采购需求一采购资金的支付方式时间条件质量保证金签订合同前.docx
《采购需求一采购资金的支付方式时间条件质量保证金签订合同前.docx》由会员分享，可在线阅读，更多相关《采购需求一采购资金的支付方式时间条件质量保证金签订合同前.docx（29页珍藏版）》请在冰豆网上搜索。
采购需求一采购资金的支付方式时间条件质量保证金签订合同前
采购需求
一、采购资金的支付方式、时间、条件:
质量保证金
签订合冋前由成交供应商支付合冋总价的5%乍为履约保证金。
项目实施完毕，验收合格后履约保证金转为质量保证金，在没有发生质量索赔的情况下，质量保证金在质保期满一年后无息退还。
付款方式
1.由采购人在合冋签订后15日内向成交供应商支付合冋金额的30%乍为预付款，成交供应商收到预付款后1个月内完成软件开发及相关调试，并交付所有货物，包括：
在采购人指定教室/实验室安装并调试成功AI金融实训软件（包括教学管理系统与
自动化机器学习平台）。
2.AI金融实训软件（包括教学管理系统与自动化机器学习平台）试运行半个月，运行情况良好，经采购人对系统终验合格后，由采购人向成交供应商支付合冋金额70%尾款。
、服务要求（技术要求里另有注明的以技术要求为准）：
质保期
5年
具体实施响应要求
1.质保期内需提供软件免费升级和维护。
成交供应商应提供系统安装、调试完成后应提供完整的技术文档、使用说明、有关授权等相关材料。
2.成交供应商应免费提供质保期内电话支持、BBS在线支持、电子邮件支持、
远程维护支持等多种免费技术支持服务。
交付时间和地点
交付时间：
合冋签署后2个月内交付。
交货地点：
浙江金融职业学院。
其他服务要求
技术支持服务：
1.响应供应商自系统终验合格之日起，对建模软件产品提供5年升级、维护服务，维护服务需保质保量，维护内容如下：
提供5*8小时技术支持和服务，对重大问题提供现场技术支持，接到通知48小时内安排解决，提交问题处理报告，要求说明问题种类、问题原因、问题解决使用的方法及造成的损失等情况。
2.安排项目小组参与定制开发和服务保障，未经采购人同意，不得更换，直到验收合格。
3.提供详细的质保期内技术支持和服务方案，以保证运行稳定。
4.至少需要有1名人员具备完整的、系统的机器学习专业背景，持有信息系统项目管理师资格证书（高级）；
5.至少需要有2名及以上的人员，熟悉银行技术服务内容和机器学习建模技术的响应供应商。
安装调试：
1、安装地点：
采购人指定地点。
2、安装标准：
符合我国国家有关技术规范要求和技术标准，所有的软件必须保证2
个月内安装到位。
3、成交供应商应提供合冋货物的安装服务。
4、成交供应商在响应文件中应提供安装调试计划、对安装场地和环境的要求。
验收：
1、成交供应商应提供合冋货物的有效检验文件，经采购人认可后，与合冋的性能指标一起作为合冋货物验收标准。
采购人对合冋货物验收合格后，双方共冋签署验收
合格证书，验收中发现合冋货物达不到验收标准或合冋规定的性能指标，成交供应商必须更换合同货物，并负担由此给采购人造成的损失，直到验收合格为止。
2、相应供应商应于响应文件中提供合冋货物的验收标准和检测办法，并在验收中提供采购人认可的相应检测手段，验收标准应符合中国有关的国家、地方、行业的标
准，如若成交，经采购人确认后作为验收的依据。
