Zapytanie ofertowe nr 6_2026_01.02.01_08DE z dnia 12 marca 2026 r. na dostawę oprogramowania do analizy danych – jedna licencja
Notice description
Powstaje w kontekście projektu:
FESL.01.02-IP.01-08DE/24 - Opracowanie innowacyjnego - cyfrowego systemu bezprzewodowej komunikacji podziemnej
Zapytanie ofertowe nr 6_2026_01.02.01_08DE z dnia 12 marca 2026 r. na dostawę oprogramowania do analizy danych – jedna licencja
Przedmiotem zamówienia jest zakup i dostawa jednej licencji oprogramowania do analizy danych.
Zamówienie musi być zrealizowane zgodnie z zapisami niniejszego zapytania ofertowego.
Oprogramowanie to jest niezbędne do prawidłowej realizacji projektu w zakresie modelowania elementów systemu.
Okres licencji – bezterminowa
Liczba licencji – 1 sztuki
Funkcjonalność:
Oprogramowanie do analizy danych w postaci zintegrowanego środowiska obliczeniowego, umożliwiającego wykonywanie zaawansowanych obliczeń numerycznych, modelowanie systemów oraz analizę danych na potrzeby realizacji projektu w zakresie modelowania elementów systemu bezprzewodowej komunikacji podziemnej.
Wymagania dotyczące środowiska bazowego:
Oprogramowanie musi stanowić kompletne środowisko obliczeniowe z interaktywną konsolą, edytorem skryptów oraz narzędziami do wizualizacji, zapewniające:
• Zintegrowany język wysokiego poziomu do obliczeń numerycznych, wizualizacji
i tworzenia aplikacji.
• Interaktywne środowisko do iteracyjnej analizy i rozwiązywania problemów.
• Wbudowane funkcje matematyczne wspomagające obliczenia z zakresu algebry liniowej, statystyki, analizy Fouriera, filtrowania, optymalizacji oraz rozwiązywania równań różniczkowych zwyczajnych.
• Interaktywne narzędzia do eksploracji i wizualizacji danych (2D i 3D).
• Narzędzia służące utrzymaniu przejrzystości oraz poprawności kodu a także maksymalizacji jego wydajności.
• Narzędzia do tworzenia interfejsu graficznego dla aplikacji (GUI).
• Funkcje integrujące algorytmy z zewnętrznymi aplikacjami oraz językami programowania tj. C, Java, Python, .NET, and Microsoft Excel.
• Wbudowane funkcje do tworzenia wykresów oraz graficznych reprezentacji zbiorów danych.
• Możliwość tworzenia projektów ułatwiających zarządzanie pracą w środowisku oraz integrację z systemami controli wersji (np. SVN, Git).
Wymagania dotyczące modułów / bibliotek specjalistycznych:
Oprogramowanie musi zawierać zintegrowane moduły (biblioteki) realizujące następujące funkcjonalności — wszystkie moduły muszą być w pełni kompatybilne ze środowiskiem bazowym i wzajemnie ze sobą:
a) Moduł nauczania maszynowego
• Zestaw narzędzi do głębokiego uczenia zapewnia możliwość łatwego projektowania i implementowania rozwiązań opartych o głębokie sieci neuronowe, udostępniając narzędzia, algorytmy oraz wstępnie wytrenowane modele.
• Za pomocą konwolucyjnych sieci neuronowych (ConvNet, CNN) i sieci LSTM (Long Short-Term Memory) można przeprowadzać klasyfikację i regresję danych obrazów, szeregów czasowych i tekstowych.
• Możliwość tworzenia zaawansowanych architektur sieci, takich jak generatywne sieci przeciwstawne (GAN) i sieci syjamskie oraz sieci typu Transformers, przy użyciu algorytmów automatycznego różnicowania, niestandardowych pętli trenowania i współdzielonych wag.
• Możliwość wizualizacji aktywacji warstw i graficznego monitorowania postępu trenowania.
• Zwiększanie efektywności uczenia się dzięki funkcjom przetwarzającym dane przed i po uczeniu sieci.
• Graficzny interfejs użytkownika do tworzenia, uczenia i symulowania sieci neuronowych.
