<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "87f157ea00d36c1d12c14390d9852b50",
  "translation_date": "2025-08-27T08:14:40+00:00",
  "source_file": "for-teachers.md",
  "language_code": "ar"
}
-->
## للمُعلمين

هل ترغب في استخدام هذا المنهج الدراسي في صفك؟ لا تتردد!

في الواقع، يمكنك استخدامه مباشرةً على GitHub من خلال GitHub Classroom.

للقيام بذلك، قم بعمل fork لهذا المستودع. ستحتاج إلى إنشاء مستودع لكل درس، لذا ستحتاج إلى استخراج كل مجلد إلى مستودع منفصل. بهذه الطريقة، يمكن لـ [GitHub Classroom](https://classroom.github.com/classrooms) التعامل مع كل درس بشكل منفصل.

هذه [التعليمات الكاملة](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) ستعطيك فكرة عن كيفية إعداد صفك الدراسي.

## استخدام المستودع كما هو

إذا كنت ترغب في استخدام هذا المستودع كما هو حاليًا، دون استخدام GitHub Classroom، فهذا ممكن أيضًا. ستحتاج إلى التواصل مع طلابك لتحديد الدرس الذي ستعملون عليه معًا.

في بيئة تعليمية عبر الإنترنت (مثل Zoom أو Teams أو غيرها)، يمكنك إنشاء غرف جانبية للاختبارات، وتوجيه الطلاب لمساعدتهم على الاستعداد للتعلم. ثم قم بدعوة الطلاب لإجراء الاختبارات وتقديم إجاباتهم كـ "issues" في وقت محدد. يمكنك القيام بنفس الشيء مع المهام إذا كنت تريد من الطلاب العمل بشكل تعاوني في العلن.

إذا كنت تفضل تنسيقًا أكثر خصوصية، اطلب من طلابك عمل fork للمنهج، درسًا بدرس، إلى مستودعاتهم الخاصة على GitHub كمستودعات خاصة، ومنحك حق الوصول. بعد ذلك، يمكنهم إكمال الاختبارات والمهام بشكل خاص وتقديمها لك عبر "issues" في مستودع صفك الدراسي.

هناك العديد من الطرق لجعل هذا يعمل في بيئة صف دراسي عبر الإنترنت. يرجى إخبارنا بما يناسبك أكثر!

## ما يتضمنه هذا المنهج:

20 درسًا، 40 اختبارًا، و20 مهمة. ترافق الرسومات التخطيطية الدروس لتناسب المتعلمين البصريين. العديد من الدروس متوفرة باللغتين Python وR ويمكن إكمالها باستخدام Jupyter notebooks في VS Code. تعرف على المزيد حول كيفية إعداد صفك الدراسي لاستخدام هذه التقنية: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.

جميع الرسومات التخطيطية، بما في ذلك ملصق كبير الحجم، موجودة في [هذا المجلد](../../sketchnotes).

المنهج بأكمله متوفر [كملف PDF](../../pdf/readme.pdf).

يمكنك أيضًا تشغيل هذا المنهج كصفحة ويب مستقلة تعمل دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). [قم بتثبيت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في المجلد الجذري لنسختك المحلية من هذا المستودع، اكتب `docsify serve`. سيتم تشغيل الموقع على المنفذ 3000 على localhost الخاص بك: `localhost:3000`.

نسخة تعمل دون اتصال من المنهج ستفتح كصفحة ويب مستقلة: https://localhost:3000

الدروس مقسمة إلى 6 أجزاء:

- 1: المقدمة
    - 1: تعريف علم البيانات
    - 2: الأخلاقيات
    - 3: تعريف البيانات
    - 4: نظرة عامة على الاحتمالات والإحصاء
- 2: العمل مع البيانات
    - 5: قواعد البيانات العلائقية
    - 6: قواعد البيانات غير العلائقية
    - 7: Python
    - 8: تحضير البيانات
- 3: تصور البيانات
    - 9: تصور الكميات
    - 10: تصور التوزيعات
    - 11: تصور النسب
    - 12: تصور العلاقات
    - 13: تصورات ذات معنى
- 4: دورة حياة علم البيانات
    - 14: المقدمة
    - 15: التحليل
    - 16: التواصل
- 5: علم البيانات في السحابة
    - 17: المقدمة
    - 18: الخيارات قليلة التعليمات البرمجية
    - 19: Azure
- 6: علم البيانات في العالم الواقعي
    - 20: نظرة عامة

## نرجو أن تشاركنا أفكارك!

نرغب في جعل هذا المنهج مناسبًا لك ولطلابك. يرجى تقديم ملاحظاتك في لوحات النقاش! لا تتردد في إنشاء مساحة صف دراسي على لوحات النقاش لطلابك.

---

**إخلاء المسؤولية**:  
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.