3、如成交供应商委托国内代理（或其他机构）负责安装或配合安装，应在签约时指明，但成交供应商仍要对合冋货物及其安装质量负全部责任。
4、验收费用由成交供应商承担。
培训：
1、成交供应商应对采购人的操作人员、维修人员免费进行培训。
2、成交供应商应提供相应的培训计划。
3、成交供应商应对上述内容的实现方式、地点、人数、时间在投标文件中详细说明。
4、技术培训费用应包含在磋商响应总价中。
三、项目概况：
在信息化、大数据、人工智能新时代，为保持浙江金融职业学院在金融科技方向人才培养的全面领先性，筹备金融AI实验室。
培养更多符合人工智能时代的金融专业化人才，布局AI金融实训软件，引进机器学习平台，结合金融机构实际应用场景，让学生在毕业后能无缝与企业对接，成为具有竞争力的金融企业所需人才。
基于上诉需求，将“以教学软件为核心，理论与实践相结合的教学模式”展开采购。
通过自动化机器学习建模软件，实战操作机器学习建模，满足学校为企业输送机器学习人才的技能准备需求，同时加入银行金融企业的实际业务场景需求与机器学习理论相结合，满足教
学成果通用性需求，为培养理论与实践相结合的复合型人才做准备；通过配套教学管理软件，
满足教师教学管理需求与学生学习需求。
AI金融实训软件具体需求如下：
1自动化的机器学习建模平台
自动化机器学习建模平台，要求从数据处理、模型设立、效果测试等除了可以人工调参外，均采用自动化运行的方式，并可以直接输出结果报告，重点在于帮助学生在建模过程中
重复与费力的业务，从而有更多的时间去思考与业务相关的深层次问题。
同时要求在自动化
机器学习平台的基础上搭载金融业务数据与场景，让学生可以通过实训、实习以及学习软件
的操作流程的方式加强学生对机器学习技术在银行金融的领域应用的熟悉度，加深其对银行
金融业新技术的理解。
主要应用于教学过程中的实践性教学环节，在互联网金融专业、金融
管理等专业的公共课、专业课，乃至学校整个金融大类的课程中都可以广泛应用。
2、自动化机器学习平台教学管理软件
搭载自动化机器学习建模平台的教学管理软件，内置基于自动化机器学习建模平台的操
作任务和实训任务，教师可使用软件完成完整的教学流程，包括分班、布置任务、打分与成
绩汇总，学生可在软件的指引下完成老师布置的操作任务和实训任务并得到反馈，形成教学
闭环。
四、采购清单:
序号
米购内容
计量单位
数量
1
自动化机器学习建模平台软件
套
1
2
自动化机器学习建模平台教学管理系统
套
1
五、技术要求：
5.1、自动化机器学习建模平台建设要求
自动化机器学习建模平台
工程延设横块
0t件License安全
卓1&工植虜渔iiitt文件自边归人*j«m
1仇1»1«阿剧昔设HLEcn^Bfi据密
自动化戢据探索模欣
:
U4H««45
芟対芋敲迎■•験
生应卒轉代搽輩祁客
自动化机器学习建模平台
自动优预测打分樓块日色口试矗琳审權
自妙优预由打守
生摩津地比阿打对關書
自动k»s训堀穡块
自衬代切归UM啟雷鬻
自试構块
耳
自閒H.IM
自话化评恬*覘図窩⑷挥
衣特手询U吐■注*拔
主白目透•型“说朋制
基盼地化■型3豪楼竄扭吉
寧地优眾皆
怖HE斑星R曲si宜辟
•卫收■羸
单鱼■尅柝朋
m整收■対布图
事鹹曲搭协
*s&曲甘帝n.
卒帼就.墜审锂
吿HSRclaidftf?
