪問的高度可控性。25、支持操作日志，云平臺記錄用戶在此平臺的所有操作日志，提供按條件的查詢和導出功能。26、支持身份認證，支持身份驗證、安全策略管理和目錄服務的功能。27、支持監(jiān)控集群整體資源使用情況，包括：cpu利用率，內存利用率，硬盤利用率。28、支持監(jiān)控每一個項目（租戶）的資源使用情況，包括：項目的CPU利用率，項目內存利用率，項目的硬盤利用率，項目的浮動IP使用，項目的安全組使用等。29、支持監(jiān)控系統(tǒng)服務運行狀態(tài)，包括：計算服務，網(wǎng)絡服務，塊存儲服務，編排服務等。30、支持監(jiān)控所有計算節(jié)點虛擬機運行狀態(tài)，數(shù)量等。31、需與實驗管理系統(tǒng)統(tǒng)一平臺管理，界面無感切換，數(shù)據(jù)交換無縫連接。3鏡像倉庫管理系統(tǒng)1套三、鏡像倉庫管理系統(tǒng)1、基于角色的訪問控制：用戶和存儲的鏡像通過“項目”進行組織，用戶可以對項目下的docker鏡像擁有不同的訪問權限。2、基于策略的復制：可以使用帶有多個篩選器（存儲倉庫，標記和標簽）的策略在Harbor鏡像倉庫之間復制（同步）docker鏡像。不論遇到什么錯誤，Harbor都會自動重試復制。該功能非常適合負載均衡，高可用，多數(shù)據(jù)中心，混合云和多云等場景。3、支持LDAP/AD：Harbor支持與企業(yè)現(xiàn)有的LDAP/AD服務進行集成，以進行用戶身份驗證和管理，并支持將LDAP中的組導入Harbor并為其分配適當?shù)捻椖拷巧?、支持項目級別的磁盤配額，可以設置每一個項目中的鏡像個數(shù)和占用磁盤空間。5、鏡像刪除和垃圾數(shù)據(jù)收集：Harbor支持刪除倉庫中的docker鏡像，并回收硬盤空間。6、圖形化門戶：用戶可以輕松使用瀏覽器，搜索鏡像倉庫和管理項目。7、審計：支持跟蹤harbor鏡像倉庫的所有操作。9、RESTfulAPI：harbor提供適用于大多數(shù)管理操作的RESTfulAPI，易于與外部系統(tǒng)集成。通過嵌入式SwaggerUI提供可用于功能探索和測試的API。10、保存云計算管理系統(tǒng)所需的docker鏡像：云計算管理系統(tǒng)提供教學用的實驗環(huán)境。構成云計算管理系統(tǒng)的系統(tǒng)鏡像由harbor存儲。11.提供多用戶管理：harbor支持為不同的教師創(chuàng)建獨立賬號?？墒共煌慕處煼謩e管理各自的鏡像。12、公開項目和私有項目：harbor基于項目管理鏡像。教師在創(chuàng)建項目時可以選擇是否公開。公開項目中的鏡像所有人都可以拉取，私有項目中的鏡像只有所有者可以拉取。12、服務課工場：大數(shù)據(jù)實驗管理平臺系統(tǒng)的課工場功能允許教師自定義docker鏡像。harbor負責存儲教師自定義的docker鏡像。13、鏡像管理功能：要求能顯示鏡像列表、要求能顯示鏡像構建歷史、能從容器創(chuàng)建新鏡像、要求能夠從Dockerfile構建鏡像、從registry下載鏡像、能將鏡像上傳到registry、要求能夠刪除Dockerhost中的鏡像、支持使用Dockerfile構建鏡像。14、需與實驗管理系統(tǒng)統(tǒng)一平臺管理，界面無感切換，數(shù)據(jù)交換無縫連接。。4實驗管理課程系統(tǒng)1套1)基礎實驗課：大數(shù)據(jù)開發(fā)技術（Hadoop）課程內容資源需包含不少于17個實驗手冊和17個教學視頻，教學視頻總時長不少于600分鐘。每個實驗手冊有對應的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內容需包含【Hadoop安裝部署、Hadoop常用命令、HDFS:IOUtils方式讀取文件、URL方式讀取文件、文件創(chuàng)建與寫入、文件內容追加、文件元數(shù)據(jù)獲取、MapReduce編程:單詞計數(shù)、數(shù)據(jù)過濾及保存、檢索特定群體搜索記錄、UID去重、自定義計數(shù)器、Map端join、自定義Split大小、Map端本地聚合、自定義分區(qū)、檢索特定偏好用戶】2)基礎實驗課：分布式數(shù)據(jù)倉庫（Hive）課程內容資源需包含不少于27個實驗手冊和27個教學視頻，教學視頻總時長不少于500分鐘。每個實驗手冊有對應的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內容需包含【Hive數(shù)倉：元數(shù)據(jù)庫MySQL安裝、安裝部署、導入集合類型數(shù)據(jù)、創(chuàng)建刪除數(shù)據(jù)庫表、導入導出表數(shù)據(jù)、操作分區(qū)表、使用桶表、修改表分區(qū)列、使用distributeby查詢數(shù)據(jù)、使用clusterby查詢數(shù)據(jù)、使用UNIONALL合并表數(shù)據(jù)、使用JOIN聯(lián)接查詢、創(chuàng)建數(shù)據(jù)視圖、創(chuàng)建數(shù)據(jù)索引、自定義函數(shù)UDF、自定義函數(shù)UDTF、自定義函數(shù)UDAF、分析車輛銷售數(shù)據(jù)、分析搜狗搜索日志、ETL工具：Sqoop安裝部署、導入MySQL數(shù)據(jù)至HDFS、導出Hive數(shù)據(jù)至MySQL、調度引擎：編譯安裝Azkaban、簡易操作Azkaban、Azkaban腳本調度、Azkaban調度搜狗日志分析任務、Azkaban調度微博數(shù)據(jù)分析任務】3)數(shù)據(jù)庫技術（NoSQL）課程資源包含不少于81個教學視頻和23個實驗手冊等教學內容，視頻總時長1000分鐘以上。每個實驗手冊有對應的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內容包含【Zookeeper分布式協(xié)調框架：Zookeeper安裝部署、Zookeeper編程、Kafka消息訂閱系統(tǒng)：Kakfa安裝部署、Kakfa編程、HBase數(shù)據(jù)庫：HBase安裝部署、WEBUI界面、HBase表設計、HBase客戶端配置、HBase表操作、HBase比較過濾器、HBase列族過濾器、HBase行鍵過濾器、HBase單列排除過濾器、HBase分頁過濾器、讀取HBase表數(shù)據(jù)、存儲數(shù)據(jù)至HBase表、HBase計數(shù)器、HBase協(xié)處理器、Storm實時流計算框架：ETL導入數(shù)據(jù)、Storm安裝部署、Storm詞頻統(tǒng)計、Storm文本追加、Storm數(shù)據(jù)入庫?！?)

