健康大數(shù)據(jù)管理與服務專業(yè)實驗室需求一、項目概況序號貨物名稱數(shù)量（單位）備注1醫(yī)療健康數(shù)據(jù)采集平臺1（套）核心產(chǎn)品2健康大數(shù)據(jù)綜合管理系統(tǒng)1（套）3醫(yī)療健康數(shù)據(jù)挖掘建模平臺1（套）4醫(yī)療健康數(shù)據(jù)分析基礎(chǔ)課程1（批）5醫(yī)療健康數(shù)據(jù)分析進階課程1（批）6健康大數(shù)據(jù)分析實戰(zhàn)案例1（批）7醫(yī)療分析實戰(zhàn)案例1（批）二、具體技術(shù)參數(shù)（指標）要求表一：醫(yī)療健康數(shù)據(jù)采集平臺（核心產(chǎn)品）貨物名稱技術(shù)參數(shù)數(shù)量（單位）醫(yī)療健康數(shù)據(jù)采集平臺一、基礎(chǔ)模塊：1.平臺主體包括配置流程設計的客戶端和包含主程序、采集節(jié)點、數(shù)據(jù)庫的服務器端。2.提供公有云和私有云兩種網(wǎng)絡方式，支持服務器端分布式集群架構(gòu)，可部署多個采集節(jié)點和數(shù)據(jù)庫，實現(xiàn)大規(guī)模、高并發(fā)的云采集。3.支持熱插拔添加集群，保證統(tǒng)正常運行。支持自動負載均衡算法，調(diào)整用戶配額以保持資源公平利用。4.支持主程序在Windows、Linux服務器上部署，客戶端在Windows、Linux、MacOS個人電腦上部署。5.支持自動折分云采集任務，智能分發(fā)到服務器端采集集群，自動匯總子任務數(shù)據(jù)。6.支持與實訓管理平臺、大數(shù)據(jù)挖掘建模平臺的數(shù)據(jù)集模塊互通，互通的平臺可直接使用采集的數(shù)據(jù)集進行數(shù)據(jù)挖掘建模，構(gòu)建指標繪制可視化圖表等。二、數(shù)據(jù)采集模塊：1.提供互聯(lián)網(wǎng)公開網(wǎng)頁數(shù)據(jù)采集，支持使用采集模板或定制化采集。2.允許單用戶同時進行多個采集工程，可導入之前采集完成的工程數(shù)據(jù)鏈接。3.提供實時查看運行中的日志和快照，支持自動過濾完全重復的數(shù)據(jù)。4.支持使用代理IP進行采集，提供接口獲取IP，支持JSON和text兩種模式，支持手動錄入IP和隧道代理IP。5.支持模擬人工網(wǎng)頁瀏覽操作，包括預登錄、輸入文本、點擊元素、提取數(shù)據(jù)，支持可視化制作采集規(guī)則流程。6.提供高亮顯示被選定元素。7.支持相對路徑xpath元素選擇。8.支持直接設置多頁數(shù)據(jù)采集，包括翻頁類型和參數(shù)配置。9.支持多層級網(wǎng)頁數(shù)據(jù)采集，自動合并主從頁面數(shù)據(jù)。10.支持翻頁前進行校驗頁碼是否可以翻頁成功，可查看翻頁快照情況。11.允許用戶自由定制采集字段，支持在可視化規(guī)則流程出錯時智能提示。12.支持文檔、圖片、視頻等字段類型修改，可下載并有序存儲文件。13.支持配置賬號密碼進行登錄，記住cookie信息，確保登錄后數(shù)據(jù)的采集。14.支持自動重試采集任務，可配置重試次數(shù)，支持自動檢測問題。15.客戶端和服務端支持定時控制，可預設單次采集時間，支持每天、每周、每月的定時采集。16.支持定時啟動任務進行增量采集，實現(xiàn)定期自動更新數(shù)據(jù)。17.支持查看工程最近十次的日志記錄。18.支持采集工程完成流程審批，實現(xiàn)公開模板。19.支持申請審批情況進行同步消息提醒。20.支持查看采集后的數(shù)據(jù)，并下載到本地。1（套）表二：健康大數(shù)據(jù)綜合管理系統(tǒng)貨物名稱技術(shù)參數(shù)數(shù)量（單位）健康大數(shù)據(jù)綜合管理系統(tǒng)一、云資源計算管理模塊

1、平臺不限制部署環(huán)境。兼容主流硬件廠商的x86/arm架構(gòu)服務器，支持在裸金屬平臺、虛擬化平臺、超融合平臺、公/私有云平臺中部署；支持在已有服務器或網(wǎng)絡設備上部署。

2、平臺提供資源配額（ResourceQuota）功能。支持通過yaml文件為命名空間（Namespace）配置資源限制；支持限制可使用計算資源量（CPU、內(nèi)存、GPU）、可使用存儲卷總量、可創(chuàng)建資源對象數(shù)量（應用部署、存儲卷、服務、配置字典、密文等）。

3、平臺支持多種方式部署應用。支持通過標準鏡像創(chuàng)建部署應用；支持通過自定義yaml文件部署應用；支持應用秒級發(fā)布、更新、回滾；支持滾動更新、回滾應用，不中斷業(yè)務運行；支持deployment、statefulset、daemonset、cronjob、job方式部署。