溥丰IB耐IE十昌
iH^fcS*H
啟昭捽黛日志
港樓日宕
■堆代阿订甘报吿
卒城师聲刑试砒殆■:
・ih口土
自动ft¥lS¥习延畏场fit飯牖
一共不少于笑讯呆的蠻茴厨扯稅*m据
幷茶啡亍3DOO旣胸请启刚KW.tSKIl
自动化机器学习建模平台软件合法性要求
1
软件安全性需求：
（1）有严格的软件控制软件,1台硬件设备只能安装1套自动化机器学习建模软件关联；
（2）每套软件内置加密的硬件信息与使用时间，保证用户的合法性和用户使用应用信息资源的权禾U,避免内部敏感信息泄露和服务所提供的信息资源被非法访问，造成严重的安全事件；
（3）需永久支持学校更换硬件设备后重装软件的需求。
自动化机器学习建模平台功能要求
1
工程建设需求：
（1）支持在电脑本地建设工程；
（2）以工程文件夹为基准，该工程所对应的机器学建模所产生的文件自动归入该工程目录下；
（3）支持自定义工程文件存放路径；
（4）支持建模过程中断或报错后，从工程路径进入报错/未完成的机器学习建模环节，无需重新运行已完成的建模环节；
2
自动化数据探索模块需求：
该功能主要用于从数据中挖掘知识并预处理数据。
包括软件读入训练数据，根据数据字典调整数据；软件自动对原始数据统计分布进行统计，自动删除冗余变量和样本；软件自动进行单变量分析，自动生成可视化单变量分析图；软件自动将数据转化成算法适用的格式。
具体需求如下：
★
（1）需支持本地CSV文件导入；支持excel文件导入；支持txt文件导入；支持关系型数据库输入；支持hadoop文件输入。
（演示要求：
通过拖拽数据导入组件到设计区，通过点击上传按钮上传文件数据，并可以修改上传数据的字符类型，可以调试数据上传是否成功。
）
（2）软件自动进行数据审核，验证CSV表是否符合建模训练数据集与数据字典需求，冋时校验训练数据集与数据字典是否匹配，验证条件为：
1）文件需指定变量名称作为csv表第一行；
2）每一行对应一个样本，每一列对应一个变量；
3）变量类型仅可能包括Numeric或Double类型；
4）CSV表需包括预测对象（ID变量）对应的变量名和目标变量对应的变量名；
5）预测对象类型需为“Factor”类型；
6）目标变量需包含0/1且1为小类的因子型变量，目标变量不能包含缺失值；
7）CSV表的行数至少为100行；
8）CSV表的列数至少为3列；
9）导入的数据字典CSV表中必须含有variable与type字段，数据类型只能为Numeric与Factor。
（3）自动读取审核成功的CSV表中的Factor类型字段为变量名。
（4）需支持用户选择目标变量与预测对象，并自动对其进行校验，自动审核目标变量所在的列取值与预测对象所在的列取值是否符合建模要求，自动审核条件为：
预测对象要与数据字典中的预测对象对应，并且只能为Factor类型；目标变量要与数据字典
中的目标对应，并且只能为Factor类型，目标取值只能为0/1。
（5）自动进行数据统计特征总结：
1）自动计算样本量与特征数：
即计算导入的表中样本的个数与特别变量个数；
2）自动计算数值特征的分位数：
自动计算数值型变量的分位数；
3）自动计算各变量的缺失值比例。
（6）自动进行数据清洗，数据清洗的内容如下：
1）自动删除缺失值过多的样本：
删除样本缺失比例阈值大于0.99的样本；
2）自动删除缺失值过多的变量：
删除变量缺失比例阈值大于0.99的变量；
3）自动删除零值过多的变量：
删除零食比例大于0.99的变量；
4）自动删除多余的变量因子：
删除因子类型大于1024的变量；
5）自动进行数值离散化分箱：
自动分为5箱；
6）自动进行数值型变量的截断：
将大于10的阈值和0.95分位数乘积的样本截断；
7）自动处理零值，增加数据清洗的合理性：
数值变量分段时，将零值比例大于0.3的单独
归为一类。