消息發(fā)布訂閱系統(tǒng)（Kafka）課程資源包含不少于11個實驗手冊等教學內容。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內容包含【Kafka消息訂閱系統(tǒng)：Kafka安裝部署、基本命令、KafkaTopic、Kakfa生產(chǎn)者和消費者、Kafka編程、集成Flume、結構化數(shù)據(jù)的發(fā)送與接收、非結構化數(shù)據(jù)的發(fā)送與接收、Spark消費Kafka、編程實現(xiàn)Kafka集成Flume、KafkaOffsetMonitor安裝與使用?！?)Scala編程課程資源包含不少于36個教學視頻和12個實驗手冊等教學內容，視頻總時長400分鐘以上。課程提供實驗內容包含【Scala安裝部署、Scala控制結構與函數(shù)、Scala數(shù)組、Scala元組與映射、Scala類與對象、Scala包的導入、Scala類的繼承、Scala文件操作與類層級結構、Scala特質、Scala1匿名類與高階函數(shù)、Scala樣例類與模式匹配、Scala隱式轉換與隱式參數(shù)?！?)大數(shù)據(jù)處理技術（Spark）-基礎課程資源包含不少于39個教學視頻和13個實驗手冊等教學內容，視頻總時長400分鐘以上。每個實驗手冊有對應的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內容包含【Spark安裝部署：Standalone模式、OnYarn模式、Spark編程工具：使用IDEA、SparkCore：Scala單詞計數(shù)、Java單詞計數(shù)、SparkSQL：命令方式、普通樣例類編程、領域API編程、SparkStreaming：實時計算網(wǎng)絡數(shù)據(jù)、實時計算HDFS數(shù)據(jù)、實時計算Flume數(shù)據(jù)、實時計算Kafka數(shù)據(jù)、存儲實時計算結果至HBase】。7)大數(shù)據(jù)處理技術（Spark）-中級課程資源包含不少于13個實驗手冊等教學內容。課程提供實驗內容包含【RDD編程、Scala編程、詞頻統(tǒng)計、Apache日志分析、SparkSQL編程、實時詞頻統(tǒng)計、SparkMLlib編程、SparkGraphX編程、SparkIndexedRDD編程、SparkR安裝部署與編程、Alluxio安裝部署與使用、SparkKeystoneML編程、SparkBlinkDB編程】。8)大數(shù)據(jù)處理技術（Spark）-高級課程資源包含不少于5個實驗手冊等教學內容。課程提供實驗內容包含【分析日志流、分析Uber數(shù)據(jù)、分析犯罪數(shù)據(jù)、分析電商產(chǎn)品關注度、分析流量日志?！?)基礎實驗課：Python編程課程資源包含不少于12個教學視頻和12個實驗手冊等教學內容，視頻總時長200分鐘以上。每個實驗手冊有對應的操作講解視頻。課程提供實驗內容包含【Python入門、變量與數(shù)據(jù)類型、運算符與表達式、數(shù)據(jù)結構、使用字符串、控制結構、循環(huán)結構、類與對象、使用函數(shù)、異常處理、操作文件、使用模塊】10)數(shù)據(jù)分析與挖掘課程資源包含不少于7個教學視頻和7個實驗手冊等教學內容，視頻總時長400分鐘以上。每個實驗手冊有對應的操作講解視頻。課程提供實驗內容包含【Numpy介紹與使用、Pandas介紹與使用、數(shù)據(jù)繪圖可視化、數(shù)據(jù)預處理、數(shù)據(jù)分類與預測、數(shù)據(jù)聚類分析、時序數(shù)據(jù)分析處理?！?1)大數(shù)據(jù)可視化技術課程資源包含不少于14個教學視頻和14個實驗手冊等教學內容，視頻總時長600分鐘以上。每個實驗手冊有對應的操作講解視頻。課程提供實驗內容包含【Superset安裝部署、Superset數(shù)據(jù)可視化、Zeppelin安裝部署與數(shù)據(jù)可視化、Anaconda可視化、Matplotlib可視化、k-NearestNeighbor可視化、LinearRegression可視化、SupportVectorMachine可視化、DecisionTree可視化、RandomForest可視化、模型優(yōu)化、Pandas可視化、數(shù)據(jù)降維可視化、ClusterAnalysis可視化。】12)基礎實驗課：Docker平臺應用課程資源包含不少于23個教學視頻和23個實驗手冊等教學內容，視頻總時長400分鐘以上。課程提供實驗內容包含【安裝docker服務、使用Dockerfile構建鏡像、調試Dockerfile以及鏡像命名、使用dockercommit構建新鏡像、使用公共Registry、搭建本地Registry、搭建企業(yè)級docker倉庫、運行容器和進入容器、docker容器的常用操作、限制docker容器的內存、限制docker容器使用CPU、限制docker容器的BlockIO、docker的原生網(wǎng)絡、自定義docker容器網(wǎng)絡、容器之間和容器與外部的通信、docker存儲bindmount、使用dockermanagedvolume、容器之間共享數(shù)據(jù)、docker常用監(jiān)控命令、使用weave網(wǎng)路、使用WeaveScope容器地圖、使用rancher搭建k8s集群、部署Graylog日志系統(tǒng)】13)基礎實驗課：Linux基礎課程資源包含9個實驗手冊等教學內容。課程提供實驗內容包含【Linux命令基礎練習、Linux用戶和權限管理、Linux軟件包安裝、啟動流程和服務管理、進程管理和計劃任務、Linux系統(tǒng)監(jiān)控和日志管理、Apache服務、使用ssh遠程管理Linux、mysql數(shù)據(jù)庫管理】14)基礎實驗課：java程序設計課程資源包含不少于10個實驗手冊等教學內容。課程提供實驗內容包含【Java編程：JDK安裝與配置、Java編程：人機猜拳游戲、Java編程：設計編寫寵物樂園程序、Java編程：設計投票程序、Java編程：模擬銀行取款業(yè)務、Java編程：實現(xiàn)用戶的增刪改查、Java編程：設計圖形化計算器、Java編程：讀取文件目錄、Java編程：模擬售票系統(tǒng)、Java編程：簡易聊天室】15）基礎實驗課：數(shù)據(jù)統(tǒng)計建模與挖掘課程資源包含不少于6個實驗手冊等教學內容。課程提供實驗內容包含【數(shù)據(jù)統(tǒng)計與建模：統(tǒng)計推斷基礎、數(shù)據(jù)統(tǒng)計與建模：統(tǒng)計分布、數(shù)據(jù)統(tǒng)計與建模：假設檢驗、數(shù)據(jù)統(tǒng)計與建模：多變量線性回歸、數(shù)據(jù)統(tǒng)計與建模：廣義線性模型、數(shù)據(jù)挖掘：數(shù)據(jù)關聯(lián)分析】16）基礎實驗課：數(shù)據(jù)庫應用課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【數(shù)據(jù)準備操作、操作實驗(一)、操作實驗(二)、Python編程操作RDB、Redis基本操作和實踐、python訪問Redis實現(xiàn)基本增刪改查、RDB與RDB+Redis架構SQL查詢對比、RDB編程操作數(shù)據(jù)庫業(yè)務移植到RDB+Redis、學習并實踐Phoenix+HBase安裝部署、HBase原生查詢實踐、程序讀取數(shù)據(jù)插入HBase實踐、Phoenix+HBase查詢實踐、學習并實踐GeoMesa+HBase部署、對比了解阿里云GeoGanos和GeoMesa、GeoMesa時空數(shù)據(jù)操作、基于Java的編程操作GeoMesa、使用時空索引和未使用索引的性能差異】17）基礎實驗課：Mysql數(shù)據(jù)庫課程資源包含不少于10個實驗手冊等教學內容。課程提供實驗內容包含【MySql安裝部署、數(shù)據(jù)庫創(chuàng)建與管理、數(shù)據(jù)表創(chuàng)建與管理、數(shù)據(jù)更新和數(shù)據(jù)查詢、SQL編程基礎、視圖和索引、存儲過程、觸發(fā)器、MySql用戶管理與權限操作、MySql用戶管理與權限操作】18）基礎實驗課：數(shù)據(jù)分析技術（SPSS）課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【SPSS安裝、SPSS窗口介紹、SPSS數(shù)據(jù)文件的建立、SPSS-單因素方差分析、SPSS-多因素方差分析、SPSS-線性回歸分析、SPSS-非線性回歸分析、SPSS-Logistic回歸分析、SPSS-因子分析、SPSS-主成分分析、SPSS-K-均值聚類分析、SPSS-分層聚類分析、SPSS-判別分析、SPSS-信度分析、SPSS-尺度分析、SPSS-時間序列分析】19）基礎實驗課：數(shù)據(jù)挖掘-典型算法課程資源包含不少于13個實驗手冊等教學內容。課程提供實驗內容包含【Anaconda及PyCharm的安裝與配置、使用sklearn進行數(shù)據(jù)預處理基礎梳理、利用apriori算法發(fā)現(xiàn)毒蘑菇近似特征、使用fpGrowth算法發(fā)現(xiàn)購物關聯(lián)、基于SVM分析UCI銀行營銷數(shù)據(jù)集、邏輯回歸LogistcalRegression分析鳶尾花數(shù)據(jù)集、基于貝葉斯算法的鳶尾花數(shù)據(jù)分類、用LSTM實現(xiàn)股票預測、使用DBSCAN對紅酒類型聚類、使用K均值對UCIwine數(shù)據(jù)集進行分析、基于SK-learnLabelPropagation的半監(jiān)督算法實現(xiàn)、文本特征詞的提取、word2vec及doc2vec的訓練及使用】20）基礎實驗課：機器學習-基礎課程資源包含不少于11個教學視頻和11個實驗手冊等教學內容，視頻總時長300分鐘以上。每個實驗手冊有對應的操作講解視頻。課程提供實驗內容包含【線性回歸、邏輯回歸、最大期望算法、主題模型、聚類算法、支持向量機、決策樹與隨機森林、隱馬爾科夫模型、Mahout安裝部署、Mahout聚類算法、Mahout分類算法】21）基礎實驗課：機器學習-中級課程資源包含不少于11個教學視頻，視頻總時長600分鐘以上、不少于11個實驗手冊等教學內容。每個實驗手冊有對應的操作講解視頻。課程提供實驗內容包含【動物圖片識別、手寫數(shù)字識別、SparkMLlib庫介紹與使用、鳶尾花分類、棋類游戲、提取文章摘要、監(jiān)督學習、非監(jiān)督學習、非監(jiān)督學習自編碼、氣象數(shù)據(jù)分析、足球比賽聚類分析】22）基礎實驗課：機器學習-高級課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【安裝配置pycharm與anaconda、基于線性回歸預測糖尿病、使用決策樹預測隱形眼鏡類型、使用決策樹對銀行貸款進行建模、利用神經(jīng)網(wǎng)實現(xiàn)MINST手寫數(shù)字識別、用CNN實現(xiàn)MNIST手寫數(shù)字識別、使用SVM實現(xiàn)手寫數(shù)字識別、基于SVM分析Kaggle泰坦尼克數(shù)據(jù)集、使用樸素貝葉斯分類器從個人廣告中獲取區(qū)域傾向、使用樸素貝葉斯對鳶尾花數(shù)據(jù)進行分類、在病馬死亡數(shù)據(jù)集上運用AdaBoost、DBSCAN聚類算法實踐、使用K均值對鳶尾花數(shù)據(jù)集進行分析、利用PCA分析鳶尾花數(shù)據(jù)、基于SVD構建餐館菜肴推薦系統(tǒng)、用HMM求解最可能的天氣】23）基礎實驗課：深度學習-算法基礎課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【安裝配置pycharmanaconda、數(shù)據(jù)擬合與廣義線性回歸、SMO算法求解SVM、構建BP神經(jīng)網(wǎng)絡、從零開始搭建神經(jīng)網(wǎng)絡、使用Tensorflow實現(xiàn)Dropout、梯度下降優(yōu)化神經(jīng)網(wǎng)絡1、梯度下降優(yōu)化神經(jīng)網(wǎng)絡2、Tensorflow神經(jīng)網(wǎng)絡優(yōu)化策略、Mnist手寫數(shù)據(jù)集識別、RNN實現(xiàn)二進制加法、彩票預測1、彩票預測2、PCA主成分分析、基于馬爾科夫隨機場的圖像去噪方法、AutoEncoder自編碼器】24）基礎實驗課：深度學習-主流框架課程資源包含不少于8個實驗手冊等教學內容。課程提供實驗內容包含【DeepLearning初窺：Theano簡單應用、DeepLearning初窺：TensorFlow簡單應用、DeepLearning初窺：Keras識別手寫字體、DeepLearning初窺：Keras與Scikit-Learn混合編程、DeepLearning初窺：KerasCNN圖片分類、DeepLearning初窺：KerasLSTM影評分類、DeepLearning初窺：Caffe手寫數(shù)字識別、DeepLearning初窺：Caffecifar10圖片分類】案例課：深度學習-典型實例課程資源包含不少于8個實驗手冊等教學內容。課程提供實驗內容包含【DeepLearning實踐：Python實現(xiàn)深度神經(jīng)網(wǎng)絡、DeepLearning實踐：CaffeCNN實現(xiàn)圖片分類、DeepLearning實踐：CNN實現(xiàn)圖片風格遷移、DeepLearning實踐：自聯(lián)想存儲器的python實現(xiàn)、DeepLearning實踐：BP神經(jīng)網(wǎng)絡手寫識別、DeepLearning實踐：無監(jiān)督學習的自編碼器實現(xiàn)、DeepLearning實踐：自編碼器進行人臉數(shù)據(jù)降維、DeepLearning實踐：有監(jiān)督學習人臉識別】25）基礎實驗課：AI-算法基礎課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【安裝配置pycharm與anaconda、prolog環(huán)境搭建、梵塔問題、農夫過河問題、利用A-star算法尋路、二叉樹遍歷、搜索兩點之間路徑、初識prolog、prolog家族關系判斷、衣服搭配專家系統(tǒng)、Mycin專家系統(tǒng)、在玩具數(shù)據(jù)集中比較不同的聚類算法、高斯混合模型、DBSCAN聚類算法、jieba分詞庫使用、最大匹配算法】26）案例課：數(shù)據(jù)挖掘-案例課課程資源包含6個實驗手冊等教學內容。課程提供實驗內容包含【20newsgroup分類分析、KMeans聚類乳腺癌數(shù)據(jù)集分析、LDA主題發(fā)現(xiàn)演練分析、服裝數(shù)據(jù)集分析、使用K均值分析天平數(shù)據(jù)集、使用決策樹對三好學生評選進行建模】27）案例課：機器學習-案例課課程資源包含不少于6個實驗手冊等教學內容。課程提供實驗內容包含【機器學習-收入數(shù)據(jù)集分析、機器學習-房價預測案例建模、機器學習-人臉識別數(shù)據(jù)集分析、機器學習-使用DBSCAN進行聚類、機器學習-新聞分類、機器學習-用LSTM實現(xiàn)MNIST手寫數(shù)字識別】28）基礎實驗課：深度學習-案例課課程資源包含不少于6個實驗手冊等教學內容。課程提供實驗內容包含【深度學習-SVM分類Iris數(shù)據(jù)集、深度學習-句子分類訓練1、深度學習-句子分類訓練2、深度學習-蒙特卡羅方法計算圓周率、深度學習-深度學習模型實用技巧、深度學習-約會網(wǎng)站配對效果判定】29）基礎實驗課：數(shù)據(jù)分析與挖掘案例課程資源包含不少于6個實驗手冊等教學內容。課程提供實驗內容包含【自動問答系統(tǒng)、消費指數(shù)預測、流失情況預測、熱點話題發(fā)現(xiàn)、fashion分類、語音處理】30）課程資源包含不少于9個實驗手冊等教學內容。課程提供實驗內容包含【創(chuàng)建和操作Tensor、梯度下降和自動求梯度、深度學習基礎、Pytorch開發(fā)技巧、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、算法優(yōu)化、計算機視覺、自然語言處理】31）案例課：AI-案例課32）基礎實驗課：計算機視覺33）基礎實驗課：NLP自然語言處理課程資源包含不少于16個實驗手冊等教學內容。