一、项目基本情况
原公告的采购项目编号：ZB2020041
原公告的采购项目名称：数计学院人工智能专业实训系统项目
首次公告日期：2020年09月27日
二、更正信息
更正事项：采购文件
更正内容：
| 序号 | 更正项 | 更正前内容 | 更正后内容 |
| 1 | 2.数据集分布式存储设备 | 配置： 1、国产品牌，非OEM，2U机架式服务器 2、▲配置要求：CPU：英特尔 Intel Xeon Silver 4114×2；内存：DDR4 RDIMM 内存-32GB×4；硬盘：SAS 600G×2+SATA 2000G×3；网卡：2GE网口；RAID卡：支持RAID5、6、10 3、配置集成显卡，显存≥32 MB 4、具备带外故障检测功能，不依赖于OS，对硬件故障如CPU故障、I2C和 IPMB总线故障、内存故障、PCIe设备故障、硬盘故障进行检测和预告警。提供证明材料 5、提供黑匣子、最后一屏、中文BIOS界面等功能。提供证明材料。 6、服务器管理系统支持国产自研管理芯片，提供证明材料。 7、提供中国环境标志产品认证、中国质量认证中心（CQC）颁发的CCC现场检测认证、ISO28000体系认证等证书。 8、提供3年原厂维保。 | 配置： 1、国产品牌，非OEM，2U机架式服务器 2、▲配置要求：CPU：英特尔 Intel Xeon Silver 4114×2；内存：DDR4 RDIMM 内存-32GB×4； 2T 固态硬盘网卡：2GE网口；RAID卡：支持RAID5、6、10 3、配置集成显卡，显存≥32 MB 4、具备带外故障检测功能，不依赖于OS，对硬件故障如CPU故障、I2C和 IPMB总线故障、内存故障、PCIe设备故障、硬盘故障进行检测和预告警。提供证明材料 5、提供黑匣子、最后一屏、中文BIOS界面等功能。提供证明材料。 6、服务器管理系统支持国产自研管理芯片，提供证明材料。 7、提供中国环境标志产品认证、中国质量认证中心（CQC）颁发的CCC现场检测认证、ISO28000体系认证等证书。 8、提供3年原厂维保。 |
| 2 | 6.系统容器功能模块 | 平台搭建：使用Centos7.5系统开发，B/S架构，支持浏览器访问； 支持采用私有化部署，支持用户设备合理利旧，实现资源高效利用； 容器化部署，可维护性好； 应用层使用Java开发语言，微服务架构，保障系统的可靠性与稳定性； 充分利用linux多用户，多任务特性，实现高并发、轻量级； | 平台搭建：使用Centos7.6系统开发，B/S架构，支持浏览器访问； 支持采用私有化部署，支持用户设备合理利旧，实现资源高效利用； 容器化部署，可维护性好； 应用层使用云计算架构Openstack+Kvm+Docker模式，可便于计算机节点动态扩展和踢除提供便利，保障系统的可靠性与稳定性； 充分利用linux多用户，多任务特性，实现高并发、轻量级； |
| 3 | 7.系统数据集功能模块 | ▲支持国内外流行深度学习框架，供实验实训模型算法训练和测试使用，包括实验手册，实验代码，模型训练效果图, 模型应用结果检验。 具体基础资源包括： 实验1：TensorFlow 实验指导 1、借助手写数字的数据集，介绍了TensorFlow 2.0模型的基本概念，以及如何使用深度学习框架实现训练和测试的过程。 2、包括数据源：不少于60000条训练数据图片和标签，不少于10000条测试数据图片和标签。 实验2：汽车油耗公里数回归预测实验 1、学习是进行汽车油耗里程数的预测，用到的框架主要包括：TensorFlow2.0，主要用于深度学习算法的构建，本实验以开源的 auto-mpg 数据集为基础，基于 Keras 深度学习库对汽车每加仑油耗行驶的距离进行了预测。。 2、包括数据源：不少于60000条训练数据图片和标签，不少于10000条测试数据图片和标签。 