9.9 KiB
शिक्षकहरूका लागि
के तपाईं आफ्नो कक्षामा यो पाठ्यक्रम प्रयोग गर्न चाहनुहुन्छ? कृपया स्वतन्त्र रूपमा प्रयोग गर्नुहोस्!
वास्तवमा, तपाईं यसलाई GitHub Classroom प्रयोग गरेर GitHub भित्रै प्रयोग गर्न सक्नुहुन्छ।
त्यसका लागि, यो रिपोजिटरीलाई फोर्क गर्नुहोस्। तपाईंलाई प्रत्येक पाठको लागि अलग-अलग रिपोजिटरी बनाउन आवश्यक हुनेछ, त्यसैले प्रत्येक फोल्डरलाई अलग रिपोजिटरीमा निकाल्नुपर्नेछ। यसरी GitHub Classroom ले प्रत्येक पाठलाई अलग-अलग रूपमा लिन सक्छ।
यी पूर्ण निर्देशनहरू ले तपाईंलाई कक्षा सेटअप गर्ने तरिका बुझ्न मद्दत गर्नेछ।
रिपोजिटरीलाई जस्ताको तस्तै प्रयोग गर्ने
यदि तपाईं यो रिपोजिटरीलाई हालको अवस्थामा प्रयोग गर्न चाहनुहुन्छ, GitHub Classroom प्रयोग नगरी, त्यो पनि सम्भव छ। तपाईंले आफ्ना विद्यार्थीहरूलाई कुन पाठ सँगै काम गर्ने भनेर जानकारी दिनुपर्नेछ।
अनलाइन माध्यम (जूम, टिम्स, वा अन्य) मा, तपाईं क्विजहरूको लागि ब्रेकआउट रूमहरू बनाउन सक्नुहुन्छ, र विद्यार्थीहरूलाई सिक्न तयार हुन मद्दत गर्न सक्नुहुन्छ। त्यसपछि विद्यार्थीहरूलाई क्विजहरूको लागि आमन्त्रण गर्नुहोस् र निश्चित समयमा 'issues' को रूपमा उत्तरहरू पेश गर्न भन्नुहोस्। यदि तपाईं चाहनुहुन्छ कि विद्यार्थीहरू खुला रूपमा सहकार्य गरेर काम गरून्, तपाईं असाइनमेन्टहरू पनि यसै तरिकाले गर्न सक्नुहुन्छ।
यदि तपाईंलाई अधिक निजी माध्यम मनपर्छ भने, आफ्ना विद्यार्थीहरूलाई पाठ्यक्रमलाई पाठ-पाठ अनुसार आफ्नै GitHub रिपोजिटरीहरूमा निजी रिपोजिटरीको रूपमा फोर्क गर्न भन्नुहोस्, र तपाईंलाई पहुँच दिन भन्नुहोस्। त्यसपछि उनीहरूले क्विजहरू र असाइनमेन्टहरू निजी रूपमा पूरा गर्न सक्नेछन् र तपाईंलाई classroom रिपोजिटरीमा issues मार्फत पेश गर्न सक्नेछन्।
अनलाइन कक्षा सेटअप गर्नका लागि यो काम गर्ने धेरै तरिकाहरू छन्। कृपया हामीलाई तपाईंका लागि के राम्रो काम गर्छ भनेर जानकारी दिनुहोस्!
यो पाठ्यक्रममा समावेश:
२० पाठहरू, ४० क्विजहरू, र २० असाइनमेन्टहरू। दृश्यात्मक सिकाइका लागि पाठहरूसँग स्केच नोटहरू समावेश छन्। धेरै पाठहरू Python र R मा उपलब्ध छन् र Jupyter notebooks प्रयोग गरेर VS Code मा पूरा गर्न सकिन्छ। यो टेक स्ट्याक प्रयोग गर्न कक्षा सेटअप गर्ने तरिका सिक्न यहाँ जान्नुहोस्: https://code.visualstudio.com/docs/datascience/jupyter-notebooks।
सबै स्केच नोटहरू, ठूलो आकारको पोस्टर सहित, यस फोल्डरमा छन्।
सम्पूर्ण पाठ्यक्रम PDF रूपमा उपलब्ध छ।
तपाईं यस पाठ्यक्रमलाई Docsify प्रयोग गरेर स्वतन्त्र रूपमा, अफलाइन-मैत्री वेबसाइटको रूपमा चलाउन सक्नुहुन्छ। Docsify स्थापना गर्नुहोस् आफ्नो स्थानीय मेसिनमा, त्यसपछि आफ्नो स्थानीय प्रतिलिपिको मूल फोल्डरमा docsify serve
टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा चलाइनेछ: localhost:3000
।
पाठ्यक्रमको अफलाइन-मैत्री संस्करण स्वतन्त्र वेब पृष्ठको रूपमा खुल्नेछ: https://localhost:3000
पाठहरू ६ भागमा विभाजित छन्:
- १: परिचय
- १: डेटा साइन्सको परिभाषा
- २: नैतिकता
- ३: डेटाको परिभाषा
- ४: सम्भाव्यता र तथ्यांकको अवलोकन
- २: डेटासँग काम गर्ने
- ५: सम्बन्धात्मक डेटाबेसहरू
- ६: गैर-सम्बन्धात्मक डेटाबेसहरू
- ७: Python
- ८: डेटा तयारी
- ३: डेटा दृश्यात्मकता
- ९: मात्राको दृश्यात्मकता
- १०: वितरणहरूको दृश्यात्मकता
- ११: अनुपातहरूको दृश्यात्मकता
- १२: सम्बन्धहरूको दृश्यात्मकता
- १३: अर्थपूर्ण दृश्यात्मकता
- ४: डेटा साइन्स जीवनचक्र
- १४: परिचय
- १५: विश्लेषण
- १६: सञ्चार
- ५: क्लाउडमा डेटा साइन्स
- १७: परिचय
- १८: लो-कोड विकल्पहरू
- १९: Azure
- ६: वास्तविक जीवनमा डेटा साइन्स
- २०: अवलोकन
कृपया हामीलाई आफ्नो विचार दिनुहोस्!
हामी यो पाठ्यक्रम तपाईं र तपाईंका विद्यार्थीहरूको लागि उपयोगी बनाउन चाहन्छौं। कृपया छलफल बोर्डहरूमा प्रतिक्रिया दिनुहोस्! आफ्ना विद्यार्थीहरूको लागि छलफल बोर्डहरूमा कक्षा क्षेत्र सिर्जना गर्न स्वतन्त्र महसुस गर्नुहोस्।
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको छ। हामी यथार्थताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।