## Pour les enseignants Souhaitez-vous utiliser ce programme dans votre classe ? N'hésitez pas ! En fait, vous pouvez l'utiliser directement sur GitHub en passant par GitHub Classroom. Pour cela, faites un fork de ce dépôt. Vous devrez créer un dépôt pour chaque leçon, donc il vous faudra extraire chaque dossier dans un dépôt distinct. De cette manière, [GitHub Classroom](https://classroom.github.com/classrooms) pourra gérer chaque leçon séparément. Ces [instructions complètes](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) vous donneront une idée de la manière de configurer votre classe. ## Utiliser le dépôt tel quel Si vous souhaitez utiliser ce dépôt tel qu'il est, sans passer par GitHub Classroom, c'est également possible. Vous devrez simplement indiquer à vos étudiants quelle leçon suivre ensemble. Dans un format en ligne (Zoom, Teams ou autre), vous pourriez organiser des salles de discussion pour les quiz et encadrer les étudiants afin de les préparer à apprendre. Ensuite, invitez les étudiants à participer aux quiz et à soumettre leurs réponses sous forme de "issues" à un moment donné. Vous pourriez faire de même avec les devoirs, si vous souhaitez que les étudiants travaillent de manière collaborative et ouverte. Si vous préférez un format plus privé, demandez à vos étudiants de forker le programme, leçon par leçon, dans leurs propres dépôts GitHub privés, et donnez-vous accès. Ils pourront alors compléter les quiz et les devoirs de manière privée et vous les soumettre via des "issues" sur votre dépôt de classe. Il existe de nombreuses façons de faire fonctionner cela dans un format de classe en ligne. Faites-nous savoir ce qui fonctionne le mieux pour vous ! ## Inclus dans ce programme : 20 leçons, 40 quiz et 20 devoirs. Des sketchnotes accompagnent les leçons pour les apprenants visuels. De nombreuses leçons sont disponibles à la fois en Python et en R et peuvent être réalisées à l'aide de notebooks Jupyter dans VS Code. Apprenez-en davantage sur la configuration de votre classe pour utiliser cette pile technologique : https://code.visualstudio.com/docs/datascience/jupyter-notebooks. Toutes les sketchnotes, y compris une affiche grand format, se trouvent dans [ce dossier](../../sketchnotes). Vous pouvez également exécuter ce programme comme un site web autonome, accessible hors ligne, en utilisant [Docsify](https://docsify.js.org/#/). [Installez Docsify](https://docsify.js.org/#/quickstart) sur votre machine locale, puis dans le dossier racine de votre copie locale de ce dépôt, tapez `docsify serve`. Le site web sera accessible sur le port 3000 de votre localhost : `localhost:3000`. Une version hors ligne du programme s'ouvrira comme une page web autonome : https://localhost:3000 Les leçons sont regroupées en 6 parties : - 1 : Introduction - 1 : Définir la science des données - 2 : Éthique - 3 : Définir les données - 4 : Aperçu des probabilités et statistiques - 2 : Travailler avec les données - 5 : Bases de données relationnelles - 6 : Bases de données non relationnelles - 7 : Python - 8 : Préparation des données - 3 : Visualisation des données - 9 : Visualisation des quantités - 10 : Visualisation des distributions - 11 : Visualisation des proportions - 12 : Visualisation des relations - 13 : Visualisations significatives - 4 : Cycle de vie de la science des données - 14 : Introduction - 15 : Analyse - 16 : Communication - 5 : Science des données dans le cloud - 17 : Introduction - 18 : Options low-code - 19 : Azure - 6 : Science des données dans la pratique - 20 : Aperçu ## Donnez-nous votre avis ! Nous souhaitons que ce programme fonctionne pour vous et vos étudiants. Merci de nous faire part de vos retours dans les forums de discussion ! N'hésitez pas à créer un espace dédié à votre classe dans les forums pour vos étudiants. --- **Avertissement** : Ce document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de faire appel à une traduction humaine professionnelle. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction.