<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "87f157ea00d36c1d12c14390d9852b50",
  "translation_date": "2025-08-25T16:09:52+00:00",
  "source_file": "for-teachers.md",
  "language_code": "ko"
}
-->
## 교육자를 위한 안내

이 커리큘럼을 교실에서 사용하고 싶으신가요? 자유롭게 활용하세요!

사실, GitHub Classroom을 사용하여 GitHub 자체에서 이 커리큘럼을 사용할 수 있습니다.

이를 위해 이 저장소를 포크하세요. 각 수업마다 별도의 저장소를 만들어야 하므로 각 폴더를 개별 저장소로 분리해야 합니다. 이렇게 하면 [GitHub Classroom](https://classroom.github.com/classrooms)이 각 수업을 개별적으로 처리할 수 있습니다.

이 [전체 지침](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)을 통해 디지털 교실을 설정하는 방법에 대한 아이디어를 얻을 수 있습니다.

## 현재 상태 그대로 저장소 사용하기

GitHub Classroom을 사용하지 않고 현재 상태 그대로 이 저장소를 사용하고 싶으시다면, 그것도 가능합니다. 학생들에게 함께 진행할 수업을 알려주시면 됩니다.

온라인 형식(Zoom, Teams 등)에서는 퀴즈를 위해 소그룹을 구성하고, 학생들이 학습 준비를 할 수 있도록 멘토링할 수 있습니다. 그런 다음 학생들에게 퀴즈를 풀고 특정 시간에 '이슈'로 답변을 제출하도록 초대하세요. 과제를 진행할 때도 같은 방식으로 학생들이 공개적으로 협력하도록 할 수 있습니다.

보다 비공개 형식을 선호하신다면, 학생들에게 커리큘럼을 각 수업별로 포크하여 자신의 GitHub 개인 저장소로 옮기고, 여러분에게 접근 권한을 부여하도록 요청하세요. 그런 다음 학생들은 퀴즈와 과제를 비공개로 완료하고, 여러분의 교실 저장소에서 이슈를 통해 제출할 수 있습니다.

온라인 교실 형식에서 이를 효과적으로 활용할 수 있는 다양한 방법이 있습니다. 어떤 방식이 가장 잘 작동하는지 알려주세요!

## 이 커리큘럼에 포함된 내용:

20개의 수업, 40개의 퀴즈, 그리고 20개의 과제가 포함되어 있습니다. 시각 학습자를 위한 스케치노트가 수업에 동반됩니다. 많은 수업이 Python과 R로 제공되며, VS Code의 Jupyter 노트북을 사용하여 완료할 수 있습니다. 이 기술 스택을 사용하여 교실을 설정하는 방법에 대해 자세히 알아보세요: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.

모든 스케치노트, 대형 포스터를 포함하여, [이 폴더](../../sketchnotes)에 있습니다.

전체 커리큘럼은 [PDF 형식](../../pdf/readme.pdf)으로도 제공됩니다.

이 커리큘럼을 독립 실행형, 오프라인 친화적인 웹사이트로 실행하려면 [Docsify](https://docsify.js.org/#/)를 사용하세요. [Docsify 설치](https://docsify.js.org/#/quickstart)를 로컬 머신에 설치한 후, 이 저장소의 로컬 복사본의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: `localhost:3000`.

오프라인 친화적인 커리큘럼 버전이 독립 실행형 웹 페이지로 열립니다: https://localhost:3000

수업은 6개의 파트로 나뉩니다:

- 1: 소개
    - 1: 데이터 과학 정의
    - 2: 윤리
    - 3: 데이터 정의
    - 4: 확률 및 통계 개요
- 2: 데이터 작업
    - 5: 관계형 데이터베이스
    - 6: 비관계형 데이터베이스
    - 7: Python
    - 8: 데이터 준비
- 3: 데이터 시각화
    - 9: 수량 시각화
    - 10: 분포 시각화
    - 11: 비율 시각화
    - 12: 관계 시각화
    - 13: 의미 있는 시각화
- 4: 데이터 과학 라이프사이클
    - 14: 소개
    - 15: 분석
    - 16: 커뮤니케이션
- 5: 클라우드에서의 데이터 과학
    - 17: 소개
    - 18: 로우코드 옵션
    - 19: Azure
- 6: 실제 데이터 과학
    - 20: 개요

## 의견을 공유해주세요!

이 커리큘럼이 여러분과 학생들에게 잘 맞도록 만들고 싶습니다. 토론 게시판에서 피드백을 주세요! 학생들을 위한 교실 공간을 토론 게시판에 만들어도 좋습니다.

**면책 조항**:  
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있지만, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 출처로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 책임을 지지 않습니다.