实验3：深度学习概览实验 1、基于 TensorFlow2.0 的鸢尾花数据集分类，以及基 于 TensorFlow2.0 的 FashionMnist 数据集分类。 2、包括数据源：三类鸢尾花，即Setosa 鸢尾花、Versicolour 鸢尾花和 Virginica 鸢尾花，每一类鸢尾花收集了 50 条样本记录，共计 150 条，共4个属性；Fashion-MNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致。60000/10000 的训练测试数据划分，28x28 的灰度图片。 实验4：花卉图像识别 1、进行花类图像的识别，用到的框架主要包括：scikit-image，专门用于图像 处理，使用原生的 NumPy 数组作为图像对象；TensorFlow，主要用于深度学习算法的构建，这里主要用于卷积神经网络的搭建，主要以开源的花类数据集为基础，基于 TensorFlow深度学习框架和卷积神经网络（CNN）对花的类型进行分类识别。 2、包括数据源：包括花卉数据3665条 实验5： 语音识别实验 1、利用新型的人工智能（深度学习）算法，结合清华大学开源语音数据集 THCHS30 进行语音识别的实战演练。 2、包括数据源: THCHS-30超过30小时。 实验6： 中英文翻译实验 1、通过深度学习框架TensorFlow 2.0 和一个开源中英文翻译数据集构建一个完整的英文-中文机器翻译模型。 2、包括数据源：20000 多条英文-中文语料对。 实验7：线性回归算法 1、基于python的线性回归的底层代码实现及调用，以及梯度下降优化方法的实现。通过线性回归的模型探索二氧化碳排放总量与温度之间的线性关系并进行可视化。 2、包括数据源：包含全球二氧化碳排放与全球温度关系共51个样本点。 实验8：逻辑回归 1、基于逻辑回归的模型探索被调查人员年龄，估计工资以及是否会购买某产品的关系，并将预测结果进行可视化。 2、包括数据源：数据样本为400用户的基本信息，其中包含每个样本的ID，性别，年龄，估计工资以及是否购买该产品。 实验9：朴素贝叶斯算法实操 | ▲支持国内外流行深度学习框架，支持框架对数据的调用与算法训练及测试，以下部分数据包含在课程实验中，实验包括相关的实验手册，实验代码，模型训练及检验； 具体基础资源包括： 2、互联网类型数据： 国内互联网数据爬虫数据集5.22GB，数据格式：rar、zip； 维基百科数据集：134GB；数据格式：rar、mdd、mdx、zim、zip、iso； 微博数据集：22.4GB；数据格式：txt、zip； 在线广告实时竞价数据数据集：0.45GB；数据格式：csv、txt； 用户对美国航空公司的Twitter评论情绪数据数据集;0.01GB；数据格式：csv、txt 3、交通类型数据： 自动驾驶数据集：175GB；数据类型：doc、txt、zip； 首都公交数据集：72GB；数据类型：zip； Nice_Ride共享单车骑行数据数据集：0.23GB；数据类型：csv、txt、docx； Citi Bike Trip Data数据集：1.39GB；数据类型：zip、cfg、html； Cityscapes数据集：29.5GB；数据类型：cfg、zip； KITTI数据集：25.5GB；数据类型：zip； MIT Place2 dataset数据集：7.01GB；数据类型：tar； New York City Taxi Fare Data 2013数据集：7.73GB；数据类型：txt、zip； New York City Taxi Trip Data 2013数据集：22GB；数据类型：txt、zip、cfg； New York TLC Trip Record Data数据集：216GB；数据类型：pdf、xls、zip； UCF Google Street View数据集：43GB；mat、pdf、zip； Udacity Self-Driving Car Dataset数据集：161GB；数据类型：gz、bz2、分卷、批处理、doc、zip、txt、xls； 国内交通数据集（地铁+公交）数据集：98.1GB;数据类型：txt、xls； 芝加哥市出租车行车记录数据集：5.64GB；数据类型：xls； |
