Nabycie usług chmurowych dla Machine Learning oraz przechowy

Usługi doradcze w zakresie działalności gospodarczej, w tym usługi badawcze i eksperymentalno-rozwojowe

Tryb zamówienia	Zapytanie ofertowe
Rodzaj zamówienia	Zamówienia łączone
Tytuł	Nabycie usług chmurowych dla Machine Learning oraz przechowy
Zamawiający	Dostępne dla zalogowanych
Miejsce realizacji	Wrocław
Data publikacji	2025-07-09
Data składania ofert	16/07/2025, Godzina 23:59
Dokumenty do pobrania	Dostępne dla zalogowanych
Kod CPV	488000006 Systemy i serwery informacyjne 724000004 Usługi internetowe 722660007 Usługi doradcze w zakresie oprogramowania 722460001 Usługi doradcze w zakresie systemów 732100007 Usługi doradcze w zakresie badań
Numer przetargu	6382278

<div>
    <h1>Wprowadzenia na rynek Inteligentnego Asystenta z Technologią ML do Zarządzania Celami i Wskaźnikami BSC.</h1>

<h2>Załączniki</h2>
    <ul>
            <li><span class="was-link">SZOK 02-2025 - załącznik nr 2 - Oświadczenie Oferenta.pdf</span></li>
            <li><span class="was-link">SZOK 02-2025 - załącznik nr 1 - Formularz oferty.pdf</span></li>
            <li><span class="was-link">SZOK 02-2025 - zapytanie ofertowe.pdf</span></li>
        </ul>
    
    <h2>Części zamówienia</h2>

<h3>Nabycie usług chmurowych dla Machine Learning oraz przechowy</h3>
        <strong>Przedmioty zamówienia</strong>
                    <p>Przedmiotem zamówienie jest nabycie usług chmurowych dla Machine Learning oraz przechowywania danych.<br />
<br />
Opis przedmiotu zamówienia z wniosku o dofinansowanie:<br />
<br />
1.	Uzasadnienie techniczne: Usługi chmurowe dla ML i przechowywania danych są konieczne z uwagi na przechowywanie danych dostępnych na rynku, badanie różnorodnych algorytmów ML i przetestowanie ich wydajności i skuteczności w kontekście potrzeb projektowych. Wysokość kosztu oszacowano na podstawie rozeznania rynku. Koszt jest niezbędny w module, a jego zlecenie na zewnątrz wynika z braku możliwości zrealizowania takich usług samodzielnie przez Wnioskodawcę.  <br />
o	Serwer 1 (baza danych) – 8 CPU, 16 GB RAM, HDD SDD – 400 GB,<br />
o	Serwer 2 (API) – 12 CPU, 24 GB RAM, HDD SDD – 150 GB,<br />
o	Serwer 3 (system) – 6 CPU, 12 GB RAM, HDD SDD – 150 GB.<br />
o	Dostęp do karty graficznej o przepustowości co najmniej 3 TB/s oraz pamięci pojedynczej karty min. 80GB HBM2e PCIe 5.0 - pakiet 100 godz., planowane od 0 do 50 pakietów w całym okresie zamówienia, zakładamy korzystanie równolegle z minimum 1, a maksymalnie 20 kart.  <br />
<br />
2.	Uzasadnienie funkcjonalne: Koszt usług chmurowych dla ML i przechowywania danych jest niezbędny, aby zapewnić odpowiednią infrastrukturę do przechowywania danych rynkowych, testowania algorytmów ML oraz ich optymalizacji. Zlecenie tych usług zewnętrznie wynika z braku możliwości realizacji takich działań wewnętrznie. Koszt został oszacowany na podstawie analizy rynku i jest kluczowy dla realizacji modułu projektowego.<br />
<br />
3.	Uzasadnienie w odniesieniu do celu, wskaźników produktu i wskaźników rezultatu: Wydatki na usługi chmurowe dla ML i przechowywania danych są kluczowe dla realizacji celu projektu, jakim jest opracowanie skalowalnego i niezawodnego systemu opartego na zaawansowanych algorytmach uczenia maszynowego. Zapewnienie odpowiedniej infrastruktury, w tym serwerów o wysokiej wydajności, umożliwia efektywne przechowywanie dużych zbiorów danych, szybkie przetwarzanie informacji oraz bezpieczną integrację rozwiązań. Te wydatki są bezpośrednio związane z osiągnięciem wskaźników, takich jak efektywność systemu, szybkość przetwarzania danych oraz bezpieczeństwo operacji, co finalnie przyspieszy rozwój projektu i jego wdrożenie na rynek.<br />
<br />
Pozostałe warunki zostały opisane w dokumencie zapytanie ofertowe stanowiącym załącznik do niniejszego zapytania.</p>

<h2>Kryteria oceny</h2>
                <p>Przy wyborze najkorzystniejszej oferty, Zamawiający będzie kierował się kryterium cenowym przy założeniu spełnianiu wszystkich wymagań z zapytania ofertowego.</p>
            
        <h2>Warunki zmiany umowy</h2>

<p>Zgodnie zapytaniem ofertowym.</p>
    </div>