4、平臺提供鏡像管理功能。支持存儲、管理Docker容器鏡像；支持命令行上傳Docker鏡像。

5、平臺提供Chart包管理功能。支持存儲、管理HelmChart包；支持通過Web頁面、命令行方式上傳Chart包。

6、平臺提供倉庫日志查看功能。支持查看倉庫相關(guān)操作日志記錄。

7、平臺提供倉庫同步功能。支持在不同倉庫之間同步容器鏡像、Chart包；支持設置同步規(guī)則；支持設置定時同步。

8、平臺提供從應用市場部署應用功能。支持在應用市場中一鍵將應用部署至集群環(huán)境；支持部署時修改應用配置。

9、平臺提供資源監(jiān)控功能。支持多種方式查看資源使用情況，包括查看集群整體資源、存儲資源、集群各節(jié)點資源、集群組件（ControllerManager、Kubelet、Scheduler、etcd）資源使用情況。

二、資源管理模塊

1、支持課程分類管理，用戶可創(chuàng)建及管理課程類別，并設置其他用戶對課程類別的管理權(quán)限，通過復制課程模板或創(chuàng)建空白課程的方式創(chuàng)建課程，并設置課程名稱、課程類別、課程顯示情況、課程開始和結(jié)束時間、課程封面等基本信息。

2、支持對課程資源細粒度的控制管理，包括編輯資源名稱、資源描述，顯示或隱藏資源設置。支持設置資源的訪問權(quán)限，用戶可在達到指定權(quán)限要求之后訪問課程資源，限制條件包括訪問日期、成績、學習進度及添加嵌套條件等。

3、支持設置課程為模板，一鍵復制模板中的課程介紹、教學資源、實訓訓練、實訓作業(yè)、課程考試、學習交流和擴展資源模塊內(nèi)容，快速創(chuàng)建一門新課，方便教師之間共享課程資源。

4、提供課程單個及批量備份還原功能，支持對平臺課程一鍵備份并設置備份數(shù)據(jù)內(nèi)容（如課程資源、用戶學習進度細節(jié)、題庫、評論及成績等）；支持將備份課程還原為新課程或還原到指定課程。

5、提供資源中心模塊，資源中心包含視頻庫、課件庫、數(shù)據(jù)集、工具庫等4類資源庫。各類資源庫需包含公共資源和個人資源管理功能，支持用戶在對應資源庫中上傳視頻、課件、數(shù)據(jù)集及工具包。

三、教學實訓管理模塊

1、支持添加、編輯、刪除和隱藏作業(yè)內(nèi)容。支持創(chuàng)建報告式作業(yè)。報告式作業(yè)支持2種提交方式：學生個人提交和小組組長提交，在課程成員中分配學習小組后，可由組長代表組員提交作業(yè)。支持作業(yè)報告模板設置，教師可根據(jù)需要設置學生信息一欄中的字段，包括姓名、學號、專業(yè)、班級等，教師也可根據(jù)教學需求配置需要收集的報告信息，如實驗編號、手機號等；報告正文可設置學生編輯權(quán)限，支持設置學生不可編輯區(qū)域內(nèi)容，學生無法進行編輯修改。

2、支持實訓管理，管理員和教師可查看各班級、學生的實訓情況，包括實訓的鏡像、實訓狀態(tài)、實訓時長、實訓次數(shù)等，并可對學生實訓環(huán)境進行重新啟動、停止或刪除。

3、提供實訓報告評閱功能，教師評閱時可以查看學生實訓完成情況、代碼文件等信息，支持輸入評分和評語對學生的實驗結(jié)果進行評閱，支持教師下載學生提交的報告進行存檔。支持教師根據(jù)學生作業(yè)答題情況，將學生作業(yè)退回為草稿，由學生重新答題后提交作業(yè)進行審批。

4、提供快速實訓功能，支持多種在線實訓環(huán)境以滿足不同的實訓需求，可根據(jù)需求選擇桌面化形式、Jupyter網(wǎng)頁形式或綜合實訓平臺。桌面化形式支持單實例和多實例環(huán)境，多實例環(huán)境可用于搭建集群。平臺不同用戶之間可實現(xiàn)計算資源隔離，保障用戶計算資源的使用。

四、技能訓練模塊

1、支持創(chuàng)建編程式作業(yè)。支持教師設置Python或Java語言編程題目，并添加數(shù)據(jù)樣例和測試數(shù)據(jù)編程式作業(yè)的題目支持同步至“題庫管理”模塊中，創(chuàng)建新作業(yè)時，支持選擇題庫中的編程題。

2、平臺預裝多種大數(shù)據(jù)、深度學習框架。

3、支持不同用戶的實訓環(huán)境互相隔離，用戶間的資源使用互不干擾。

4、支持快速切換實訓環(huán)境，可視化顯示原實訓環(huán)境和新實訓環(huán)境。

5、提供實訓計時功能，教師可在管理平臺中設置實訓時長，實訓倒計時結(jié)束后將關(guān)閉實訓環(huán)境，自動釋放資源。支持用戶在實訓過程中查看實訓環(huán)境倒計時，并請求實訓延時。