| 4 | 8.系统课程功能模块 | 一、课件管理 ▲支持批量上传MP4视频、PDF文档、压缩包、Markdown，支持对视频、文档添加简介，支持创建导读，支持将课件关联至课程和实验； 二、课程管理 支持课程增、删、改、查、发布、更新； 支持编辑课程课程封面图、课程名称、课程编号、课程时长、课程简介等基本信息； 支持创建、编辑、导入课程目录； 课程目录支持自定义章节标题和章节上下级结构，支持同级目录上下移动； 支持关联视频、文档、导读、实验等课件； ▲支持在指定的视频时间点插入考题，一个视频可在1-5个时间点插入考题，学生学习至该时间点需要答题，答完题目后可选择从该时间点继续观看学习； 支持对视频、文档编辑简介； 三、考题管理 支持使用模板批量上传考题； 支持反馈考题上传进度、上传结果、上传失败清单与失败原因； 支持导出全部考题、所选部分考题； 支持编辑基本信息； 支持单选题、多选题、判断题等题型； 支持HTML格式试题，支持插入图片和特殊符号； 四、试卷管理 支持试卷自定义信息包括：基本信息、答题规则、防作弊规则； 基本信息包括：试卷封面图、试卷名称、试卷编号、试卷总分、及格分数、考试时长、最短交卷时间；支持按照题型和知识点两种方式组卷； 答题规则包括：试卷有效时间、可考次数，支持设置考试过程不反馈结果、实时反馈结果、实时反馈结果与解析三种方式；支持设置考试提交后、有效时间结束后、不可查看等三种查看答案方式，支持设置查看考试通过情况、分数、答案、解析、错题等考试结果内容，支持编辑考试须知； ▲防作弊规则包括：支持设置试卷数量；支持设置多次考试试卷随机、题目乱序、选择题选项乱序；支持内容不可复制、禁止使用F12，支持防切屏，支持设置最多允许切屏次数； 五、实验管理 支持实验增、删、改、查、发布； 支持编辑实验基本信息，支持选择1-3个视频或1-5个文档作为实验指导课件； 支持设置实验时间； 支持选择实验环境； 支持创建实验步骤，按照步骤设定实验分数与问答题； 支持使用Markdown文档格式指导书； 支持自由配置实验时间与实验测验的计分规则； 六、资源自定义使用 支持自主创建课程资源； 支持对产商课程资源进行编辑，结合自主创建的资源，发布形成新的课程资源； | 一、课件管理 ▲支持批量上传MP4视频、PDF文档、压缩包、Markdown，支持对视频、文档添加简介，支持创建导读，支持将课件关联至课程和实验； 二、课程管理 支持课程增、删、改、查、发布、更新； 支持编辑课程课程封面图、课程名称、课程编号、课程时长、课程简介等基本信息； 支持创建、编辑、导入课程目录； 课程目录支持自定义章节标题和章节上下级结构，支持同级目录上下移动； 支持关联视频、文档、导读、实验等课件； ▲机器学习、深度学习提供教学视频、教学大纲、教学指导、教学PPT； 支持对视频、文档编辑简介； 三、考题管理 支持使用模板批量上传考题； 支持反馈考题上传进度、上传结果、上传失败清单与失败原因； 支持导出全部考题、所选部分考题； 支持编辑基本信息； 支持单选题、多选题、判断题等题型； 支持简答题、填空题题型，并且能够实现编辑简单题的得分项，用户考试时系统将按照得分项自动评判得分； 四、试卷管理 支持试卷自定义信息包括：基本信息、答题规则、防作弊规则； 基本信息包括：试卷封面图、试卷名称、试卷编号、试卷总分、及格分数、考试时长、最短交卷时间；支持按照题型和知识点两种方式组卷； 