課程提供實驗內容包含【NLP-相似度模型實驗、WordCloud制作詞云實驗、NLTK工具包使用、中文短文本分類實驗、中文短文本聚類實驗、word2Vec影評數(shù)據(jù)分析、SVM分類垃圾短信、簡易聊天機器人、基于TensorFlow的DeepQA聊天機器人實驗、LSTM情感分析實驗、基于LSTM輕松生成各種古詩、CNN與RNN中文文本分類-基于TENSORFLOW實現(xiàn)、利用lstm生成特定作家小說、中英文翻譯系統(tǒng)實驗、語音識別實驗、基于文本的個性化推薦系統(tǒng)】34）課程資源包含不少于15個實驗手冊等教學內容。課程提供實驗內容包含【Kettle的安裝與運行、Python環(huán)境的安裝和運行、Python導入數(shù)據(jù)并處理缺失值、異常數(shù)據(jù)、運用Kettle合并多源數(shù)據(jù)、運用Kettle處理缺失數(shù)據(jù)和異常數(shù)據(jù)、用Python生成與讀取CSV文件、用Python讀取與轉換JSON文件、將XML文件轉換為JSON文件、使用Kettle抽取本地XML文件、將JSON文件轉換為CSV文件、使用Kettle抽取CSV數(shù)據(jù)并輸出為文本、在Kettle中用正則表達式清洗數(shù)據(jù)、使用Kettle過濾數(shù)據(jù)表、使用Kettle生成隨機數(shù)并相加、清洗員工信息、清洗在消費數(shù)據(jù)】35）、基礎實驗課：PyTorch基礎編程課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【環(huán)境部署、Tensor基本用法、張量的科學計算、梯度和優(yōu)化、線性回歸和邏輯回歸、數(shù)據(jù)集加載和處理、可視化實現(xiàn)方法、單層神經(jīng)網(wǎng)絡實現(xiàn)iris數(shù)據(jù)集分類、深度神經(jīng)網(wǎng)絡實現(xiàn)、卷積神經(jīng)網(wǎng)絡實現(xiàn)】36)基礎實驗課：PyTorch圖像分類與識別課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【CentOS實驗環(huán)境概覽、CentOS7.9編程開發(fā)環(huán)境配置、Anaconda的安裝部署、Python開發(fā)環(huán)境部署、PyTorch等擴展庫的安裝及使用、基于AlexNet網(wǎng)絡的復雜樣本多分類圖像識別、編程實現(xiàn)VGGNet并以生物圖像為例解決二分類問題、基于GoogLeNet網(wǎng)絡實現(xiàn)特定物體圖像的識別應用、構建ResNet網(wǎng)絡進行室內外場景的自動識別、DenseNet編程及檔案照片分類識別實踐應用】37)基礎實驗課：PyTorch目標檢測課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【CentOS命令操作、Linux編程開發(fā)環(huán)境介紹、Anaconda的安裝部署、Python集成開發(fā)環(huán)境的安裝及使用、PyTorch等擴展庫的安裝及張量的生成、圖像的矩陣化表示、圖像讀取與圖像像素格式轉換、OpenCV對視頻文件的操作、目標檢測案例解析、基于CenterNet網(wǎng)絡進行圖像目標檢測】38）基礎實驗課：PyTorch目標分割課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【Linux實驗環(huán)境概覽、Linux編程開發(fā)環(huán)境、Anaconda的安裝部署、Python集成開發(fā)環(huán)境、圖像處理擴展庫的安裝、數(shù)字圖像的計算機表示、VGG網(wǎng)絡模型編程及數(shù)據(jù)集圖像目標辨識、設計實現(xiàn)ResNet模型進行目標分割圖像判別、基于FCN預訓練模型進行圖像的多目標分割、基于PyTorch構建自己的目標分割網(wǎng)絡并進行應用分析】39）基礎實驗課：PyTorch目標跟蹤課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【CentOS命令操作基礎、Linux編程開發(fā)環(huán)境介紹、Anaconda的安裝部署、Python程序開發(fā)IDE的安裝及使用、PyTorch及OpenCV等圖像處理擴展庫的安裝、圖像的矩陣化表示、圖像讀取與圖像像素格式轉換、OpenCV對視頻文件的操作、使用全卷積神經(jīng)網(wǎng)絡實現(xiàn)視頻序列跟蹤目標的精確提取、構建SiameseFC網(wǎng)絡實現(xiàn)視頻目標跟蹤】40）基礎實驗課：PyTorch圖像描述課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【CentOS命令操作基礎、Linux編程開發(fā)環(huán)境介紹、集成開發(fā)環(huán)境的安裝部署、Python程序開發(fā)IDE的安裝及使用、Python程序開發(fā)IDE的安裝及使用、圖像的矩陣化表示、圖像讀取與圖像像素格式轉換、圖像描述中語義分割網(wǎng)絡的設計與實現(xiàn)、編程實現(xiàn)基于LSTM網(wǎng)絡的描述語句生