6、支持實訓報告在線編輯和提交，實訓報告可上傳本地或?qū)嵱柇h(huán)境中的文件作為報告附件。

五、移動備課套件

1、套件要求提供≥500GB存儲，寫入速度大于或等于520MB/S，USB3.0接口。僅需一次安裝，即插即用，連接電腦打開應用程序即可直接進入備課及實訓。

2、提供完整的虛擬化底層實訓環(huán)境，提供課程實訓入口，提供課程分類欄目，提供課程查找功能。

3、內(nèi)置豐富的本地實訓課程資源，每門課程提供實訓指導書、實訓數(shù)據(jù)。并提供與設備環(huán)境配套的課程及項目實戰(zhàn)實訓資源，套件內(nèi)置不少于15門課程案例資源。

六、公有云教學及實踐模塊

1、提供配套的公有部署教育云學習平臺。

（1）支持院校拓展組織線上線下混合教學。

（2）需為組建的工作室學生提供不少于10個在線學習平臺賬號、10門工作室技能提升課程、項目實戰(zhàn)資源庫及工作室學生培養(yǎng)服務，并展示平臺工作室中不少于30家合作院校的截圖證明材料。

（3）線上資源庫要求至少包含以下課程及項目實戰(zhàn)：

1）Python數(shù)據(jù)分析與應用

2）Python數(shù)據(jù)可視化

3）Python機器學習實戰(zhàn)

4）Hive大數(shù)據(jù)倉庫

5）TensorFlow2深度學習實戰(zhàn)

6）計算機視覺實戰(zhàn)