答题规则包括：试卷有效时间、试卷建立完成后发布后才可进行考试，考完试可设置发布成绩，支持用户查看试卷的答题详情，包括分数、答案、错题等考试结果内容，支持用户对考试成绩的导出； ▲防作弊规则包括：支持系统自动随机组卷和教师组卷两种形式，系统组卷可选择单选题、多选题、简答题、判断题、填空题的题目个数，系统将自动抽取题目进行组卷； 五、实验管理 支持实验增、删、改、查、发布； 支持编辑实验基本信息，可选择不同的任务类型，共支持验证任务、设计任务、实验库任务三种任务展现形式，支持添加实验任务的任务报告和任务习题，支持上传视频文件和课件； 支持设置实验时间； 支持选择实验环境； 支持创建实验步骤，按照步骤设定实验分数与问答题； 支持使用Markdown文档格式指导书； 支持自由配置实验时间与实验测验的计分规则； 六、资源自定义使用 支持自主创建课程资源； 支持对产商课程资源进行编辑，结合自主创建的资源，发布形成新的课程资源； |
| 5 | 10.系统用户接入模块 | 一、课程学习 支持边栏固定悬浮班级导航，快速定位至班级课程； ▲课程入口支持显示课程名称、课程封面图、课件学习完成率、实验完成率、授课时间； ▲课程详情支持显示课程名称、课程封面图、课件资源数量、课程目录、课程脑图、课程进度、班级信息； 支持从课程封面进入课程详情页，支持从课程封面按钮进入课程学习页； ▲支持目录视图、脑图视图、进度视图三种视图查看课程结构，便捷进入课件内容； 支持学生和教师在浏览课件时继续上次的浏览进度； 列表形式支持显示课程章节，支持课件学习跳转入口和实验操作跳转入口； ▲脑图形式支持以思维导图形式显示课程章节，鼠标悬停于章节可显示关联课件，支持点击课件跳转至课程学习页；支持全屏查看脑图，支持下载脑图； 进度形式支持显示课程章节与课件、课件统计、累计学习时长、课件学习进度； 支持在课程详情界面及实验操作界面中查看、发布问答； 支持目录与课件分离显示； 支持目录展开与收起； 支持显示章的学习进度； 支持标记有实验的章节； 支持视频拖动、倍速播放、全屏播放视频课件； 支持页码定位、缩放、全屏播放文档课件； 下一个课件按钮随机显示引导文案，合计100条； 支持一个学生学习6个班级的课程； 二、课程教学 支持理论教学与实验教学； ▲教师支持开启授课模式，访问课件，学生侧可在该课程上看到正在授课的标识，点击标识可一键进入教师所讲授的课件； 支持教师实时查看在线人数和实验人数； 支持按照班级和实验筛选正在实验的学生； 支持将学生强制退出实验环境，释放实验资源； 三、课程实验 支持从课程进入实验； 支持一边查看学习指导书，一边进行实验； 实验操作界面，支持指导书界面左侧显示、浮层显示、自由拉伸和收起，支持查看1-5个学习指导书，1-3个实验视频； 支持在实验过程中提问或回答他人的提问，进行互动交流； 支持按照步骤进行实验； 支持实验时间计时； 四、考试 支持显示考试结果信息，包括：考试名称、考试得分、满分分值、及格分数、作答题数、耗时、可考次数、已考次数； 支持显示考试进行状态、答题卡、题目信息； ▲支持分页显示和逐题显示，支持单选题、多选题、判断题答题； 支持查看题干、选项、题目答题状态、考试倒计时； 支持查看答题卡，包括：题目类型、题目数量、每题作答状态； 支持支持断点重连； 支持计时结束后自动交卷； 防作弊状态下，支持多次切屏后自动交卷，禁止复制、禁止使用F12键； 五、帮助中心 支持查看视频、文档和HTML格式的操作帮助资料 六、支持多种报告 支持教师与学生查看课程报告、考试报告、实验报告； 七、课程报告 支持学生查看自己的学习报告，学习记录包括：课程名称、课程状态、学习时长、学习进度； 支持教师查看各班级汇总学习报告； 支持教师查看单一班级中的学习报告； 支持教师查看班级中各学生学习报告； 支持教师查看学生的课件详情学习报告； 支持教师按照时间段筛选学习报告； 支持教师导出学习报告； 八、考试报告 支持学生查看自己的考试报告，考试记录包括：试卷名称、最高得分、及格分数、考试结果、考试结果详情 ； 支持教师查看各班级汇总考试报告； 支持教师查看单一班级中的考试报告； 