## 給教育工作者 想在課堂上使用這份課程嗎？請隨意使用！ 事實上，您可以直接在 GitHub 上使用這份課程，透過 GitHub Classroom 來實現。 要做到這一點，請先 fork 這個倉庫。您需要為每一課創建一個倉庫，因此需要將每個資料夾提取到一個單獨的倉庫中。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就可以分別處理每一課。 這些[完整的指導說明](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)將幫助您了解如何設置您的課堂。 ## 按原樣使用這個倉庫 如果您希望按目前的形式使用這個倉庫，而不使用 GitHub Classroom，也完全可以。您需要與學生溝通，告訴他們應該一起完成哪一課。 在線上教學（如 Zoom、Teams 或其他平台）中，您可以為測驗設置分組討論室，並指導學生為學習做好準備。然後邀請學生參加測驗，並在特定時間以 "issues" 的形式提交答案。如果您希望學生公開協作完成作業，也可以採用相同的方式。 如果您更喜歡更私密的形式，可以要求學生逐課 fork 課程到他們自己的 GitHub 私人倉庫，並授予您訪問權限。這樣，他們可以私下完成測驗和作業，並通過 classroom repo 上的 issues 提交給您。 在線課堂有很多種運作方式。請告訴我們哪種方式最適合您！ ## 本課程包含內容： 20 節課、40 次測驗和 20 個作業。課程還附有手繪筆記，適合視覺型學習者。許多課程提供 Python 和 R 兩種版本，並可在 VS Code 的 Jupyter notebooks 中完成。了解更多關於如何設置課堂以使用這些技術堆棧的資訊：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。 所有手繪筆記，包括一張大幅海報，都在[這個資料夾](../../sketchnotes)中。 您還可以使用 [Docsify](https://docsify.js.org/#/) 將這份課程作為獨立的、離線友好的網站運行。[安裝 Docsify](https://docsify.js.org/#/quickstart) 到您的本地機器，然後在這個倉庫的本地副本的根目錄中輸入 `docsify serve`。網站將在本地端的 3000 埠上運行：`localhost:3000`。 課程的離線友好版本將以獨立網頁的形式打開：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。請在討論區提供您的反饋！也可以在討論區為您的學生創建一個課堂專區。 --- **免責聲明**： 本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，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讀概不負責。