7）航空公司客戶價值分析

8）廣電大數(shù)據(jù)用戶畫像

9）利用循環(huán)神經(jīng)網(wǎng)絡（RNN）對路透社新聞進行分類

10）基于FaceNet的人臉智能識別1（套）表三：醫(yī)療健康數(shù)據(jù)挖掘建模平臺貨物名稱技術(shù)參數(shù)數(shù)量（單位）醫(yī)療健康數(shù)據(jù)挖掘建模平臺一、基礎(chǔ)模塊：1.平臺采用B/S架構(gòu)，使用JAVA語言開發(fā)，采用分布式架構(gòu)，基于SpringCloud構(gòu)建，提供穩(wěn)定可靠的服務調(diào)用、服務治理、服務降級能力。2.提供服務管理功能，查看服務上線情況，快速實現(xiàn)動態(tài)服務發(fā)現(xiàn)、服務配置及服務注冊。3.提供數(shù)據(jù)空間，用戶可以從本地上傳自有數(shù)據(jù)，支持表結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，能夠快速實現(xiàn)異構(gòu)數(shù)據(jù)源之間的數(shù)據(jù)同步問題；支持共享數(shù)據(jù)集。4.支持增加多臺PostgreSQL數(shù)據(jù)庫服務器搭建分布式存儲架構(gòu)，使用JuiceFS分布式文件系統(tǒng)進行數(shù)據(jù)存儲。5.支持與醫(yī)療健康數(shù)據(jù)采集平臺,健康大數(shù)據(jù)綜合管理系統(tǒng)的數(shù)據(jù)集模塊互通，互通的平臺可直接使用采集的數(shù)據(jù)集進行數(shù)據(jù)挖掘建模，構(gòu)建指標繪制可視化圖表等。6.提供工程模板功能，用戶可通過模板快速創(chuàng)建包含數(shù)據(jù)和流程的工程。7.支持通過拖拽組件到畫布的方式快速編排訓練流程，支持流程節(jié)點編輯和參數(shù)配置。8.支持多任務的并行執(zhí)行，在大量任務待執(zhí)行的環(huán)境下，可提高系統(tǒng)運行效率，減少任務排隊等待時間。9.使用工作流開發(fā)，包括但不限于串行工作流、并行工作流，滿足開發(fā)中常見的多輸入、多輸出、多分支的場景。10.支持在有GPU節(jié)點情況下，算法組件可配置調(diào)用GPU資源進行任務計算。11.支持在線查看和修改算法組件源代碼，并一鍵將修改的算法組件保存為個人算法組件進行應用和管理。12.支持分類算法組件自動生成算法評估報告，評估報告包含精確率、精準率、召回率、F1-score等指標，并展示訓練結(jié)果的混淆矩陣等指標結(jié)果信息，支持呈現(xiàn)模型訓練效果。13.支持通過IDE工具編寫與調(diào)試Python代碼。14.提供個人算法管理，支持用戶自定義算法配置，用戶可創(chuàng)建自定義算法，支持配置數(shù)據(jù)輸入輸出節(jié)點、可設置參數(shù)、代碼等多種參數(shù)。并對個人算法組件進行編輯和刪除。15.支持定時訓練任務，可以創(chuàng)建定時任務，選擇任務來源，設置任務開始時間和調(diào)度方式。16.支持硬件計算能力、存儲能力自由擴展，擴展不影響系統(tǒng)正常運行。17.支持模型管理，支持模型發(fā)布為api接口進行調(diào)用，支持模型在線預測。18.前后端以及內(nèi)部各模塊間都采用Restful接口交換數(shù)據(jù)，用戶可以方便、快捷的通過瀏覽器在線瀏覽、測試各個接口。二、算法組件模塊：1.支持Python計算引擎，支持使用Python進行算法開發(fā)。2.提供9大類共102種算法，其中統(tǒng)計分析16種、預處理29種、分類算法10種、聚類算法7種、回歸算法5種、時間序列算法4種、關(guān)聯(lián)規(guī)則3種、文本挖掘19種、繪圖9種。分別為：(1) 預處理算法包括：內(nèi)容判斷、字符串切分、字符串填充、字符串截取、字符串查找、字符串統(tǒng)計、英文大小寫轉(zhuǎn)換、主鍵合并、修改列名、分組聚合、列拆為多行、字符集轉(zhuǎn)換、差分、數(shù)據(jù)抽取、數(shù)據(jù)拆分、數(shù)據(jù)排序、數(shù)據(jù)標準化、數(shù)據(jù)篩選、數(shù)據(jù)編碼化、數(shù)據(jù)采樣、新增序列、新增時間戳列、缺失值處理、行列轉(zhuǎn)置、行扁平化、衍生變量、表堆疊、記錄去重、Python腳本。(2) 統(tǒng)計分析算法包括：LASSO回歸、var方差函數(shù)、主成分分析、全表統(tǒng)計、分布函數(shù)、卡方檢驗、同比環(huán)比、因子分析、方差齊性檢驗、時序檢驗、時間聚合計算、正態(tài)性檢驗、相關(guān)性分析、移動計算、累計計算、頻數(shù)統(tǒng)計。(3) 時間序列算法包括：模型定階、ARIMA、指數(shù)平滑法、模型殘差檢驗。(4) 分類算法包括：Adaboost、CART分類樹、LGBM、K最近鄰、單層感知機、支持向量機、樸素貝葉斯、神經(jīng)網(wǎng)絡、邏輯回歸、隨機森林。(5) 回歸算法包括：CART回歸樹、K最近鄰回歸、Lasso回歸、支持向量回歸、線性回歸。(6) 聚類算法包括：DBSCAN密度聚類、K-中心點聚類、KMeans、層次聚類、快速Kmeans、模糊聚類、高斯混合模型。(7) 關(guān)聯(lián)規(guī)則算法包括：Apriori、FP-Growth、HotSpot。(8) 文本分析算法包括：文本過濾、詞頻統(tǒng)計、詞匯分隔、序列定長、構(gòu)造詞匯索引、內(nèi)容展平、關(guān)鍵詞題分析、分詞詞匯索引映射、Hanlp分詞與詞性、追加詞匯分詞、TF-IDF、Word2Vec、向量空間、HT向量化、詞袋向量、實體關(guān)系抽取、雙向GRU、FastText、LDA主題分類。