支持教师查看班级中各学生考试报告； ▲支持教师查看学生最后一次考试详情； 支持教师查看试卷错题率； 支持教师查看学生的考试结果； 九、实验报告 支持学生查看自己的实验报告，实验记录包括：实验名称、课程名称、通过情况、报告详情； 支持实验报告按照实验时间、实验步骤测验进行评分； 支持自动生成用户实验报告，支持实验报告自动评分； 支持教师查看各班级汇总实验报告； 支持教师查看单一班级中的实验报告； 支持教师查看班级中各学生实验报告； 支持教师查看学生实验报告； ▲支持教师按照时间段筛选实验报告； 支持教师导出实验报告； 十、数据展示 支持每天刷新显示班级学习完成率、班级课程数量、班级人数； 支持显示教师最近授课的3个课程； ▲支持为教师显示授课教师展示最近授课的课件名称、最近授课时间、授课教师； 支持显示学生最近学习的3个课程； 支持为学生展示最近学习的课件名称、最近授课时间、班级学习成率、授课教师； | 一、课程学习 支持边栏固定悬浮班级导航，快速定位至班级课程； ▲课程入口支持显示课程名称、课程封面图、课件学习完成率、实验完成率、授课时间； ▲课程详情支持显示课程名称、课程封面图、课件资源数量、课程目录、课程进度、班级信息，用户课在程内容中可自定义和重命名章节信息及添加自定义项目、可自定义调整和删除章节 支持从课程封面进入课程详情页，支持从课程封面按钮进入课程学习页； 支持目录展开与收起； 支持显示章的学习进度； 支持标记有实验的章节； 支持一个学生学习6个班级的课程； 支持系统态势展现，包括学生人数、教师人数、课程数量、已发布实训数、学生学习总时长，热门课程的排行的课程名称、学习总时长、人均总时长，滚动播放成绩发布动态，内容包含课程名称、专业、姓名、学号、任务得分、对应岗位，以饼图的形式展示出学习进度分布的人数与完成度，教师的星级评价以雷达图的形式展现人数，学习任务成绩分布以柱状图的形式展现不同等级的人数，最易出错的实验排名前五将课程名称与平均扣分； 系统支持多种实验形式，包含VNC、WebSSH、Notebook、WebIDE等实验形式，其中VNC形式实验能够支持Linux或Windows系统，通过可视化界面使用户灵活操作实验；WebSSH形式的实验，支持快速进入实验，支持直接在页面中输入命令进行实验操作；Notebook形式的交互编程实验，提供实验所需求的编程环境，支持下载代码至本地；WebIDE形式实验，能够实现在线编程； 系统支持对课程按照学生类和班级类的分析，可呈现出统计分析图，分析图可以展示整个学生的成绩分布图、教师的评价比例和学生的自评比例分布，采用柱形图展示学生的任务详细情况 二、课程教学 支持理论教学与实验教学； 教师支持备课，访问实验环境； 支持教师实时查看在线人数和实验人数； 支持教师提前开启实验环境，学生用户可迅速打开实验环境，且可远程操作实验环境的开启、重启、关机操作； 支持将学生强制退出实验环境，释放实验资源； 三、课程实验 支持从课程进入实验； 支持一边查看学习指导书，一边进行实验； 实验操作界面，支持指导书界面左侧显示、浮层显示、自由拉伸和收起，支持书写markdown的实验笔记，支持录屏，并且实验结束会提交给教师端，教师端可直接查看学生的录屏操作； 支持在实验过程中提问或回答他人的提问，进行互动交流； 支持按照步骤进行实验； 支持实验时间计时； 四、考试 支持显示考试结果信息，包括：考试名称、考试得分、满分分值、及格分数、考试编码、是否通过后； 支持显示考试进行状态、答题卡、题目信息； ▲支持分页显示和逐题显示，支持单选题、多选题、判断题答题； 支持查看题干、选项、题目答题状态、考试倒计时； 支持查看答题卡，包括：题目类型、题目数量、每题作答状态； 支持支持断点重连； 支持计时结束后自动交卷； 防作弊规则包括：支持系统自动随机组卷和教师组卷两种形式，系统组卷可选择单选题、多选题、简答题、判断题、填空题的题目个数，系统将自动抽取题目进行组卷； 