## 给教育工作者 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 上通过 GitHub Classroom 使用这套课程。 要做到这一点，请先 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) 就可以分别识别每节课。 这些[完整的说明](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)将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。您需要与学生沟通，一起完成哪一节课程。 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，并指导学生为学习做好准备。然后邀请学生参加测验，并在特定时间以“issue”的形式提交答案。如果您希望学生公开协作完成作业，也可以采用相同的方式。 如果您更喜欢更私密的形式，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，他们可以私下完成测验和作业，并通过您课堂仓库中的 issue 提交给您。 在在线课堂中，有很多方法可以让这套课程发挥作用。请告诉我们哪种方式最适合您！ ## 本课程包含内容： 20 节课程，40 个测验，以及 20 个作业。课程配有手绘笔记，适合视觉型学习者。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课堂以使用这套技术栈的信息：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。 您还可以使用 [Docsify](https://docsify.js.org/#/) 将这套课程作为一个独立的、离线友好的网站运行。[安装 Docsify](https://docsify.js.org/#/quickstart) 到您的本地机器，然后在本地副本的根文件夹中输入 `docsify serve`。网站将在本地的 3000 端口运行：`localhost:3000`。 课程的离线友好版本将作为一个独立的网页打开：https://localhost:3000 课程分为 6 个部分： - 1: 介绍 - 1: 数据科学的定义 - 2: 伦理 - 3: 数据的定义 - 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为您和您的学生带来帮助。请在讨论区中给我们反馈！也可以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。对于关键信息，建议使用专业人工翻译。因使用本翻译而导致的任何误解或误读，我们概不负责。