• Aplikacja ułatwiająca zarządzanie wieloma eksperymentami uczenia głębokiego, śledzenie parametrów trenowania, analizowanie wyników i porównywanie kodu z różnych eksperymentów.
• Narzędzia do importowania modeli sieci z innych środowisk takich jak: TensorFlow, TensorFlow-Keras, PyTorch, Caffe oraz formatu ONNX (Open Neural Network Exchange).
• Możliwość wyeksportowania modeli sieci i warstw do innych środowisk, w tym TensorFlow i formatu ONNX.
• Obsługa uczenia transferowego (ang. transfer learning) dla wielu dostępnych, wstępnie wytrenowanych modeli (np. DarkNet-53, ResNet-50, NASNet, SqueezeNet).
• Algorytmy regresji, klasyfikacji, grupowania i modelowanie nieliniowych układów dynamicznych przy użyciu płytkich sieci neuronowych (ang. shallow networks).
• Możliwość kompresji modeli głębokich sieci neuronowych za pomocą metod kwantyzacji, projekcji lub przycinania, aby zmniejszyć jej rozmiar i zwiększyć wydajność wnioskowania. Ocena wydajności i dokładności wnioskowania.
b) Moduł nawigacji
• Algorytmy i narzędzia do projektowania systemów planowania ruchu i nawigacji.
• Tworzenie reprezentacji map 2D i 3D z wykorzystaniem własnych danych lub generacji map przy użyciu algorytmów jednoczesnej lokalizacji i mapowania (SLAM).
• Zastosowanie algorytmów SLAM w systemach z wieloma czujnikami oraz opartymi o punkty orientacyjne.
• Generowanie metryk do porównywania testów optymalności, płynności i wydajności ścieżki.
• Modele czujników i algorytmy do estymacji pozycji na bazie fuzji czujników.
• Symulowanie systemów globalnej nawigacji satelitarnej – lokalizowanie satelitów i odbiorników GPS.
• Aplikacja umożliwiająca interaktywną wizualizację i debugowanie generowania wirtualnych map.
• Wsparcie generacji kodu C.
c) Moduł fuzji sensorów i śledzenia
• Algorytmy fuzji czujników oraz śledzenia obiektów, w tym filtry fuzji czujników i multi-object trackers.
• Generacja danych syntetycznych z modeli czujników, w tym czujników RF, akustycznych, EO/IR i GPS/IMU do celów testowania systemów fuzji sensorów i śledzenia obiektów.
• Metryki i narzędzia wizualizacyjne do oceny dokładności i wydajności systemów fuzji sensorów i śledzenia obiektów, w tym metryki OSPA i GOSPA.
• Przykłady referencyjne fuzji sensorów i śledzenia w systemach nadzoru lotniczego, naziemnego, podwodnego, nawigacji i w systemach autonomicznych.
• Import i generowanie scenariuszy i trajektorii ruchu.
• Śledzenie obiektów z użyciem algorytmów RFS (Random Finite Set).
d) Moduł przetwarzania sygnałów
• Funkcje i aplikacje do analizy, preprocessingu i ekstrakcji cech z jednostajnie i niejednostajnie próbkowanych sygnałów.
• Zaawansowane transformacje sygnałów, m.in. szybka transformacja Fouriera (FFT), krótkoczasowa transformacja Fouriera (STFT), transformacje chirp Z, Hilberta, Walsh-Hadamarda, spektrum sygnału.
• Aplikacja do wizualizacji, preprocessingu, pomiarów, analizy i porównywania sygnałów w dziedzinie czasu, częstotliwości i czasowo-częstotliwościowej.
• Metody projektowania filtrów FIR i IIR, ich analiza i implementacja.
• Możliwość projektowania filtrów analogowych: Butterwortha, Czebyszewa, Bessela
i eliptycznych oraz ich konwersji na postać cyfrową za pomocą metod transformacji biliniowej i niezmienności odpowiedzi impulsowej.
• Aplikacje do interaktywnego projektowania, analizy i porównywania parametrów filtrów o określonych charakterystykach.
• Funkcje do generacji sygnałów, takich jak sinus, prostokąt, piła, delta Kroneckera.
• Pomiary i analizy statystyczne sygnałów, współpraca z danymi typu EDF.