五、帮助中心 支持线下提供平台使用说明文档，平台实验的实验指导书资料、平台使用视频资料； 六、支持多种报告 支持教师与学生查看报告、考试公告、实验笔记等； 七、课程报告 支持学生查看自己的学习报告，学习记录包括：课程名称、课程状态、学习时长、学习进度； 支持教师查看各班级汇总学习报告； 支持教师查看单一班级中的学习报告； 支持教师查看班级中各学生学习报告； 支持教师查看学生的课件详情学习报告； 八、考试报告 支持学生查看自己的考试报告，考试记录包括：试卷名称、总分、题目总数、通过分数比例及通过分数、及格分数、考试结果详情 ； 支持教师查看各班级汇总考试报告； 支持教师导出学生考试成绩并保存到本地，导出的考试成绩包括学号、姓名、考试结果、考试成绩； 支持教师查看学生的考试结果； 九、实验报告 支持学生查看自己的实验报告，实验记录包括：实验名称、课程名称、通过情况、报告详情； 支持实验报告按照实验时间、实验步骤测验进行评分； 支持自动生成用户实验报告，支持实验报告自动评分； 支持教师查看各班级汇总实验报告； 支持教师查看单一班级中的实验报告； 支持教师查看班级中各学生实验报告； 支持教师查看学生实验报告； ▲支持教师按照时间段筛选实验报告； 支持教师导出实验报告； 十、数据展示 支持每天刷新显示班级学习完成率、班级课程数量、班级人数； 支持显示教师最近授课的3个课程； ▲支持为教师显示授课教师展示最近授课的课件名称、最近授课时间、授课教师； 支持显示学生最近学习的3个课程； 支持为学生展示最近学习的课件名称、最近授课时间、班级学习成率、授课教师； |
| 6 | 13.Python大数据分析课程资源模块 | 配置《Python大数据分析》课程、理论PPT和实验手册，包含但不限于以下知识点： 数据挖掘前置知识：数据挖掘流程、Python编程基础；数据挖掘算法基础：数据预处理方法、特征工程方法、模型优化与评估方法；数据挖掘算法分类：回归算法、分类算法、聚类技术及其应用； | ▲Python大数据分析之数据科学竞赛案例资源模块提供案例内容不少于12个，包括但不限于以下内容： 1. 自然语言处理之长文本分类； 2. 轴承故障检测； 3. 用户贷款风险预测； 4. 识别营销活动中的黑产用户； 5. 微额贷款人品预测； 6. 自然语言处理之文章关键词提取； 7. 营销广告的点击率预测； 8. 太阳辐射指数预测； 9. 微博热度预测； 10. 游戏玩家付费金额预测； 11. 量化投资建模； 12. 汽车目的地智能预测； 数据科学竞赛案例包含详细的项目背景介绍，项目实现指导，关键步骤源码以及源码注释、同时案例实训环境通过Notebook形式为学生提供（为保障产品功能真实性，必须提供功能截图并加盖投标人公章）； |
| 7 | 14.深度学习框架-PyTorch课程资源模块 | 配置《深度学习框架-PyTorch课程资源模块》课程、理论PPT和实验手册，包含但不限于以下知识点： 视频处理基础知识：视频处理基础、视频背景建模、视频光流估计、Pytorch操作；视频内容分析实战：目标跟踪、目标检测、短视频行为识别、视频时序行为检测 | 配置《深度学习框架-PyTorch课程资源模块》课程、理论PPT和实验手册，包含但不限于以下知识点且不少于22个实验： Pytorch编译及安装、Torch对比Numpy、变量、激励函数、回归问题、分类问题、搭建回归神经网络、保存与恢复模型、数据读取、优化器、卷积神经网络、循环神经网络-分类、循环神经网络-回归、自编码器、强化学习、对抗网络、GPU加速、Dropout、批标准化、LSTM-文本词性标注、图像风格迁移、RNN-判断人名所属国家； |
