Data-Science-For-Beginners/translations/fa/for-teachers.md

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "87f157ea00d36c1d12c14390d9852b50",
  "translation_date": "2025-08-24T20:48:34+00:00",
  "source_file": "for-teachers.md",
  "language_code": "fa"
}
-->
## برای معلمان

آیا دوست دارید از این برنامه درسی در کلاس خود استفاده کنید؟ لطفاً با خیال راحت این کار را انجام دهید!

در واقع، می‌توانید از آن مستقیماً در گیت‌هاب با استفاده از GitHub Classroom استفاده کنید.

برای این کار، این مخزن را فورک کنید. شما نیاز دارید برای هر درس یک مخزن جداگانه ایجاد کنید، بنابراین باید هر پوشه را به یک مخزن جداگانه استخراج کنید. به این ترتیب، [GitHub Classroom](https://classroom.github.com/classrooms) می‌تواند هر درس را به صورت جداگانه شناسایی کند.

این [دستورالعمل‌های کامل](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) به شما ایده‌ای می‌دهد که چگونه کلاس خود را تنظیم کنید.

## استفاده از مخزن به شکل فعلی

اگر می‌خواهید از این مخزن به همان شکلی که هست استفاده کنید، بدون استفاده از GitHub Classroom، این کار نیز امکان‌پذیر است. شما باید با دانش‌آموزان خود هماهنگ کنید که کدام درس را با هم مرور کنند.

در یک قالب آنلاین (مانند Zoom، Teams یا دیگر ابزارها) می‌توانید اتاق‌های جداگانه‌ای برای آزمون‌ها ایجاد کنید و دانش‌آموزان را راهنمایی کنید تا برای یادگیری آماده شوند. سپس از دانش‌آموزان دعوت کنید که در آزمون‌ها شرکت کنند و پاسخ‌های خود را به عنوان 'issues' در زمان مشخصی ارسال کنند. می‌توانید همین کار را با تکالیف نیز انجام دهید، اگر می‌خواهید دانش‌آموزان به صورت گروهی و در فضای باز کار کنند.

اگر یک قالب خصوصی‌تر را ترجیح می‌دهید، از دانش‌آموزان بخواهید که برنامه درسی را درس به درس به مخازن گیت‌هاب خصوصی خود فورک کنند و به شما دسترسی بدهند. سپس می‌توانند آزمون‌ها و تکالیف را به صورت خصوصی تکمیل کرده و از طریق issues در مخزن کلاس شما به شما ارسال کنند.

راه‌های زیادی برای اجرای این برنامه درسی در یک کلاس آنلاین وجود دارد. لطفاً به ما اطلاع دهید که چه چیزی برای شما بهتر عمل می‌کند!

## شامل در این برنامه درسی:

20 درس، 40 آزمون و 20 تکلیف. یادداشت‌های تصویری برای یادگیرندگان بصری همراه با درس‌ها ارائه شده است. بسیاری از درس‌ها به هر دو زبان Python و R در دسترس هستند و می‌توانند با استفاده از Jupyter notebooks در VS Code تکمیل شوند. اطلاعات بیشتر در مورد نحوه تنظیم کلاس خود برای استفاده از این تکنولوژی: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.

تمام یادداشت‌های تصویری، از جمله یک پوستر با فرمت بزرگ، در [این پوشه](../../sketchnotes) قرار دارند.

کل برنامه درسی [به صورت PDF](../../pdf/readme.pdf) نیز در دسترس است.

همچنین می‌توانید این برنامه درسی را به عنوان یک وب‌سایت مستقل و آفلاین با استفاده از [Docsify](https://docsify.js.org/#/) اجرا کنید. [Docsify را نصب کنید](https://docsify.js.org/#/quickstart) روی دستگاه محلی خود، سپس در پوشه اصلی نسخه محلی این مخزن، دستور `docsify serve` را اجرا کنید. وب‌سایت روی پورت 3000 در localhost شما ارائه خواهد شد: `localhost:3000`.

نسخه آفلاین این برنامه درسی به عنوان یک صفحه وب مستقل باز خواهد شد: https://localhost:3000

درس‌ها به 6 بخش تقسیم شده‌اند:

- 1: مقدمه
    - 1: تعریف علم داده
    - 2: اخلاق
    - 3: تعریف داده
    - 4: مرور احتمال و آمار
- 2: کار با داده‌ها
    - 5: پایگاه‌های داده رابطه‌ای
    - 6: پایگاه‌های داده غیررابطه‌ای
    - 7: پایتون
    - 8: آماده‌سازی داده‌ها
- 3: مصورسازی داده‌ها
    - 9: مصورسازی مقادیر
    - 10: مصورسازی توزیع‌ها
    - 11: مصورسازی نسبت‌ها
    - 12: مصورسازی روابط
    - 13: مصورسازی معنادار
- 4: چرخه عمر علم داده
    - 14: مقدمه
    - 15: تحلیل
    - 16: ارتباط
- 5: علم داده در فضای ابری
    - 17: مقدمه
    - 18: گزینه‌های کم‌کد
    - 19: Azure
- 6: علم داده در دنیای واقعی
    - 20: مرور کلی

## لطفاً نظرات خود را با ما در میان بگذارید!

ما می‌خواهیم این برنامه درسی برای شما و دانش‌آموزانتان مفید باشد. لطفاً بازخورد خود را در تابلوهای بحث با ما به اشتراک بگذارید! همچنین می‌توانید یک بخش کلاس در تابلوهای بحث برای دانش‌آموزان خود ایجاد کنید.

**سلب مسئولیت**:  
این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشد. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.