## 給教育工作者 您是否希望在課堂上使用這份課程？請隨意使用！ 事實上，您可以直接在 GitHub 上使用 GitHub Classroom 來進行。 要做到這一點，請先 fork 此 repo。您需要為每一課建立一個 repo，因此需要將每個資料夾提取到一個單獨的 repo 中。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就能分別處理每一課。 這些[完整的指導](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助您了解如何設置您的課堂。 ## 直接使用此 repo 如果您希望直接使用目前的 repo，而不使用 GitHub Classroom，也可以這樣做。您需要與您的學生溝通，告訴他們一起學習哪一課。 在線上教學形式（例如 Zoom、Teams 或其他平台）中，您可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在指定時間以 "issues" 的形式提交答案。如果您希望學生公開合作，也可以用相同的方式進行作業。 如果您更喜歡私密的教學形式，可以要求學生逐課 fork 課程到他們自己的 GitHub 私人 repo，並授予您訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給您。 在線課堂有許多不同的運作方式。請告訴我們哪種方式最適合您！ ## 課程內容包括： 20 篇課程、40 個測驗和 20 個作業。課程配有手繪筆記，適合視覺型學習者。許多課程提供 Python 和 R 版本，並可使用 Jupyter notebooks 在 VS Code 中完成。了解更多關於如何設置您的課堂以使用這些技術堆疊：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。 所有手繪筆記，包括一張大幅海報，都在[此資料夾](../../sketchnotes)中。 整個課程也可以[以 PDF 格式](../../pdf/readme.pdf)獲取。 您還可以使用 [Docsify](https://docsify.js.org/#/) 將此課程作為獨立的、離線友好的網站運行。[安裝 Docsify](https://docsify.js.org/#/quickstart) 到您的本地機器，然後在本地 repo 的根目錄中輸入 `docsify serve`。網站將在本地端口 3000 上運行：`localhost:3000`。 課程的離線版本將以獨立網頁形式打開：https://localhost:3000 課程分為六個部分： - 1: 介紹 - 1: 定義數據科學 - 2: 倫理 - 3: 定義數據 - 4: 概率與統計概述 - 2: 處理數據 - 5: 關聯式數據庫 - 6: 非關聯式數據庫 - 7: Python - 8: 數據準備 - 3: 數據可視化 - 9: 數量的可視化 - 10: 分佈的可視化 - 11: 比例的可視化 - 12: 關係的可視化 - 13: 有意義的可視化 - 4: 數據科學生命周期 - 14: 介紹 - 15: 分析 - 16: 溝通 - 5: 雲端中的數據科學 - 17: 介紹 - 18: 低代碼選項 - 19: Azure - 6: 真實世界中的數據科學 - 20: 概述 ## 請分享您的想法！ 我們希望這份課程能夠滿足您和您的學生的需求。請在討論區提供反饋！也可以在討論區為您的學生創建一個課堂專區。 **免責聲明**： 本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。