★（7）自动进行数据转换：
（演示要求：
数据转换以组件的形式封装在平台中，通过拖拽到设计区，并可以使用鼠标拖拽跟其它组件连接，实现数据流通）
1）自动缺失值填充；
2）自动根据样本数据抽样；
3）自动进行one-hot编码；
4）自动数据归一化。
（8）支持手动设置数据探索中的高级参数：
1）被定义为缺失值的字符名；
2）统计数值变量的分位数；
3）删除缺失值的比例超过阈值的样本；
4）删除缺失值的比例超过阈值的变量；
5）删除0的比例超过阈值的变量；
6）因子型变量的类别所允许的最大因子数，删除超过阈值的因子型变量；
7）是否将数值型变量离散化为有序型数值变量；
8）数值变量离散化的分箱数；
9）判断数值变量截断的阈值，将大于该阈值和0.95分位数乘积的样本截断；
10）数值变量分箱时，当零值的比例大于阈值时，将零值单独归为一类；
11）根据iv值来剔除变量的阈值。
如果为NULL，则没有变量会因为iv值被剔除；
12）根据线性分析剔除变量的阈值。
如果为NULL则没有变量会因为共线性分析被剔除；
13）是否进行缺失值填充；
14）样本不平衡比例阈值（多数/少数）。
当比例大于阈值时，进行欠采样；
15）是否将因子变量转化为虚拟变量（0/1）;
16）是否将数值变量标准化。
（9）支持高级参数设置的实时校验，并给出参数设置参考提示，降低参数设置发送错误的概率。
（10）完成设置后，一键进行自动化数据探索工作并给出运行日志，实时查看运行情况并捕获错误信息。
（11）自动化数据探索结束后，生成本地化数据探索结果报告：
1）自动生成数据探索的Rdata文件；
2）自动生成单变量分析图jpg文件；
3）自动生成变量iv值CSV表；
4）自动生成变量iv值分布情况jpg图；
5）自动生成原始样本数值型变量的统计CSV表;
6）★自动生成建模数据样本数值型变量的统计CSV表;
7）★自动生成原始样本数据因子型变量的统计CSV表;
8）自动生成数据探索过程及结果日志txt文件；
9）自动生成单变量分析的分段取值CSV表。
3
自动化模型训练模块需求：
该功能主要用于从数据中学习规律，建立预测模型。
软件自动将数据分成训练集和验证集，
根据选定的算法，通过KS/AUC来寻找模型的最优参数组合。
软件自动输出模型中使用的变量权重
文件以及决策规则文件。
具体需求如下：
（1）需支持自动化数据探索模块生成的Rdata文件导入，Rdata文件中含有建模所需的经过自动化特征工程与自动化数据清洗的模型训练样本。
（2）需支持模型自动切分训练集与验证集，支持手动设置调整训练集与验证集的拆分比例。
（3）需支持模型进行验证时的分析数调整。
（3）需支持自动选择KS/AUC作为模型调优指标，对算法进行调参，并根据选定的调优指标选择
最佳算法和对应的参数组。
★（4）需支持以下机器学习算法自动调参和手动调参，对应算法的参数如下：
1）GBM（梯度提升决策树）算法需包含以下参数：
i.树的棵数
ii.特征交叉最大深度
iii.学习步长
iv.叶节点最少保留样本数
V.损失参数
vi.评估指标
2）RF（随机森林）算法需包含以下参数：
i.树的棵数
ii.叶节点最少保留样本
3）XGB（XGboost）算法需包含以下参数：
i.学习步长
ii.最大迭代次数
iii.停止训练的轮数
iv.实际训练样本占总样本的比例
V.每棵树所用的特征占总特征数的比例
vi.树的最大深度
vii.树的子节点进行分枝所需最小样本权重和
viii.树的子节点进行分枝所需的最小损失值
ix.线程数
4）LR逻辑回归算法
5）SVM支持向量机算法需包含以下参数：
i.惩罚项c的取值设定（惩罚因子大，则拒绝力度加大）
ii.除去线性核外，其他核的参数
6）NNET（神经网络）算法需包含以下参数：
i.隐层神经元个数
ii.最大迭代次数