(9) 繪圖算法包括：地圖、折線圖、散點圖、時序圖、柱形圖、漏斗圖、詞云圖、餅圖、雷達圖。三、教學資源模塊：1.提供Python數(shù)據(jù)挖掘教學案例不少于10個，配套實訓指導書。包含但不限于：(1) 航空公司客戶價值分析。(2) 中醫(yī)證型關(guān)聯(lián)規(guī)則。(3) 市財政收入分析預測。(4) 應用系統(tǒng)負載分析與磁盤容量預測。(5) 信用卡高風險客戶識別。(6) RFM在線零售客戶分群。(7) 線上教育平臺運營數(shù)據(jù)分析。(8) 金融服務機構(gòu)資金流量預測。(9) 家用熱水器用戶行為分析。(10) 商品評論情感分析。（11）氣象與輸電線路缺陷關(guān)聯(lián)分析四、技術(shù)資質(zhì)：1.提供本軟件的軟件著作權(quán)證書。五、項目工程模型發(fā)布及運營實踐平臺服務1.投標人或平臺制造廠商需向用戶提供項目工程實踐成果發(fā)布及運營實踐的技術(shù)支持與用戶輔導服務；2.提供面向公眾開放的項目工程模型運營實踐平臺，項目工程模型運營實踐平臺支持對數(shù)據(jù)挖掘建模平臺導出的項目工程成果進行項目工程模型發(fā)布與管理、訂單管理、數(shù)據(jù)分析等功能；3.平臺需提供面向大數(shù)據(jù)和人工智能應用等數(shù)據(jù)項目的成果交易、知識共享、項目對接的一站式服務，以實現(xiàn)用戶方成果的展示、推廣及銷售4.要求提供不少于2個平臺賬號。1（套）表四：健康大數(shù)據(jù)管理與服務專業(yè)實驗室教學資源技術(shù)參數(shù)貨物名稱技術(shù)參數(shù)數(shù)量（單位）醫(yī)療健康數(shù)據(jù)分析基礎(chǔ)課程包含4門課程，課程資源須提供課程教學視頻、課程PPT、實訓指導書、數(shù)據(jù)及代碼：1、《Python數(shù)據(jù)分析與應用》課時設置：理論教學不少于36學時，實踐教學不少于28學時，總計不少于64學時。課程資源：包含實訓指導書數(shù)量≥34份、課程視頻數(shù)量≥65個、課程PPT數(shù)量≥7份、代碼數(shù)量≥6份、數(shù)據(jù)數(shù)量≥7份。課程實驗清單：包括但不限于掌握NumPy數(shù)組對象ndarray；掌握NumPy矩陣與通用函數(shù)；利用NumPy進行統(tǒng)計分析；創(chuàng)建數(shù)組并進行運算；創(chuàng)建一個國際象棋的棋盤；掌握繪圖基礎(chǔ)語法與常用參數(shù)；分析特征間的關(guān)系；分析特征內(nèi)部數(shù)據(jù)分布與分散狀況；分析1996~2015年人口數(shù)據(jù)各個特征的分布與分散狀況；分析1996~2015年人口數(shù)據(jù)特征間的關(guān)系；讀寫不同數(shù)據(jù)源的數(shù)據(jù)；掌握DataFrame的常用操作；轉(zhuǎn)換與處理時間序列數(shù)據(jù)；使用分組聚合進行組內(nèi)計算；創(chuàng)建透視表與交叉表；讀取并查看P2P網(wǎng)絡貸款數(shù)據(jù)主表的基本信息；提取用戶信息更新表和登錄信息表的時間信息；使用分組聚合方法進一步分析用戶信息更新表和登錄信息表；對用戶信息更新表和登錄信息表進行長寬表轉(zhuǎn)換；合并數(shù)據(jù)；清洗數(shù)據(jù)；標準化數(shù)據(jù)；轉(zhuǎn)換數(shù)據(jù)；插補用戶用電量數(shù)據(jù)缺失值；合并線損，用電量趨勢與線路告警數(shù)據(jù)；標準化建模專家樣本數(shù)據(jù)；使用sklearn轉(zhuǎn)換器處理數(shù)據(jù)；構(gòu)建并評價聚類模型；構(gòu)建并評價分類模型；構(gòu)建并評價回歸模型；使用sklearn處理wine和wine_quality數(shù)據(jù)集；構(gòu)建基于wine數(shù)據(jù)集的K-Means聚類模型；構(gòu)建基于wine數(shù)據(jù)集的分類模型；構(gòu)建基于wine_quality數(shù)據(jù)集的回歸模型。2、《Python編程基礎(chǔ)》課時設置：理論教學不少于24學時，實踐教學不少于24學時，總計不少于48學時。課程資源：包含實訓指導書數(shù)量≥41份、課程視頻數(shù)量≥41個、課程PPT數(shù)量≥8份、代碼數(shù)量≥17份、數(shù)據(jù)數(shù)量≥1份。課程實驗清單：包括但不限于Python環(huán)境搭建；使用PyCharm創(chuàng)建一個應聲蟲程序；輸入輸出；創(chuàng)建字符串變量并提取里面的數(shù)值；計算圓形的各參數(shù)；對用戶星座進行分析；通過表達式計算給定的三個數(shù)值均值、方差、標準差；創(chuàng)建一個列表（list）并進行增刪改查操作；轉(zhuǎn)換一個列表為元組（tuple）并進行取值操作；創(chuàng)建一個字典（dict）并進行增刪改查操作；將兩個列表轉(zhuǎn)換為集合（set）并進行集合運算；計算出斐波那契數(shù)列前兩項給定長度的數(shù)列，并刪除重復項和追加數(shù)列各項之和為新項；用戶自定義查詢菜單，輸出查詢結(jié)果；簡單的好友通訊錄管理程序；對兩個給定的數(shù)進行最大公約數(shù)、最小公倍數(shù)的分析；求解曲邊圖形面積；單詞詞頻統(tǒng)計；實現(xiàn)考試成績劃分；實現(xiàn)一組數(shù)的連加與連乘；使用冒泡排序法排序；輸出數(shù)字金字塔；猜數(shù)字游戲；統(tǒng)計字符串內(nèi)元素類型的個數(shù)；自定義函數(shù)實現(xiàn)方差輸出；使用匿名函數(shù)添加列表元素；存儲并導入函數(shù)模塊；構(gòu)建一個計算列表中位數(shù)的函數(shù)；使用lambda表達式實現(xiàn)對列表中的數(shù)求平方；創(chuàng)建Car類；創(chuàng)建Car對象；迭代Car對象；產(chǎn)生Land_Rover對象（子類）；在精靈寶可夢游戲創(chuàng)建小火龍角色，對給出的各屬性進行迭代和私有化；對小火龍游戲角色采用繼承的方式；對txt文件進行讀寫；對csv文件進行讀寫；os模塊；shutil模塊；計算iris數(shù)據(jù)集的均值；編程實現(xiàn)文件在當前工作路徑的查找；文件數(shù)據(jù)讀取及詞頻統(tǒng)計。