## 给教育工作者 您想在课堂上使用这套课程吗？请随意使用！ 事实上，您可以直接在 GitHub 上使用它，通过 GitHub Classroom 来实现。 为此，您需要 fork 此仓库。您需要为每节课创建一个单独的仓库，因此需要将每个文件夹提取到一个独立的仓库中。这样，[GitHub Classroom](https://classroom.github.com/classrooms) 就可以单独处理每节课。 这些[完整的说明](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以帮助您了解如何设置您的课堂。 ## 按原样使用此仓库 如果您希望按当前形式使用此仓库，而不使用 GitHub Classroom，也完全可以实现。您需要与学生沟通，共同完成每节课的学习。 在在线教学环境中（如 Zoom、Teams 或其他平台），您可以为测验创建分组讨论室，并指导学生做好学习准备。然后邀请学生参加测验，并在规定时间内以“问题”的形式提交答案。如果您希望学生公开协作完成作业，也可以采用类似的方式。 如果您更倾向于私密的教学方式，可以让学生逐节 fork 课程到他们自己的 GitHub 私有仓库，并授予您访问权限。这样，他们可以私密地完成测验和作业，并通过您课堂仓库中的问题提交给您。 在在线课堂中有许多方法可以实现这些目标。请告诉我们哪种方式最适合您！ ## 课程内容包括： 20节课、40个测验和20个作业。课程配有手绘笔记，适合视觉学习者。许多课程同时提供 Python 和 R 的版本，可以通过 VS Code 中的 Jupyter notebooks 完成。了解更多关于如何设置您的课堂以使用这些技术栈的信息：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。 所有手绘笔记，包括一张大幅海报，都在[这个文件夹](../../sketchnotes)中。 整个课程也可以[以 PDF 格式](../../pdf/readme.pdf)获取。 您还可以使用 [Docsify](https://docsify.js.org/#/) 将此课程作为独立的离线友好型网站运行。[安装 Docsify](https://docsify.js.org/#/quickstart)到您的本地机器，然后在您本地仓库的根文件夹中输入 `docsify serve`。网站将在您的本地端口 3000 上运行：`localhost:3000`。 离线友好的课程版本将作为独立网页打开：https://localhost:3000 课程分为6个部分： - 1: 介绍 - 1: 数据科学定义 - 2: 伦理 - 3: 数据定义 - 4: 概率与统计概述 - 2: 数据处理 - 5: 关系型数据库 - 6: 非关系型数据库 - 7: Python - 8: 数据准备 - 3: 数据可视化 - 9: 数量的可视化 - 10: 分布的可视化 - 11: 比例的可视化 - 12: 关系的可视化 - 13: 有意义的可视化 - 4: 数据科学生命周期 - 14: 介绍 - 15: 分析 - 16: 沟通 - 5: 云端数据科学 - 17: 介绍 - 18: 低代码选项 - 19: Azure - 6: 数据科学的实际应用 - 20: 概述 ## 请告诉我们您的想法！ 我们希望这套课程能够满足您和学生的需求。请在讨论区中给我们反馈！欢迎您在讨论区为您的学生创建一个课堂专区。 **免责声明**： 本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。