4.6 KiB
Para Educadores
Gostaria de usar este currículo em sua sala de aula? Fique à vontade!
Na verdade, você pode utilizá-lo diretamente no GitHub, usando o GitHub Classroom.
Para isso, faça um fork deste repositório. Você precisará criar um repositório para cada aula, então será necessário extrair cada pasta em um repositório separado. Dessa forma, GitHub Classroom poderá identificar cada aula individualmente.
Estas instruções completas vão te ajudar a configurar sua sala de aula.
Usando o repositório como está
Se você preferir usar este repositório no formato atual, sem utilizar o GitHub Classroom, isso também é possível. Você precisará comunicar aos seus alunos qual aula trabalhar juntos.
Em um formato online (Zoom, Teams ou outro), você pode criar salas de grupo para os quizzes e orientar os alunos para ajudá-los a se preparar para aprender. Depois, convide os alunos para os quizzes e peça que enviem suas respostas como 'issues' em um horário específico. Você pode fazer o mesmo com as tarefas, caso queira que os alunos trabalhem colaborativamente de forma aberta.
Se preferir um formato mais privado, peça aos seus alunos para fazerem fork do currículo, aula por aula, para seus próprios repositórios privados no GitHub e concederem acesso a você. Assim, eles podem completar quizzes e tarefas de forma privada e enviá-los para você via issues no repositório da sua sala de aula.
Existem várias maneiras de fazer isso funcionar em um formato de sala de aula online. Por favor, nos informe o que funciona melhor para você!
Incluído neste currículo:
20 aulas, 40 quizzes e 20 tarefas. Sketchnotes acompanham as aulas para alunos visuais. Muitas aulas estão disponíveis tanto em Python quanto em R e podem ser concluídas usando Jupyter notebooks no VS Code. Saiba mais sobre como configurar sua sala de aula para usar essa tecnologia: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Todos os sketchnotes, incluindo um pôster em formato grande, estão nesta pasta.
O currículo completo está disponível como PDF.
Você também pode executar este currículo como um site independente e acessível offline usando Docsify. Instale o Docsify em sua máquina local, depois, na pasta raiz da cópia local deste repositório, digite docsify serve. O site será servido na porta 3000 do seu localhost: localhost:3000.
Uma versão acessível offline do currículo será aberta como uma página web independente: https://localhost:3000
As aulas estão agrupadas em 6 partes:
- 1: Introdução
- 1: Definindo Ciência de Dados
- 2: Ética
- 3: Definindo Dados
- 4: Visão Geral de Probabilidade e Estatística
- 2: Trabalhando com Dados
- 5: Bancos de Dados Relacionais
- 6: Bancos de Dados Não Relacionais
- 7: Python
- 8: Preparação de Dados
- 3: Visualização de Dados
- 9: Visualização de Quantidades
- 10: Visualização de Distribuições
- 11: Visualização de Proporções
- 12: Visualização de Relações
- 13: Visualizações Significativas
- 4: Ciclo de Vida da Ciência de Dados
- 14: Introdução
- 15: Análise
- 16: Comunicação
- 5: Ciência de Dados na Nuvem
- 17: Introdução
- 18: Opções de Baixo Código
- 19: Azure
- 6: Ciência de Dados na Prática
- 20: Visão Geral
Por favor, nos dê sua opinião!
Queremos que este currículo funcione para você e seus alunos. Por favor, nos dê feedback nos fóruns de discussão! Fique à vontade para criar uma área de sala de aula nos fóruns de discussão para seus alunos.
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.