• Algorytmy estymacji widmowej gęstości mocy, m.in. periodogram, funkcje Welcha, Burga, Yule-Walkera.
• Pomiary widma mocy sygnału i parametrów takich jak SNR, THD i SINAD.
• Aplikacje do projektowania i analizy okien czasowych.
• Modelowanie parametryczne i predykcyjne systemów liniowych, m.in. LPC, AR, Levinson-Durbina.
• Aplikacje do manualnego lub automatycznego etykietowania fragmentów sygnałów oraz do ekstrakcji cech z sygnałów do celów trenowania i walidacji modeli uczenia maszynowego.
• Możliwość przeprowadzania analizy modalnej oraz analizy rzędów sygnałów wibracyjnych.
• Wsparcie generacji kodu C/C++ oraz CUDA.
e) Moduł statystyk i nauczania maszynowego
• Moduł udostępnia funkcje i zestaw narzędzi do opisywania, analizowania i modelowania danych.
• Zestaw narzędzi zapewniający nadzorowane, częściowo nadzorowane i nienadzorowane algorytmy uczenia maszynowego, w tym maszyny wektorów nośnych (SVM), wzmocnione drzewa decyzyjne, k-średnie i inne metody grupowania.
• Możliwość użycia statystyk opisowych, wizualizacji i klastrowania do eksploracyjnej analizy danych, dopasowywania rozkładów prawdopodobieństwa do danych, generowania liczb losowych dla symulacji Monte Carlo i wykonywania testów hipotez statystycznych.
• Algorytmy regresji i klasyfikacji umożliwiają wyciąganie wniosków na podstawie danych i tworzenie modeli predykcyjnych interaktywnie przy użyciu dedykowanych narzędzi środowiska.
• Do wielowymiarowej analizy danych i wyodrębniania cech zestaw narzędzi zapewnia analizę głównych składowych (PCA), regularyzację, redukcję wymiarowości i metody wyboru cech, które pozwalają zidentyfikować zmienne o najlepszej mocy predykcyjnej.
• Możliwość stosowania technik interpretacji danych, takich jak wykresy zależności częściowych i LIME.
• Wsparcie analizy zbiorów danych, które są zbyt duże, aby można je było przechowywać w pamięci (Big Data).
f) Moduł matematyki symbolicznej
• Narzędzie do rozwiązywania, wyświetlania i modyfikowania równań w postaci symbolicznej.
• Algebra liniowa, transformaty, rachunek całkowy i różniczkowy.
• Zaimplementowane metody numeryczne do rozwiązywania równań różniczkowo-algebraicznych (DAE) oraz zwyczajnych równań różniczkowych (ODE).
• Płynne przechodzenie pomiędzy systemami liczbowymi US i SI.
• Konwersja wyrażeń symbolicznych do kodu.
• Arytmetyka o zmiennej precyzji.
Minimalne wymagania sprzętowe – oferowane oprogramowanie powinno pracować na sprzęcie posiadanym przez Zamawiającego
kompatybilność z systemem operacyjnym posiadanym przez Zamawiającego (Windows 10/11 (64-bit)),
minimalne wymagania dotyczące pamięci RAM: 8 GB (zalecane 16 GB),
minimalna przestrzeń dyskowa na instalację: 35 GB (środowisko bazowe z modułami),
obsługa procesorów wielordzeniowych z zestawem instrukcji AVX2,
dostawa w formie elektronicznej (download),
możliwość aktywacji licencji bez dedykowanego serwera licencji (licencja indywidualna),
możliwość pracy offline po aktywacji licencji.
Minimalne wymagania sprzętowe oprogramowania pozostają niezmienione przez minimum 2 lata obowiązywania licencji.
Ze względu na ograniczoną liczbę znaków pełny opis zamówienia znajduje się w załączniku: Zapytanie ofertowe nr 6_2026 z 12.03.2026.
Miejsce realizacji
Kraj: Polska, Województwo: śląskie, Powiat: Katowice, Gmina: Katowice, Miejscowość: Katowice
FESL.01.02-IP.01-08DE/24 - Opracowanie innowacyjnego - cyfrowego systemu bezprzewodowej komunikacji podziemnej
Zapytanie ofertowe nr 6_2026_01.02.01_08DE z dnia 12 marca 2026 r. na dostawę oprogramowania do analizy danych – jedna licencja
Przedmiotem zamówienia jest zakup i dostawa jednej licencji oprogramowania do analizy danych.