成、圖像描述綜合實例編程應用】41）基礎實驗課：PyTorch圖像超分辨率重建課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【Linux命令操作基礎、Linux實驗環(huán)境部署、Conda的安裝部署、Python集成開發(fā)環(huán)境、圖像處理擴展庫的安裝及使用、數(shù)字圖像的矩陣化表示、圖像讀取與圖像像素格式轉換、基于PyTorch的卷積神經(jīng)網(wǎng)絡編程實現(xiàn)、圖像超分辨率重建與深度殘差網(wǎng)絡、SRResNet算法及圖像超分重建編程實現(xiàn)】42）基礎實驗課：PyTorch圖像生成課程資源包含不少于10個教學視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學內容。課程提供實驗內容包含【CentOS命令操作基礎、Linux編程開發(fā)環(huán)境介紹、Anaconda的安裝部署、Python程序開發(fā)IDE的安裝及使用、PyTorch等擴展庫的安裝及張量的生成、Pillow圖像處理標準庫的使用、PyTorch神經(jīng)網(wǎng)絡工具箱、基于反卷積原理搭建最小均方誤差圖像生成網(wǎng)絡模型、手寫數(shù)字圖像的生成器-識別器網(wǎng)絡模型編程實現(xiàn)、PyTorch神經(jīng)網(wǎng)絡工具箱】44)情緒分析（實戰(zhàn)案例）項目通過工單歷史數(shù)據(jù)和專席通話記錄數(shù)據(jù)對用戶情緒進行統(tǒng)計分析，預防高危用戶流失，降低投訴次數(shù)，提高用戶體驗。項目提供數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【1）申告量統(tǒng)計分析；2）處理量統(tǒng)計分析；3）回單量統(tǒng)計分析；4）回單率統(tǒng)計分析；5）重障量統(tǒng)計分析；6）重障率統(tǒng)計分析；7）及時量統(tǒng)計分析；8）及時率統(tǒng)計分析；9）成功率統(tǒng)計分析；10）用戶等級多維度統(tǒng)計分析?！?5)行業(yè)案例課：Fashion分類識別項目通過對圖像做出各種處理、分析，最終識別我們所要研究的目標。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【數(shù)據(jù)預處理、拆分訓練集和測試集、數(shù)據(jù)建模、模型評估、模型優(yōu)化、模型應用】46)搜索引擎構建（實戰(zhàn)案例）項目在線爬取互聯(lián)網(wǎng)數(shù)據(jù)，通過對數(shù)據(jù)處理、建立索引等操作實現(xiàn)簡易的搜索引擎系統(tǒng)。項目實驗數(shù)據(jù)為現(xiàn)場爬取，提供的測試數(shù)據(jù)約為10M，全量數(shù)據(jù)約為10G。項目提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)至少提供以下功能模塊：【1）在線互聯(lián)網(wǎng)數(shù)據(jù)爬取、解析、處理；2）利用中文分詞技術，建立數(shù)據(jù)索引；3）基于HBase數(shù)據(jù)庫和數(shù)據(jù)分詞表構建簡易搜索引擎；4）利用簡易搜索引擎系統(tǒng)完成對數(shù)據(jù)的搜索和查看?！?7）需與實驗管理系統(tǒng)統(tǒng)一平臺管理，界面無感切換，數(shù)據(jù)交換無縫連接。5實驗管理案例課程包1套成熟產(chǎn)品、不接受后期定制開發(fā)。1)行業(yè)案例課：顧客流失情況預測項目通過采用數(shù)據(jù)挖掘中的一些技術，首先對實驗數(shù)據(jù)進行預處理，然后進行特征處理，并把數(shù)據(jù)拆分成訓練集和測試集，建立決策樹模型并擬合，最后模型優(yōu)化和模型優(yōu)劣判斷。對客戶流失數(shù)據(jù)進行分析，發(fā)現(xiàn)不同變量對用戶流失的影響程度，進而建立客戶流失預測模型，利用該模型，發(fā)現(xiàn)預測流失群體，預測流失趨勢，進而制定有效的控制策略，最大限度地降低客戶流失率。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【修改字段名為英文、數(shù)據(jù)缺失值及ID唯一性檢驗、對兩字段進行分箱處理、使用熱力圖查看各特征之間的關聯(lián)性、CART（分類回歸樹）算法、對決策樹優(yōu)化可調參數(shù)、使用“剪枝”法解決模型過擬合問題、ROC曲線和AUC值】2)行業(yè)案例課：居民消費指數(shù)預測項目通過分析2001年起到2015年共15年某省居民消費水平的十三個指標，挖掘其中的隱藏模式，對未來兩年的消費水平進行預測，為相關決策的制定提供依據(jù)。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【相關系數(shù)分析、Lasso回歸模型、構建灰色預測模型，對所選特征值進行預測、建立支持向量回歸模型、使用BP神經(jīng)網(wǎng)絡進行預測】3)行業(yè)案例課：熱點話題發(fā)現(xiàn)項目通過針對微博熱點話題詞進行整理排序，方便用戶查看當前熱點詞條信息，對微博數(shù)據(jù)集的話題詞提取，通過分詞、過濾、聚類等技術排序出熱點話題。