4.6 KiB
Para Educadores
Gostaria de utilizar este currículo na sua sala de aula? Fique à vontade!
Na verdade, pode utilizá-lo diretamente no GitHub, através do GitHub Classroom.
Para isso, faça um fork deste repositório. Será necessário criar um repositório para cada aula, extraindo cada pasta para um repositório separado. Dessa forma, GitHub Classroom poderá identificar cada aula individualmente.
Estas instruções completas irão ajudá-lo a configurar a sua sala de aula.
Utilizar o repositório como está
Se preferir utilizar este repositório no formato atual, sem recorrer ao GitHub Classroom, também é possível. Nesse caso, será necessário comunicar aos seus alunos qual aula devem trabalhar em conjunto.
Num formato online (Zoom, Teams ou outro), pode criar salas de grupo para os questionários e orientar os alunos para que estejam prontos para aprender. Depois, convide os alunos a realizar os questionários e submeter as respostas como 'issues' num horário específico. Pode fazer o mesmo com os trabalhos, caso deseje que os alunos colaborem abertamente.
Se preferir um formato mais privado, peça aos seus alunos para fazerem fork do currículo, aula por aula, para os seus próprios repositórios GitHub como repositórios privados, e conceder-lhe acesso. Assim, poderão completar os questionários e trabalhos de forma privada e submetê-los através de issues no repositório da sua sala de aula.
Existem várias formas de adaptar este currículo para um formato de sala de aula online. Por favor, informe-nos sobre o que funciona melhor para si!
Incluído neste currículo:
20 aulas, 40 questionários e 20 trabalhos. Sketchnotes acompanham as aulas para os alunos que aprendem melhor visualmente. Muitas aulas estão disponíveis em Python e R e podem ser realizadas utilizando Jupyter notebooks no VS Code. Saiba mais sobre como configurar a sua sala de aula para utilizar esta stack tecnológica: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Todos os sketchnotes, incluindo um poster em formato grande, estão disponíveis nesta pasta.
O currículo completo está disponível em formato PDF.
Também pode executar este currículo como um site independente e acessível offline utilizando Docsify. Instale o Docsify na sua máquina local e, 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 organizadas em 6 partes:
- 1: Introdução
- 1: Definição de Ciência de Dados
- 2: Ética
- 3: Definição de Dados
- 4: Visão Geral de Probabilidade e Estatística
- 2: Trabalhar com Dados
- 5: Bases de Dados Relacionais
- 6: Bases 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 no Mundo Real
- 20: Visão Geral
Por favor, partilhe as suas opiniões!
Queremos que este currículo funcione para si e para os seus alunos. Por favor, envie-nos o seu feedback nos fóruns de discussão! Sinta-se à vontade para criar uma área de sala de aula nos fóruns de discussão para os 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 automáticas podem conter erros ou imprecisões. O documento original no seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas resultantes do uso desta tradução.