Zamówienie musi być zrealizowane zgodnie z zapisami niniejszego zapytania ofertowego.
Oprogramowanie to jest niezbędne do prawidłowej realizacji projektu w zakresie modelowania elementów systemu.
Okres licencji – bezterminowa
Liczba licencji – 1 sztuki
Funkcjonalność:
Oprogramowanie do analizy danych w postaci zintegrowanego środowiska obliczeniowego, umożliwiającego wykonywanie zaawansowanych obliczeń numerycznych, modelowanie systemów oraz analizę danych na potrzeby realizacji projektu w zakresie modelowania elementów systemu bezprzewodowej komunikacji podziemnej.
Wymagania dotyczące środowiska bazowego:
Oprogramowanie musi stanowić kompletne środowisko obliczeniowe z interaktywną konsolą, edytorem skryptów oraz narzędziami do wizualizacji, zapewniające:
• Zintegrowany język wysokiego poziomu do obliczeń numerycznych, wizualizacji
i tworzenia aplikacji.
• Interaktywne środowisko do iteracyjnej analizy i rozwiązywania problemów.
• Wbudowane funkcje matematyczne wspomagające obliczenia z zakresu algebry liniowej, statystyki, analizy Fouriera, filtrowania, optymalizacji oraz rozwiązywania równań różniczkowych zwyczajnych.
• Interaktywne narzędzia do eksploracji i wizualizacji danych (2D i 3D).
• Narzędzia służące utrzymaniu przejrzystości oraz poprawności kodu a także maksymalizacji jego wydajności.
• Narzędzia do tworzenia interfejsu graficznego dla aplikacji (GUI).
• Funkcje integrujące algorytmy z zewnętrznymi aplikacjami oraz językami programowania tj. C, Java, Python, .NET, and Microsoft Excel.
• Wbudowane funkcje do tworzenia wykresów oraz graficznych reprezentacji zbiorów danych.
• Możliwość tworzenia projektów ułatwiających zarządzanie pracą w środowisku oraz integrację z systemami controli wersji (np. SVN, Git).
Wymagania dotyczące modułów / bibliotek specjalistycznych:
Oprogramowanie musi zawierać zintegrowane moduły (biblioteki) realizujące następujące funkcjonalności — wszystkie moduły muszą być w pełni kompatybilne ze środowiskiem bazowym i wzajemnie ze sobą:
a) Moduł nauczania maszynowego
• Zestaw narzędzi do głębokiego uczenia zapewnia możliwość łatwego projektowania i implementowania rozwiązań opartych o głębokie sieci neuronowe, udostępniając narzędzia, algorytmy oraz wstępnie wytrenowane modele.
• Za pomocą konwolucyjnych sieci neuronowych (ConvNet, CNN) i sieci LSTM (Long Short-Term Memory) można przeprowadzać klasyfikację i regresję danych obrazów, szeregów czasowych i tekstowych.
• Możliwość tworzenia zaawansowanych architektur sieci, takich jak generatywne sieci przeciwstawne (GAN) i sieci syjamskie oraz sieci typu Transformers, przy użyciu algorytmów automatycznego różnicowania, niestandardowych pętli trenowania i współdzielonych wag.
• Możliwość wizualizacji aktywacji warstw i graficznego monitorowania postępu trenowania.
• Zwiększanie efektywności uczenia się dzięki funkcjom przetwarzającym dane przed i po uczeniu sieci.
• Graficzny interfejs użytkownika do tworzenia, uczenia i symulowania sieci neuronowych.
• Aplikacja ułatwiająca zarządzanie wieloma eksperymentami uczenia głębokiego, śledzenie parametrów trenowania, analizowanie wyników i porównywanie kodu z różnych eksperymentów.
• Narzędzia do importowania modeli sieci z innych środowisk takich jak: TensorFlow, TensorFlow-Keras, PyTorch, Caffe oraz formatu ONNX (Open Neural Network Exchange).