7）CART（决策树）算法需包含以下参数：
i.用于分枝的节点最小样本量
ii.复杂度参数，决定是否进行剪枝的阈值
8）ADABOOSTAdaboost）算法需包含以下参数：
i.树的子节点进行分枝所需最小样本量
ii.复杂度
iii.迭代次数
9）Naivebayes（朴素贝叶斯）算法需包含以下参数：
i.平滑系数
10）LASSO算法需包含以下参数：
i.正则化权重系数
ii.正则化幅度
11）MAR（多元自适应回归样条）算法需包含以下参数：
i.交叉程度
ii.每个节点的广义交叉验证惩罚项
iii.前向传递过程中，每新增一个变量的惩罚值
iv.前向传递每一步中，父节点个数最大值
v.老化系数
12）KMeans算法需包含以下参数：
i.聚类数
ii.迭代次数
iii.并行计算数
iv.计算精度
13）高斯混合算法需包含以下参数：
i.聚类数
ii.迭代次数
iii.收敛精度
iv.随机种子
14）BisectingKMeans算法需包含以下参数：
i.聚类数
ii.最大迭代次数
15）ALS算法需包含以下参数：
i.并行计算数
ii.特征值
iii.迭代次数
iv.隐式预测
V.阿尔法值
vi.种子数
（5）需支持算法参数设置实时校验比在软件中给出参数设置范围提示，降低因参数设置导致建模发生错误的概率。
（6）完成算法和参数设置后，一键自动建模并给出建模过程中的运行日志，实时查看建模情况并捕获错误信息。
（7）自动建模成功后，生成本地化的模型报告并自动归入该模型所属的工程文件夹中：
1）机器学习模型变量权重csv表；
2）机器学习模型变量权重分布图pdf；
3）模型Rdata文件；
4）★调优结果csv表；
5）调优过程日志txt文件；
6）建模过程日志txt文件；
7）建模耗时时间txt文件。
4
自动化预测打分模块需求：
该功能主要用来执行自动化模型训练模块得到的机器学习模型，对新数据进行预测打分。
具体需求如下：
（1）支持本地导入CSV格式数据，并对测试数据进行校验，自动校验测试数据中的目标变量与模型中的目标变量是否一致并给出提示。
（2）支持预测因子变量数设置，并在软件中给予预测因子变量数的取值范围。
（3）软件需自动进行预测数据统计特征总结：
1）自动计算样本量与特征数：
即计算导入的表中样本的个数与特别变量个数；
2）自动计算数值特征的分位数：
自动计算数值型变量的分位数；
3）自动计算各变量的缺失值比例。
（4）需支持冋一工程目录下使用已生成的机器学习模型对预测数据进行预测打分。
（5）需支持打分原因分析（计算每个样本打分时，部分重要变量对打分的贝献）。
（6）完成预测数据集导入与预测因子设置后，一键进行模型预测打分并给出预测打分过程中的运行日志，实时查看预测打分情况并捕获错误信息。
（7）模型预测打分完成后，生成本地化的模型预测打分报告：
1）预测打分csv表；
2）预测数据集统计特征csv表；
3）预测打分日志文件txt；
4）预测打分时间文件txt。
5
自动化效果测试模块需求：
该功能模块主要用来评估模型效果，模型在自动化预测打分环节对新数据打分，而该模块用于对打分数据与真实发生数据进行对比，评估模型效果。
具体需求如下：
★
（1）支持导入本地CSV数据表。
（演示要求：
通过拖拽数据导入组件到设计区，通过点击上传按钮上传文件数据，并可以修改上传数据的字符类型，可以调试数据上传是否成功。
）
（2）支持模型预测打分表与真实数据对比，评估模型预测效果。
（3）支持效果表现打分并按样本数分组，计算每组对应的模型打分指标（累积样本比率；当前组样本数；当前组打分最小值；当前组打分最大值；当前组打分均值；累积准确率；累积召回率；KS值）。
（4）支持效果测试AUC计算。
（5）支持效果测试KS计算。
（6）一键进行效果测试并给出效果测试过程中的运行日志，实时查看预测打分情况并捕获错误信息。
（7）效果测试完成后，生成本地化的效果测试打分表：
1）效果测试csv表；
2）效果测试过程日志txt文件。
6
机器学习建模报告查看需求：
（1）生成对应工程目录下机器学习建模每个环节的本地化报告。
（2）自动化数据探索环节输出报告：
1）自动生成数据探索的Rdata文件；
2）自动生成单变量分析图jpg文件；
3）自动生成变量iv值CSV表;
4）自动生成变量iv值分布情况jpg图；
5）自动生成原始样本数值型变量的统计CSV表;
6）自动生成建模数据样本数值型变量的统计CSV表;
7）自动生成原始样本数据因子型变量的统计CSV表;
8）自动生成数据探索过程及结果日志txt文件；
9）自动生成单变量分析的分段取值CSV表。
（3）自动化模型建立环节输出报告：
1）机器学习模型变量权重csv表；
2）机器学习模型变量权重分布图pdf；
3）模型Rdata文件；
4）调优结果csv表；
5）调优过程日志txt文件；
6）建模过程日志txt文件；
7）建模耗时时间txt文件。
（4）自动化预测打分环节输出报告：
1）预测打分csv表；
2）预测数据集统计特征csv表；
3）预测打分日志文件txt；
4）预测打分时间文件txt。
（5）自动化效果测试环节输出报告：
1）效果测试csv表；
2）效果测试过程日志txt文件。
7
教学所需贷前审批环节数据需包含以下特征：
★
（1）训练数据集：
包含以下特征的经过脱敏、数据特征加工的建模样本数据集不少于20000条
客户号、是否逾期、账户状态、账龄、信用记录、贷款目的、信用额度、储蓄账户、职业、年龄、工作、分期付款比率、分期付款方式、其他应收款、居住信息、资产信息、房产信息、持有信用卡银行机构数、赡养或抚养人数、电话信息等。
（2）数据字典表：
核心训练数据集加工清洗后抽样出来的建模所需特征。
（3）测试数据集：
包含以下特征真实发生的经过脱敏的测试数据集不少于10000条客户号、是否逾期、账户状态、账龄、信用记录、贷款目的、信用额度、储蓄账户、职业、年龄、工作、分期
付款比率、分期付款方式、其他应收款、居住信息、资产信息、房产信息、持有信用卡银行机构数、赡养或抚养人数、电话信息等。
8
教学所需贷后预警环节数据需包含以下特征：
★
（1）训练数据集：
包含以下特征的经过脱敏、数据特征加工的建模样本数据集不少于20000条
征信信息、交勿流水信息、存款账户信息、信用卡数据信息、贷款台账信息、贷款申请信息。
（2）数据字典表：
核心训练数据集加工清洗后抽样出来的建模所需特征。
（3）测试数据集：
包含以下特征真实发生的经过脱敏的测试数据集不少于10000条征信信息、交易流水信息、存款账户信息、信用卡数据信息、贷款台账信息、贷款申请信息。
9
提供自动化机器学习软件使用说明文件：
（1）自动化机器学习软件操作使用说明文件。
（2）自动化机器学习技术理论说明文件。
（3）基于机器学习技术的贷前审批、贷后预警数据使用说明文件。
10
提供自动化机器学习软件使用培训服务：
（1）提供不少于6个课时的自动化机器学习软件使用及必要知识的培训服务。
（2）提供不少于4个课时的自动化机器学习软件数据使用培训服务。
11
系统支持需求：
（1）软件需支持windows64位系统，win7、Linux以上操作系统。
（2）软件为B/S架构，支持单机部署和服务器部署。
5.2自动化机器学习建模平台教学管理系统要求
教学管理系统
教学管理系统
管理员账号
题库及试卷管理
増加实训考越
1S倉专业対应的班圾
设置实训^JHK干与答JR
支持快速鱼找考题
支持教师匪号调取实训考題
教师管理
设EI教师星本信息
学生管理
学生as本（8息或询菅理
教师JK号中导入的学生信息与
学生管理信息一一対应
教师味号与教师底理设&的信
息一一对应
学生账号
升级会员 