3、《Python大數(shù)據(jù)數(shù)學基礎(chǔ)》課時設置：理論教學不少于38學時，實踐教學不少于26學時，總計不少于64學時。課程資源：包含實訓指導書數(shù)量≥21份、課程視頻數(shù)量≥37個、課程PPT數(shù)量≥8份、代碼數(shù)量≥21份、數(shù)據(jù)數(shù)量≥8份。課程實驗清單：包括但不限于函數(shù)與極限；導數(shù)；微分；微分中值定理與導數(shù)的應用；不定積分與定積分；數(shù)據(jù)分布特征的描述統(tǒng)計；概率與概率分布；參數(shù)估計與假設檢驗；行列式；矩陣及其運算；矩陣的特征分解與奇異值分解；誤差；插值方法；函數(shù)逼近與擬合；非線性方程（組）求根；回歸分析；判別分析；聚類分析；主成分分析；因子分析；典型相關(guān)分析。4、《Python數(shù)據(jù)分析實訓》課時設置：理論教學不少于4學時，實踐教學不少于12學時，總計不少于16學時。課程資源：包含實訓指導書數(shù)量≥6份、課程視頻數(shù)量≥12個、課程PPT數(shù)量≥1份、代碼數(shù)量≥4份、數(shù)據(jù)數(shù)量≥3份。課程實驗清單：包括但不限于iris數(shù)據(jù)處理；探索Chipotle快餐數(shù)據(jù)；探索Apple公司股價數(shù)據(jù)；探索美國犯罪數(shù)據(jù)；學生成績分析；二手房價分析。1（批）醫(yī)療健康數(shù)據(jù)分析進階課程包含5門課程，課程資源須提供課程教學視頻、課程PPT、實訓指導書、數(shù)據(jù)及代碼：1、《Python網(wǎng)絡爬蟲實戰(zhàn)》課時設置：理論教學不少于14學時，實踐教學不少于18學時，總計不少于32學時。課程資源：包含實訓指導書數(shù)量≥25份、課程視頻數(shù)量≥44個、課程PPT數(shù)量≥7份、代碼數(shù)量≥3份、數(shù)據(jù)數(shù)量≥1份。課程實驗清單：包括但不限于使用Socket庫進行TCP編程；使用Socket庫進行UDP編程；使用Socket庫連接百度首頁；urllib3庫實現(xiàn)HTTP請求；Requests庫實現(xiàn)HTTP請求；正則表達式模塊解析網(wǎng)頁；Xpath解析網(wǎng)頁；Soup庫解析網(wǎng)頁；MySQL數(shù)據(jù)存儲；生成GET請求并獲取指定網(wǎng)頁內(nèi)容；搜索目標節(jié)點并提取文本內(nèi)容；在數(shù)據(jù)庫中建立新表并導入數(shù)據(jù)；逆向分析爬取動態(tài)網(wǎng)頁；使用Selenium庫爬取動態(tài)網(wǎng)頁；存儲數(shù)據(jù)至MongoDB數(shù)據(jù)庫；爬取推薦圖書的信息；爬取某網(wǎng)頁的Java圖書信息；將數(shù)據(jù)儲存到MongoDB數(shù)據(jù)庫中；使用表單登錄方法實現(xiàn)模擬登錄；使用Cookie登錄方法實現(xiàn)模擬登錄；使用表單登錄方法模擬登錄某論壇；使用瀏覽器Cookie模擬登錄某論壇；基于表單登錄后的Cookie模擬登錄某論壇；使用Scrapy爬取網(wǎng)頁動態(tài)；定制BdRaceNews爬蟲項目的中間件。2、《Python數(shù)據(jù)可視化》課時設置：理論教學不少于24學時，實踐教學不少于24學時，總計不少于48學時。課程資源：包含實訓指導書數(shù)量≥26份、課程視頻數(shù)量≥35個、課程PPT數(shù)量≥6份、代碼數(shù)量≥3份、數(shù)據(jù)數(shù)量≥12份。課程實驗清單：包括但不限于繪圖基礎(chǔ)語法和常用參數(shù)；分析特征間關(guān)系；分析特征內(nèi)部數(shù)據(jù)分布于分散狀況；分析1996-2015年人口數(shù)據(jù)特征間的關(guān)系；分析1996-2015年人口數(shù)據(jù)各個特征的分布與分散狀況；實現(xiàn)scatterplot關(guān)系圖；實現(xiàn)lineplot關(guān)系圖；實現(xiàn)relplot關(guān)系圖；實現(xiàn)分類散點圖；實現(xiàn)分類分布圖；實現(xiàn)分類估計圖；實現(xiàn)kdeplot分布圖；實現(xiàn)rugplot分布圖；實現(xiàn)distplot分布圖；實現(xiàn)regplot回歸圖；實現(xiàn)lmplot回歸圖；實現(xiàn)heatmap矩陣圖；實現(xiàn)clustermap矩陣圖；實現(xiàn)FacetGrid網(wǎng)格圖；實現(xiàn)PairGrid網(wǎng)格圖；實現(xiàn)JoinGrid網(wǎng)格圖；Pyecharts繪制基本圖表；Pyecharts繪制直角坐標系圖表；Pyecharts繪制樹形圖表；Pyecharts繪制地理圖表；Pyecharts繪制3D圖表。