• Możliwość wyeksportowania modeli sieci i warstw do innych środowisk, w tym TensorFlow i formatu ONNX.
• Obsługa uczenia transferowego (ang. transfer learning) dla wielu dostępnych, wstępnie wytrenowanych modeli (np. DarkNet-53, ResNet-50, NASNet, SqueezeNet).
• Algorytmy regresji, klasyfikacji, grupowania i modelowanie nieliniowych układów dynamicznych przy użyciu płytkich sieci neuronowych (ang. shallow networks).
• Możliwość kompresji modeli głębokich sieci neuronowych za pomocą metod kwantyzacji, projekcji lub przycinania, aby zmniejszyć jej rozmiar i zwiększyć wydajność wnioskowania. Ocena wydajności i dokładności wnioskowania.
b) Moduł nawigacji
• Algorytmy i narzędzia do projektowania systemów planowania ruchu i nawigacji.
• Tworzenie reprezentacji map 2D i 3D z wykorzystaniem własnych danych lub generacji map przy użyciu algorytmów jednoczesnej lokalizacji i mapowania (SLAM).
• Zastosowanie algorytmów SLAM w systemach z wieloma czujnikami oraz opartymi o punkty orientacyjne.
• Generowanie metryk do porównywania testów optymalności, płynności i wydajności ścieżki.
• Modele czujników i algorytmy do estymacji pozycji na bazie fuzji czujników.
• Symulowanie systemów globalnej nawigacji satelitarnej – lokalizowanie satelitów i odbiorników GPS.
• Aplikacja umożliwiająca interaktywną wizualizację i debugowanie generowania wirtualnych map.
• Wsparcie generacji kodu C.
c) Moduł fuzji sensorów i śledzenia
• Algorytmy fuzji czujników oraz śledzenia obiektów, w tym filtry fuzji czujników i multi-object trackers.
• Generacja danych syntetycznych z modeli czujników, w tym czujników RF, akustycznych, EO/IR i GPS/IMU do celów testowania systemów fuzji sensorów i śledzenia obiektów.
• Metryki i narzędzia wizualizacyjne do oceny dokładności i wydajności systemów fuzji sensorów i śledzenia obiektów, w tym metryki OSPA i GOSPA.
• Przykłady referencyjne fuzji sensorów i śledzenia w systemach nadzoru lotniczego, naziemnego, podwodnego, nawigacji i w systemach autonomicznych.
• Import i generowanie scenariuszy i trajektorii ruchu.
• Śledzenie obiektów z użyciem algorytmów RFS (Random Finite Set).
d) Moduł przetwarzania sygnałów
• Funkcje i aplikacje do analizy, preprocessingu i ekstrakcji cech z jednostajnie i niejednostajnie próbkowanych sygnałów.
• Zaawansowane transformacje sygnałów, m.in. szybka transformacja Fouriera (FFT), krótkoczasowa transformacja Fouriera (STFT), transformacje chirp Z, Hilberta, Walsh-Hadamarda, spektrum sygnału.
• Aplikacja do wizualizacji, preprocessingu, pomiarów, analizy i porównywania sygnałów w dziedzinie czasu, częstotliwości i czasowo-częstotliwościowej.
• Metody projektowania filtrów FIR i IIR, ich analiza i implementacja.
• Możliwość projektowania filtrów analogowych: Butterwortha, Czebyszewa, Bessela
i eliptycznych oraz ich konwersji na postać cyfrową za pomocą metod transformacji biliniowej i niezmienności odpowiedzi impulsowej.
• Aplikacje do interaktywnego projektowania, analizy i porównywania parametrów filtrów o określonych charakterystykach.
• Funkcje do generacji sygnałów, takich jak sinus, prostokąt, piła, delta Kroneckera.
• Pomiary i analizy statystyczne sygnałów, współpraca z danymi typu EDF.
• Algorytmy estymacji widmowej gęstości mocy, m.in. periodogram, funkcje Welcha, Burga, Yule-Walkera.
• Pomiary widma mocy sygnału i parametrów takich jak SNR, THD i SINAD.
• Aplikacje do projektowania i analizy okien czasowych.