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【微博數(shù)據(jù)獲取與整合、采集到的數(shù)據(jù)預處理、數(shù)據(jù)進行中文分詞、選取特征詞進行文本建模、微博熱點話題詞抽取】4)行業(yè)案例課：互動預測項目通過預測微博文本的傳播規(guī)模和傳播深度，對用戶以往發(fā)表的微博數(shù)據(jù)進行用戶特征提取和微博文本特征提取處理，采用了微博發(fā)送時間、微博標題、文本長度、是否含有表情、符號、是否提到@某人等要素，結合微博用戶的關注關系、微博的內容類型和情感分析以及初期的傳播模式為預測條件。采用隨機森林對新微博文本互動數(shù)數(shù)據(jù)進行分類預測。該方法可以對高互動微博提供特征信息，以便于人們熟悉高互動微博特征。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【數(shù)據(jù)準備、數(shù)據(jù)清洗、建立特征工程、數(shù)據(jù)分析、模型的建立以及預測運行程序，查看結果】5)、行業(yè)案例課：語音處理與識別項目通過對音頻中的噪聲進行處理，噪聲存在于音頻中的每個時刻和位置，通過調制解調的方式對噪聲進行處理，便于后續(xù)的步驟的有序進行。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【讀取音頻文件、查看音頻文件波形圖、生成噪聲音頻、給音頻文件添加噪聲、查看添加噪聲后的音頻文件、降噪處理】6)行業(yè)案例課：自動問答系統(tǒng)項目通過采用自然語言處理中的一些技術，對用戶輸入的問句進行分析處理,理解用戶提問的意圖，然后在按照一定的規(guī)則、策略查找、生成答案,返回給用戶。項目提供實際數(shù)據(jù)、提供《實驗手冊》和《系統(tǒng)安裝部署文檔》、提供項目源代碼及代碼注釋。系統(tǒng)需至少提供以下功能模塊：【編寫分詞程序、建立FAQ匹配庫、編寫倒排索引程序、測試倒排索引程序、編寫相似度計算程序、編寫問題提問程序、運行程序，查看結果】8)醫(yī)療行業(yè)應用案例課程-兒童心肺聽診音異常識別分析案例本案例實驗方法，主要借助python的音頻處理庫librosa和深度學習庫keras。通過調用他們的api，實現(xiàn)呼吸音的分類識別任務。1、數(shù)據(jù)源通過醫(yī)院提供的呼吸音樣本數(shù)據(jù)，數(shù)據(jù)以wav無損格式存儲，樣本采樣率為4k，樣本包括正常人肺音和呼吸音異常，樣本比例大約為異常音：200個，正常音：800個。2、實驗方法通過對樣本數(shù)據(jù)導入、特征提取、人工智能算法等步驟，實現(xiàn)呼吸音數(shù)據(jù)的智能分類判斷，給出該呼吸音數(shù)據(jù)中可能存在的異常。實驗包括以下步驟：數(shù)據(jù)輸入特征提取數(shù)據(jù)拆分（訓練集/驗證集）人工智能算法模型建立數(shù)據(jù)識別（二分法，判斷有異常/無異常；）9）需與實驗管理系統(tǒng)統(tǒng)一平臺管理，界面無感切換，數(shù)據(jù)交換無縫連接。序號設備名稱數(shù)量單位技術參數(shù)1大數(shù)據(jù)分析與人工智能實驗技賽輔助平臺1套核心模塊模塊需支持管理員、裁判長、評分裁判、補錄裁判、選手5種角色劃分。管理員用戶核心功能是對所有軟件資源、所有用戶權限的管理，擁有最大權限。裁判長用戶核心功能是添加試題，添加試卷，設置參考答案，打印比賽中需要的二維碼，發(fā)布比賽，對比賽結果管理，對比賽成績管理，對比賽過程中申請答案記錄進行管理。補錄裁判用戶核心功能是支持對場外比賽分數(shù)進行補錄，對參賽隊伍綜合素質評分進行補錄。評分裁判用戶核心功能是支持對選手提交的答案和系統(tǒng)評分結果進行質疑。參賽選手用戶核心功能是參與答題，申請參考答案?？蚣芑A：要求基于Docker+K8S架構容器開放式云平臺架構,優(yōu)勢：更高效的利用系統(tǒng)資源、秒級的啟動時間、更輕松的遷移、更輕松的維護和擴展。與大數(shù)據(jù)分析與人工智能應用教研實訓平臺隨時聯(lián)動，支持與實訓平臺相互教學鏡像和通用鏡像。滿足教學時對特定實驗技賽環(huán)境的需求。鏡像庫中的分區(qū)鏡像可由任何系統(tǒng)調用，支持同一分區(qū)鏡像供多個系統(tǒng)使用，達到分區(qū)共享目的，無論系統(tǒng)鏡像如何變化，數(shù)據(jù)鏡像可保持一致。管理端可以識別并將差異化的信息保存在終端硬盤中，避免每次啟動提示安裝信息。客戶端不需要對硬盤進行任何的操作，不需要分區(qū)和預裝軟件，連上服務端即可使用。一、管理員角色：管理員用戶包含權限管理和系統(tǒng)管理兩個入口，權限管理包含用戶管理、角色管理、資源管理、組織管理。系統(tǒng)管理包含字典管理、登錄信息管理、日志管理、系統(tǒng)設置、智能分析。1、用戶管理：支持新增裁判長、評分裁判、補錄裁判、參賽選手4種角色，設置相關賬號信息、姓名、編號、郵箱、手機、性別、組織選擇，支持對以創(chuàng)建用戶做相關修改，刪除。模塊支持對已經(jīng)創(chuàng)建用戶進行編輯、重置密碼、停用、刪除等操作，每次重置密碼會生成一個隨機初始密碼，模塊支持顯示序號、用戶名、初始密碼、姓名、性別、組織、創(chuàng)建時間、狀態(tài)是否有效或禁用等相關信息，同時對相關信息支持進行打印賬號信息、導出EXCL等操作，上傳批量用戶創(chuàng)建。2、角色管理：支持新增或修改裁判長、評分裁判、補錄裁判、參賽選手等角色類型，編輯不同角色的角色編碼、名稱、描述、權重、菜單權限。