3、《Python數(shù)據(jù)分析與挖掘》課程內(nèi)容包括講解常用機器學習理論和算法的方法，如數(shù)據(jù)挖掘基礎(chǔ)介紹、數(shù)據(jù)探索、數(shù)據(jù)預處理、分類與回歸、聚類分析、關(guān)聯(lián)規(guī)則、智能推薦和時間序列算法。同時，通過介紹機器學習中的常用算法應用，從宏觀把握每種算法解決問題時的思路。通過學習本課程，可掌握數(shù)據(jù)分析與挖掘中常用機器學習算法的應用情景、算法理論基礎(chǔ)、算法編程實現(xiàn)、模型評價體系構(gòu)建的主要方法和技能。課時設置：理論教學不少于32學時，實踐教學不少于32學時，總計不少于64學時。課程資源：包含實訓指導書數(shù)量≥11份、課程視頻數(shù)量≥68個、課程PPT數(shù)量≥9份、代碼數(shù)量≥32份、數(shù)據(jù)數(shù)量≥20份。課程實驗清單：包括但不限于判斷與循環(huán)、函數(shù)、類型轉(zhuǎn)換的使用；分布、描述性統(tǒng)計和貢獻度分析；對比、相關(guān)性和周期分析；數(shù)據(jù)清洗；數(shù)據(jù)變換；數(shù)據(jù)分組聚合；使用分類算法實現(xiàn)客戶流失預測；使用K-Means聚類實現(xiàn)超市客戶聚類分析；使用關(guān)聯(lián)規(guī)則算法挖掘網(wǎng)址的相關(guān)關(guān)系；使用協(xié)同過濾算法實現(xiàn)對用戶購買品牌的個性化推薦；使用ARIMA算法實現(xiàn)氣溫預測。4、《Python機器學習算法實現(xiàn)》課程需以任務實現(xiàn)為導向，介紹Python機器學習算法實現(xiàn)及其知識的應用。課程內(nèi)容包括講解機器學習中的常用算法，內(nèi)容需包括機器學習緒論、模型評估與選擇、回歸分析、決策樹、神經(jīng)網(wǎng)絡、KNN、樸素貝葉斯、聚類分析、支持向量機算法的Python實現(xiàn)，并闡述每種算法解決問題時的思路，介紹算法的相關(guān)任務的具體操作。通過學習本課程，可掌握不同機器學習算法的應用場景，算法理論基礎(chǔ)，編程實現(xiàn)、模型評價體系等。課時設置：理論教學不少于36學時，實踐教學不少于28學時，總計不少于64學時。課程資源：包含實訓指導書數(shù)量≥15份、課程視頻數(shù)量≥49個、課程PPT數(shù)量≥9份、代碼數(shù)量≥10份、數(shù)據(jù)數(shù)量≥7份。課程實驗清單：包括但不限于完成波士頓房價預測模型；對研究生是否被錄取進行預測；決策樹算法自編；用決策樹算法構(gòu)建鳶尾花分類模型；自定義sigmoid激活函數(shù)；網(wǎng)絡輸入到輸出；網(wǎng)絡權(quán)值和閾值更新；網(wǎng)絡模型訓練；網(wǎng)絡模型預測；求距離矩陣；找鄰居；歸類；自編KNN算法實現(xiàn)鳶尾花分類；對鳶尾花數(shù)據(jù)進行K-Means聚類；用支持向量機解決鳶尾花分類。5、《1+X大數(shù)據(jù)應用開發(fā)python技能認證考試題庫》題庫包含《職業(yè)技能等級標準》中級訓練所需的題庫，包含基礎(chǔ)練習題庫及考試組卷題庫：1、基礎(chǔ)練習題庫包含單選題≥226道、多選題216道、判斷題219道、填空題214道、簡答題81道、論述題39道、軟件操作15道、應用編程10道、案例分析12道2、考試組卷題庫包含單選題40道、多選題23道、判斷題33道、操作題12道1（批）健康大數(shù)據(jù)分析實戰(zhàn)案例健康大數(shù)據(jù)分析實戰(zhàn)案例包含9門課程、或數(shù)據(jù)包1、健身實踐調(diào)查數(shù)據(jù)分析案例資源：包含實訓指導書數(shù)量≥2份、案例視頻數(shù)量≥6個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥1份。案例內(nèi)容：包括但不限于案例背景與目標；數(shù)據(jù)處理與拆分；數(shù)據(jù)映射與異常值處理；健身實踐數(shù)據(jù)可視化實現(xiàn)；數(shù)據(jù)可視化結(jié)果分析；小結(jié)。技術(shù)點：至少包含數(shù)據(jù)映射；數(shù)據(jù)預處理；數(shù)據(jù)可視化。2、常見疾病醫(yī)療對話數(shù)據(jù)分析案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥8個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥6份。案例內(nèi)容：包括但不限于背景與挖掘目標；數(shù)據(jù)讀取與處理；常見疾病科室分析；各類型醫(yī)療對話標題分析；封裝函數(shù)；主題分析；獲取疾病診斷建議；小結(jié)。技術(shù)點：至少包含Jieba分詞；去除停用詞；詞云圖；主題分析。3、空氣污染致死因素分析案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥6個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥3份。案例內(nèi)容：包括但不限于背景與挖掘目標；數(shù)據(jù)預處理；空氣污染數(shù)據(jù)可視化實現(xiàn)；數(shù)據(jù)可視化結(jié)果分析；全球空氣污染死亡人數(shù)聚類分析；小結(jié)。技術(shù)點：至少包含數(shù)據(jù)預處理；數(shù)據(jù)可視化；模型構(gòu)建。