• Modelowanie parametryczne i predykcyjne systemów liniowych, m.in. LPC, AR, Levinson-Durbina.
• Aplikacje do manualnego lub automatycznego etykietowania fragmentów sygnałów oraz do ekstrakcji cech z sygnałów do celów trenowania i walidacji modeli uczenia maszynowego.
• Możliwość przeprowadzania analizy modalnej oraz analizy rzędów sygnałów wibracyjnych.
• Wsparcie generacji kodu C/C++ oraz CUDA.
e) Moduł statystyk i nauczania maszynowego
• Moduł udostępnia funkcje i zestaw narzędzi do opisywania, analizowania i modelowania danych.
• Zestaw narzędzi zapewniający nadzorowane, częściowo nadzorowane i nienadzorowane algorytmy uczenia maszynowego, w tym maszyny wektorów nośnych (SVM), wzmocnione drzewa decyzyjne, k-średnie i inne metody grupowania.
• Możliwość użycia statystyk opisowych, wizualizacji i klastrowania do eksploracyjnej analizy danych, dopasowywania rozkładów prawdopodobieństwa do danych, generowania liczb losowych dla symulacji Monte Carlo i wykonywania testów hipotez statystycznych.
• Algorytmy regresji i klasyfikacji umożliwiają wyciąganie wniosków na podstawie danych i tworzenie modeli predykcyjnych interaktywnie przy użyciu dedykowanych narzędzi środowiska.
• Do wielowymiarowej analizy danych i wyodrębniania cech zestaw narzędzi zapewnia analizę głównych składowych (PCA), regularyzację, redukcję wymiarowości i metody wyboru cech, które pozwalają zidentyfikować zmienne o najlepszej mocy predykcyjnej.
• Możliwość stosowania technik interpretacji danych, takich jak wykresy zależności częściowych i LIME.
• Wsparcie analizy zbiorów danych, które są zbyt duże, aby można je było przechowywać w pamięci (Big Data).
f) Moduł matematyki symbolicznej
• Narzędzie do rozwiązywania, wyświetlania i modyfikowania równań w postaci symbolicznej.
• Algebra liniowa, transformaty, rachunek całkowy i różniczkowy.
• Zaimplementowane metody numeryczne do rozwiązywania równań różniczkowo-algebraicznych (DAE) oraz zwyczajnych równań różniczkowych (ODE).
• Płynne przechodzenie pomiędzy systemami liczbowymi US i SI.
• Konwersja wyrażeń symbolicznych do kodu.
• Arytmetyka o zmiennej precyzji.
Minimalne wymagania sprzętowe – oferowane oprogramowanie powinno pracować na sprzęcie posiadanym przez Zamawiającego
kompatybilność z systemem operacyjnym posiadanym przez Zamawiającego (Windows 10/11 (64-bit)),
minimalne wymagania dotyczące pamięci RAM: 8 GB (zalecane 16 GB),
minimalna przestrzeń dyskowa na instalację: 35 GB (środowisko bazowe z modułami),
obsługa procesorów wielordzeniowych z zestawem instrukcji AVX2,
dostawa w formie elektronicznej (download),
możliwość aktywacji licencji bez dedykowanego serwera licencji (licencja indywidualna),
możliwość pracy offline po aktywacji licencji.
Minimalne wymagania sprzętowe oprogramowania pozostają niezmienione przez minimum 2 lata obowiązywania licencji.
Ze względu na ograniczoną liczbę znaków pełny opis zamówienia znajduje się w załączniku: Zapytanie ofertowe nr 6_2026 z 12.03.2026.
Miejsce realizacji
Kraj: Polska, Województwo: śląskie, Powiat: Katowice, Gmina: Katowice, Miejscowość: Katowice
Time limit for receipt of tenders
2026-03-19 22:59:59.0
Location
Kraj: Polska, Województwo: śląskie, Powiat: Katowice, Gmina: Katowice, Miejscowość: Katowice
Category assortment
Licences and software
Buyer details
SEVITEL SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Leopolda 29
40-189 Katowice
Województwo: śląskie
Kraj: Polska
NIP: 9542388146
Leopolda 29
40-189 Katowice
Województwo: śląskie
Kraj: Polska
NIP: 9542388146