3、資源管理：支持新增、修改和刪除菜單/按鈕，對菜單編碼、名稱、類型、圖標、URL、權限描述、權重、是否管理，是否支持用，上級菜單選擇等。4、組織管理：支持實現(xiàn)對組織編碼、名稱、描述、權重、是否支持用、上級組織選擇的新增和修改，刪除選擇組織名稱。5、字典管理：支持對字典編碼、名稱、備注、權重、是否支持用、上級字典等新增，修改，刪除選擇的字典編碼。6、登錄信息：支持查看不同角色用戶登錄的信息，對相關登錄信息刪除。信息包含學校、操作用戶、用戶標識、登錄時間、登出時間、操作時間。7、日志管理：支持查看不同用戶角色操作日志，對相關日志進行刪除。日志信息包含學校、操作用戶、描述、耗時（毫秒）、操作方法、參數(shù)。8、系統(tǒng)設置：支持對系統(tǒng)名稱，技術支持公司，系統(tǒng)LOGO進行編輯保存和還原。9、智能分析：支持查看每個考試人員的試卷答題詳情，顯示序號、隊編碼、隊伍、學校名稱、隊員、分數(shù)等相關信息。二、裁判長角色：裁判長用戶包含比賽管理和資源中心兩個入口，比賽管理支持對發(fā)布比賽、申請記錄、報告管理、結果管理、成績管理等功能模塊進行操作。資源中心包含試題領域、比賽試題、參考答案、比賽試卷、生成碼圖能功能模塊。1、比賽發(fā)布模塊：比賽發(fā)布模塊支持對比賽進行發(fā)布和調整比賽時間，能詳細顯示比賽名稱，對比賽做相關描述，體現(xiàn)試卷名稱，開始時間，結束時間，創(chuàng)建時間和發(fā)布狀態(tài)等信息。并能對相關比賽新增和修改，搜索具體比賽。2、申請記錄模塊：支持對相關參賽隊伍信息進行打印申請確認單的操作，并查看相關隊伍報名信息。支持展示比賽項目名稱、隊伍名稱、學校名稱、隊伍成員等信息，并對信息做相關搜索和打印。3、報告管理模塊：支持打印比賽報告和查看比賽報告，根據(jù)比賽項目名稱顯示隊伍編碼，隊伍名稱，學校名稱，隊伍成員等相關信息。4、結果管理模塊：支持對結果審核，查看審核記錄，打印賽程確認單，根據(jù)比賽項目名稱顯示隊伍編碼，隊伍名稱，學校名稱，隊伍成員等相關信息。5、成績管理模塊：支持打印成績詳單，根據(jù)比賽項目名稱顯示隊伍編碼，隊伍名稱，學校名稱，隊伍成員，分數(shù)等相關信息，并對信息做搜索、打印比賽總成績列表、打印比賽詳單成績、導出EXCL等操作。6、試題領域：支持對相關試題領域做新增、修改、刪除等操作，支持自定義領域名稱并對領域做相關描述，選擇領域支持用和不支持用。支持對已有領域進行名稱修改，領域做相關描述修改，選擇領域支持用和不支持用。支持刪除已有不需要的試題領域。7、比賽試題：支持新增試題、修改試題、刪除試題，新增試題支持進行試題類型選擇包含圖像采集題、附件采集題、比賽報告等，試題分類支持選擇相關試題領域，提供不少于30個腳本類型選擇或不選擇，自定義試題名稱，做試題描述，詳細試題內容，編輯答題說明，并選擇是否需要作答。支持修改已有試題類型，分類腳本類型試題名稱，試題描述，試題內容，答題說明、是否需要作答。支持刪除選中試題。8、參考答案：支持選擇對相關試題做配置參考答案。9、比賽試卷：支持做新增試卷，修改試卷，刪除試卷操作。新增試卷要求支持自定義試卷名稱，試卷描述選擇已配置好的試題，并顯示已選試題。修改試卷支持修改試卷名稱，試卷描述選擇已配置好的試題，并顯示已選試題。支持刪除已經(jīng)配置好的比賽試卷。10、生成碼圖：支持對每一只參賽隊伍生成二維碼，并自定義目的地坐標：X（）Y（），對生成二維碼支持下載及打印。支持查詢每一個隊伍生成二維碼信息，包含二維碼、隊伍名稱、內容、創(chuàng)建時間。三、評分裁判角色：1、裁判員功能模塊：支持對不同賽區(qū)顯示。支持按隊伍編碼進行查看操作。支持查看整體得分以及不同題目的得分情況，以及備注。支持學員得分的質疑。五、補錄裁判角色：1、成績補錄模塊：補錄裁判登錄后主頁展示基本信息，在顯著位置提供比賽管理、賽事名稱、詳情頁面的展示等功能。支持比賽管理模塊中包含成績補錄功能并支持針對賽事名稱、學校名、隊名等進行篩選，支持一鍵刷新功能，其詳情頁面主要展示序號、隊編碼、隊名、學校名稱、隊員等信息并支持進行查看操作。通過查看功能，支持提供對當前考試題目手動錄入分值并進行保存操作。六、參賽選手角色：參賽選手的比賽管理包含提交結果、申請答案、提交報告功能。1、提交結果模塊：支持考試試題內容答題，針對每個試題答題完成后支持提交單個試題。2、申請答案模塊：支持申請查看本題參考答案，視為主動放棄本題（即本題不得分），并將在本次比賽成績中額外扣除一定的分數(shù)。3、提交報告模塊：提交綜合報告從評分系統(tǒng)下載"綜合報告模版"，根據(jù)要求完成報告的撰寫，上傳到評分系統(tǒng)，提交一個DOCX文檔格式的文件。支持下載參考文檔，支持對上傳結果和已上傳結果進行查看。七、需與實驗管理系統(tǒng)統(tǒng)一平臺管理，界面無感切換，數(shù)據(jù)交換無縫連接。1大數(shù)據(jù)人工智能服務底座1套功能要求SAAS租戶1）支持多租戶，不限制租戶數(shù)量。

2）支持多租戶統(tǒng)一應用，也支持單個租戶個性化開發(fā)應用。支持開發(fā)出來的菜單及功能可快速應用到所有租戶下，也支持僅給某些租戶開通菜單或功能。

3）支持同一功能的不同租戶的個性化開發(fā)能力。

4）支持不同租戶按數(shù)據(jù)庫及表進行數(shù)據(jù)隔離。

5）不同租戶的服務路由，隔離及配置。

6）數(shù)據(jù)字典按租戶個性化配置。多端運行

零代碼或低代碼開發(fā)出來的功能支持在PC端+移動端（APP、