首页 /大数据挖掘项目教学资源

大数据挖掘项目教学资源

公告-流标公告

广东 -广州

发布时间： 2025年09月15日

标书代写官方

摘要信息

招标单位

招标编号

招标估价

招标联系人

招标代理机构

代理联系人

报名截止时间

投标截止时间

关键信息

大数据教学资源

招标详情

下文中****为隐藏内容，仅对千里马会员开放，如需查看完整内容请或拨打咨询热线： 400-688-2000

相关单位：

***********公司企业信息

大数据挖掘项目教学**

竞价结果详情(****)

开始时间：2024-03-07 09:44:45 截止时间：2024-03-11 08:30:00 标书代写

合格供应商不足3家

说明：各有关当事人对竞价结果有异议的，可以在竞价结果公告发布之日起3天内通过规定途径提起异议，逾期将视为无异议，不予受理。

采购单位：****	联系人：胡老师
E-mail：无	联系电话：0756-****133
传真：无	联系手机：无
邮编：无	平台联系电话（异议）：020-**9972；**@qq.com
项目名称：大数据挖掘项目教学**	竞价编号：****
采购类型：货物类	开始时间：2024-03-07 09:44:45
项目预算(元)：28,000.00	结束时间：2024-03-11 08:30:00
质保期及售后要求：见技术要求，如有增加，在与甲方协商后再在合同中体现。
其他要求：无

项目名称：大数据挖掘项目教学**

序号标的名称型号规格技术要求是否限定品牌数量计量单位详情

1	家用热水器用户行为分析	见技术要求	1、包含3份实训指导书、9个案例视频、1份案例PPT、5份数据、3份代码。 2、根据热水器采集到的数据，划分一次完整用水事件并识别出洗浴事件。 3、流程 1)数据抽取：从国内某热水器生产厂商处抽取用户的用水数据。 2)数据预处理：删除冗余特征；划分用水事件；确定单次用水事件时长阈值；构建用水时长与频率特征、用水量与波动特征；筛选候选洗浴事件。 3)模型构建：将数据划分为训练集和测试集，构建神经网络模型，评价神经网络模型。 4)模型解读：计算在洗浴事件识别上精确率（precision）和召回率（recall）并判断此模型的效果和适用情况。 4、案例内容 1)案例背景 2)删除冗余特征 3)划分用水事件 4)确定单次用水事件时长阈值 5)构建用水时长与频率特征 6)构建停顿特征 7)构建用水量与波动特征 8)筛选候选洗浴事件模型构建	否	1.00	套
规格配置：1、包含3份实训指导书、9个案例视频、1份案例PPT、5份数据、3份代码。 2、根据热水器采集到的数据，划分一次完整用水事件并识别出洗浴事件。 3、流程 1)数据抽取：从国内某热水器生产厂商处抽取用户的用水数据。 2)数据预处理：删除冗余特征；划分用水事件；确定单次用水事件时长阈值；构建用水时长与频率特征、用水量与波动特征；筛选候选洗浴事件。 3)模型构建：将数据划分为训练集和测试集，构建神经网络模型，评价神经网络模型。 4)模型解读：计算在洗浴事件识别上精确率（precision）和召回率（recall）并判断此模型的效果和适用情况。 4、案例内容 1)案例背景 2)删除冗余特征 3)划分用水事件 4)确定单次用水事件时长阈值 5)构建用水时长与频率特征 6)构建停顿特征 7)构建用水量与波动特征 8)筛选候选洗浴事件模型构建
2	水产养殖水质智能识别	见技术要求	1、案例** 包含4份实训指导书、16个案例视频、1份案例PPT、1份数据、3份代码。 2、根据水质图片，利用图像处理技术和相应模型，实现水质的自动评价 3、流程 1)数据抽取：抽取某地区多个罗非鱼池水样图片数据。 2)数据预处理：使用图像切割提取水样图像中央部分具有代表意义的图像；对切割后的图像提取其颜色矩，作为图像的颜色特征。 3)构建分类模型：对建模数据进行数据标准化；划分训练集与测试集；构建支持向量机（SVM）模型。 4)模型评价：将测试集带入构建的模型，得到预测结果；使用混淆矩阵评价水质。 4、案例内容 1)案例背景与目标 2)读取一张图片数据 3)获取图片数据的像素值矩阵 4)截取图像的有效区域 5)水质图像特征-颜色矩 6)三个颜色矩的Python实现 7)如何进行批量化数据转换 8)自定义函数获取指定路径中的所有图片名称_x264 9)处理所有图片数据 10)数据处理代码整理 11)模型构建与性能评估 12)教学目标确认 13)案例任务点拆解 14)技能点梳理及串联 15)重难点解析 16)教学技巧分享	否	1.00	套
规格配置：1、案例** 包含4份实训指导书、16个案例视频、1份案例PPT、1份数据、3份代码。 2、根据水质图片，利用图像处理技术和相应模型，实现水质的自动评价 3、流程 1)数据抽取：抽取某地区多个罗非鱼池水样图片数据。 2)数据预处理：使用图像切割提取水样图像中央部分具有代表意义的图像；对切割后的图像提取其颜色矩，作为图像的颜色特征。 3)构建分类模型：对建模数据进行数据标准化；划分训练集与测试集；构建支持向量机（SVM）模型。 4)模型评价：将测试集带入构建的模型，得到预测结果；使用混淆矩阵评价水质。 4、案例内容 1)案例背景与目标 2)读取一张图片数据 3)获取图片数据的像素值矩阵 4)截取图像的有效区域 5)水质图像特征-颜色矩 6)三个颜色矩的Python实现 7)如何进行批量化数据转换 8)自定义函数获取指定路径中的所有图片名称_x264 9)处理所有图片数据 10)数据处理代码整理 11)模型构建与性能评估 12)教学目标确认 13)案例任务点拆解 14)技能点梳理及串联 15)重难点解析 16)教学技巧分享
3	基于医学影像的血管三维重构	见技术要求	1、案例** 包含9份实训指导书、5个案例视频、1份案例PPT、2份数据、1份代码。 2、目标根据采样得到的平行切片数字图象，运用计算机重建组织、器官等准确的三维形态。 3、流程 1)数据处理：图像叠加；血管半径计算；边缘位置计算。 2)确定切片的圆心：血管中轴线计算；圆心切片计算；多圆心处理。 3)拟合平滑处理：采用三次多项式来进行拟合。 4)模型检验：覆盖性检验和重构性检验。 4、案例内容 1)案例背景 2)验证假设 3)内切圆算法 4)中轴线算法 5)检验和小结	否	1.00	套
规格配置：1、案例** 包含9份实训指导书、5个案例视频、1份案例PPT、2份数据、1份代码。 2、目标根据采样得到的平行切片数字图象，运用计算机重建组织、器官等准确的三维形态。 3、流程 1)数据处理：图像叠加；血管半径计算；边缘位置计算。 2)确定切片的圆心：血管中轴线计算；圆心切片计算；多圆心处理。 3)拟合平滑处理：采用三次多项式来进行拟合。 4)模型检验：覆盖性检验和重构性检验。 4、案例内容 1)案例背景 2)验证假设 3)内切圆算法 4)中轴线算法 5)检验和小结