9.3 KiB
शिक्षकांसाठी
आपण आपल्या वर्गात हा अभ्यासक्रम वापरू इच्छिता? कृपया नक्की वापरा!
खरं तर, आपण GitHub Classroom चा वापर करून GitHub वरच हा अभ्यासक्रम वापरू शकता.
त्यासाठी, या रेपॉजिटरीला फोर्क करा. प्रत्येक धड्यासाठी एक स्वतंत्र रेपॉजिटरी तयार करावी लागेल, त्यामुळे प्रत्येक फोल्डर वेगळ्या रेपॉजिटरीमध्ये काढा. अशा प्रकारे, GitHub Classroom प्रत्येक धडा स्वतंत्रपणे ओळखू शकेल.
ही संपूर्ण सूचना आपल्याला आपला वर्ग कसा सेटअप करायचा याची कल्पना देईल.
रेपॉजिटरी तशीच वापरणे
जर आपण GitHub Classroom न वापरता ही रेपॉजिटरी सध्याच्या स्वरूपात वापरू इच्छित असाल, तर तेही शक्य आहे. आपल्याला आपल्या विद्यार्थ्यांशी कोणता धडा एकत्रितपणे शिकायचा आहे हे संवाद साधावे लागेल.
ऑनलाइन स्वरूपात (Zoom, Teams किंवा इतर) आपण क्विझसाठी ब्रेकआउट रूम तयार करू शकता आणि विद्यार्थ्यांना शिकण्यासाठी तयार होण्यासाठी मार्गदर्शन करू शकता. त्यानंतर विद्यार्थ्यांना क्विझसाठी आमंत्रित करा आणि ठराविक वेळी त्यांची उत्तरे 'issues' म्हणून सबमिट करण्यास सांगा. जर आपण विद्यार्थ्यांना सार्वजनिकपणे सहकार्याने काम करायला लावायचे असेल, तर असाइनमेंट्ससाठीही हेच करू शकता.
जर आपण अधिक खाजगी स्वरूप पसंत करत असाल, तर आपल्या विद्यार्थ्यांना अभ्यासक्रम, धडा-धडा, त्यांच्या स्वतःच्या GitHub रेपॉजिटरीमध्ये फोर्क करण्यास सांगा आणि त्या रेपॉजिटरी खाजगी ठेवा. त्यानंतर त्यांना क्विझ आणि असाइनमेंट्स खाजगी स्वरूपात पूर्ण करून आपल्या वर्गाच्या रेपॉजिटरीवर issues द्वारे सबमिट करण्यास सांगा.
ऑनलाइन वर्ग स्वरूपात हे कार्यान्वित करण्याचे अनेक मार्ग आहेत. कृपया आम्हाला कळवा की आपल्यासाठी काय सर्वोत्तम कार्य करते!
या अभ्यासक्रमात समाविष्ट:
20 धडे, 40 क्विझ, आणि 20 असाइनमेंट्स. दृश्य शिकणाऱ्यांसाठी धड्यांसोबत स्केच नोट्स दिल्या आहेत. अनेक धडे Python आणि R या दोन्ही भाषांमध्ये उपलब्ध आहेत आणि VS Code मधील Jupyter नोटबुक्सचा वापर करून पूर्ण करता येतात. हा तांत्रिक संच कसा वापरायचा याबद्दल अधिक जाणून घ्या: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
सर्व स्केच नोट्स, मोठ्या स्वरूपाच्या पोस्टरसह, या फोल्डरमध्ये आहेत.
संपूर्ण अभ्यासक्रम PDF स्वरूपात उपलब्ध आहे.
आपण Docsify चा वापर करून हा अभ्यासक्रम स्वतंत्र, ऑफलाइन-फ्रेंडली वेबसाइट म्हणून चालवू शकता. Docsify इंस्टॉल करा आपल्या स्थानिक मशीनवर, त्यानंतर आपल्या स्थानिक रेपॉजिटरीच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट आपल्या स्थानिक होस्टवर पोर्ट 3000 वर चालू होईल: localhost:3000.
अभ्यासक्रमाचा ऑफलाइन-फ्रेंडली आवृत्ती स्वतंत्र वेब पृष्ठ म्हणून उघडेल: https://localhost:3000
धडे 6 भागांमध्ये गटबद्ध केले आहेत:
- 1: परिचय
- 1: डेटा सायन्सची व्याख्या
- 2: नैतिकता
- 3: डेटाची व्याख्या
- 4: संभाव्यता आणि सांख्यिकीचा आढावा
- 2: डेटासोबत काम करणे
- 5: रिलेशनल डेटाबेस
- 6: नॉन-रिलेशनल डेटाबेस
- 7: Python
- 8: डेटा तयारी
- 3: डेटा व्हिज्युअलायझेशन
- 9: प्रमाणांचे व्हिज्युअलायझेशन
- 10: वितरणांचे व्हिज्युअलायझेशन
- 11: प्रमाणांचे व्हिज्युअलायझेशन
- 12: नातेसंबंधांचे व्हिज्युअलायझेशन
- 13: अर्थपूर्ण व्हिज्युअलायझेशन
- 4: डेटा सायन्स जीवनचक्र
- 14: परिचय
- 15: विश्लेषण
- 16: संवाद
- 5: क्लाउडमधील डेटा सायन्स
- 17: परिचय
- 18: लो-कोड पर्याय
- 19: Azure
- 6: डेटा सायन्सचा व्यावहारिक उपयोग
- 20: आढावा
कृपया आपले विचार सांगा!
आम्हाला हा अभ्यासक्रम आपल्यासाठी आणि आपल्या विद्यार्थ्यांसाठी उपयुक्त बनवायचा आहे. कृपया चर्चासत्रांमध्ये आपले अभिप्राय द्या! आपल्या विद्यार्थ्यांसाठी चर्चासत्रांमध्ये वर्गाचा विभाग तयार करण्यास मोकळे रहा.
अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.