4、基于藥物成分和療效的藥品推薦案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥5個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥1份。案例內(nèi)容：包括但不限于數(shù)據(jù)預處理；藥品成分和制作商分析；特征處理和構(gòu)建；藥品分數(shù)分布分析；基于藥物成分和療效推薦藥品。技術(shù)點：至少包含提取詞干；柱狀圖；詞語相似度。5、飲用水源營養(yǎng)狀態(tài)等級分析案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥5個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥1份。案例內(nèi)容：包括但不限于案例背景與目標；數(shù)據(jù)清洗；探索性數(shù)據(jù)分析；模型構(gòu)建和預測；小結(jié)。技術(shù)點：至少包含數(shù)據(jù)預處理；數(shù)據(jù)可視化；隨機森林。6、公眾健康問句分類案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥9個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥2份。案例內(nèi)容：包括但不限于背景與挖掘目標；數(shù)據(jù)探索；分詞和去停用詞；詞序列化和長度對齊；預訓練詞向量；詞向量矩陣；textCNN模型搭建；模型訓練；模型評估和總結(jié)。技術(shù)點：至少包含中文分詞；詞向量；textCNN模型；F1-score。7、新冠疫情防控數(shù)據(jù)分析案例資源：包含實訓指導書數(shù)量≥5份、案例視頻數(shù)量≥33個、案例PPT數(shù)量≥2份、代碼數(shù)量≥4份、數(shù)據(jù)數(shù)量≥7份。案例內(nèi)容：包括但不限于項目背景與目標；大數(shù)據(jù)探索與處理；篩選陽性數(shù)據(jù)并去重；陽性數(shù)據(jù)分析；提取陽性人員出行記錄；以交通為例獲取交互記錄；提取所有陽性人員與普通人員交互記錄；剔除多余與異常數(shù)據(jù)；處理為規(guī)整格式；密接數(shù)據(jù)分析；提取密接者出行記錄；密接行程記錄數(shù)據(jù)處理；以交通為例提取交互記錄；提取密接人員與普通人員交互記錄；多余與異常數(shù)據(jù)處理；處理為規(guī)整格式；疫苗接種信息表探索與預處理；統(tǒng)計陽性人員感染時已注射針次情況；統(tǒng)計全體人員的針次情況；提取密接轉(zhuǎn)陽數(shù)據(jù)；分析接種與未接種人群感染率；分析各針次的感染率；SEIDR模型初始值設置；SEIDR模型構(gòu)建；SEIDR_V2模型初始值設置；SEIDR_V2模型構(gòu)建；陽性人員出行記錄數(shù)據(jù)處理與分析；構(gòu)建風險圓并劃分管控場所；某陽性人員核心風險圓劃定；所有陽性人員核心風險圓劃定；依據(jù)核心風險圓劃分管控區(qū)域；區(qū)分每天管控場所；精準防控。技術(shù)點：至少包含數(shù)據(jù)預處理；可視化；SEIDR；K-Means。8、兒童營養(yǎng)不良數(shù)據(jù)分析案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥6個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥2份。案例內(nèi)容：包括但不限于背景與挖掘目標；數(shù)據(jù)預處理；全球兒童營養(yǎng)不良數(shù)據(jù)分析；兒童營養(yǎng)狀態(tài)數(shù)據(jù)分析；兒童營養(yǎng)情況預測；小結(jié)。技術(shù)點：至少包含數(shù)據(jù)預處理；數(shù)據(jù)可視化；模型構(gòu)建。9、不同類型谷物營養(yǎng)成分分析案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥6個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥1份。案例內(nèi)容：包括但不限于案例背景和目標；數(shù)據(jù)探索與預處理；不同谷物營養(yǎng)成分分析與差異；個性化健康谷物推薦；小結(jié)。技術(shù)點：至少包含數(shù)據(jù)處理，統(tǒng)計分析，相關(guān)性分析。1（批）醫(yī)療分析實戰(zhàn)案例醫(yī)療分析實戰(zhàn)案例包含9門課程或數(shù)據(jù)包1、腦卒中發(fā)病環(huán)境因素分析及干預案例資源：包含實訓指導書數(shù)量≥4份、案例視頻數(shù)量≥11個、案例PPT數(shù)量≥1份、代碼數(shù)量≥4份、數(shù)據(jù)數(shù)量≥8份。案例內(nèi)容：包括但不限于背景與挖掘目標；缺失值和重復值處理；異常值處理；氣候數(shù)據(jù)處理；指標構(gòu)建與建模數(shù)據(jù)準備_1；指標構(gòu)建與建模數(shù)據(jù)準備_2；發(fā)病人群統(tǒng)計分析；數(shù)據(jù)特征探索分析；變量檢驗；模型構(gòu)建與診斷；小結(jié)。技術(shù)點：至少包含pandas數(shù)據(jù)處理；pyplot繪圖；變量檢驗；向量自回歸模型的構(gòu)建。2、乳腺癌數(shù)據(jù)分析與自動診斷案例資源：包含實訓指導書數(shù)量≥3份、案例視頻數(shù)量≥6個、案例PPT數(shù)量≥1份、代碼數(shù)量≥1份、數(shù)據(jù)數(shù)量≥1份