| 8 | 18.自然语言处理课程资源模块 | 配置《自然语言处理技术与应用》课程、理论PPT和实验手册，包含但不限于以下知识点： 自然语言处理介绍：自然语言处理、词法分析、句法分析以及语义分析、语言模型；自然语言处理前置知识：关键词提取方法、词向量概念、概率图模型及其应用；自然语言处理算法：TextCNN技术原理、RNN与LSTM模型、Seq2Seq模型； | 配置《自然语言处理技术与应用》课程和实验手册，包含但不限于以下知识点： 自然语言处理及NLTK介绍、获得文本语料和词汇资源、加工原料文本、语言数据管理、基于转换的错误驱动的词性标注方法、基于（隐）马尔科夫模型的词性标注方法、词性标注（滨州，斯坦福）、中文分词、构建分词字典、二元词图、分类和标注词汇、条件随机场（参数学习，概率计算）预测标签、隐马尔科夫模型实现、根据姓名判别性别实验、句子切分、分析句子结构 、机械分词方法、统计分词消歧、最大熵分词、中文姓名切分、电影评论分析、文本预处理系统、学习分类文本、从文本提取信息； |
| 9 | 20.语音识别课程资源模块 | 配置《语音识别技术与应用》课程、理论PPT和实验手册，包含但不限于以下知识点： 语音处理基础：语音处理基础；语音识别技术：语音识别算法、单高斯模型、混合高斯模型、马尔科夫链、隐马尔科夫链模型、HMM-GMM语音识别算法；深度学习语音识别算法：深度学习语音识别算法。 | 配置《语音识别技术与应用》课程、实验手册，包含但不限于以下知识点： 音频数据处理库librosa环境配置与安装、利用librosa、对音频数据进行读取和采样、利用librosa绘制语音波形、语音频谱可视化、音频信号的短时傅里叶变换、音频信号的mel滤波、语音信号的DCT变换、语音信号的CQT变换、语音信号的MFCC特征提取、语音信号的FABNK特征提取、语音信号的语谱图特征、调用语音工具箱完成语音活动检测、基于能量分析的VAD算法、LMS语音降噪/增强、谱减法语音降噪/增强、维纳滤波降噪/增强、男女声音语音特征提取、利用SVM模型完成男女声音分类识别、利用决策树模型完成男女声音分类识别、男女声音数据打包、男女声音数据打包解析、利用RNN网络完成男女声音分类识别、HMM 声学模型原理及实践、DNN 声学模型原理及实践、CNN 声学模型原理及实践、基于 Kaldi 框架的语音识别、基于 CMU Sphinx 框架的语音识别、基于 RNN 的语音识别系统-简单数字、支持常见英文单词识别的语音识别系统、基于深度学习的音乐流派分类系统、基于深度学习的音乐推荐系统； |
| 10 | 24.师资培训 | 一、初级师资认证培养 须提供2名与企业资深AI开发工程师初级认证课程匹配的师资培训服务 二、中级师资认证培养 须提供2名与企业资深AI开发工程师中级认证课程匹配的师资培训服务 ▲为保障师资培训质量，厂商必须有相应的培训中心作为支持，供应商需提供原厂培训中心授权函。 | 1. 质保期内能够每年提供三个线下师资培训班名额，师资培训合格后颁发部委认证高校讲师技能证书； 2. 能够为学校提供每年一次的技术讲座； 3. 能够提供深度的校企合作项目，如联合实验室、专业共建、授权培训中心或联合研发中心等； |
更正日期：2020年10月09日
三、其他补充事宜
详细参数详见更正后的完整招标文件
四、对本次采购提出询问、质疑、投诉，请按以下方式联系。
1.采购人信息
名 称：浙江师范大学
地 址：/
传 真：/
项目联系人（询问）：唐老师
项目联系方式（询问）：0579-82282246
质疑联系人：浙江师范大学
质疑联系方式：0579-82282070
2.采购代理机构信息
名 称：浙江师范大学
地 址：浙江师范大学采购中心
传 真：0579-82280035
项目联系人（询问）：唐老师
项目联系方式（询问）：0579-82282246
质疑联系人：浙江师范大学
质疑联系方式：18358591277
3.同级政府采购监督管理部门
名 称：浙江省财政厅政府采购监管处
地 址：杭州市环城西路37号
传 真：/
联系人 ：倪文良、吴聪瑜
监督投诉电话：0571-87057615、87058489