You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Data-Science-For-Beginners/translations/tw/for-teachers.md

76 lines
3.7 KiB

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "87f157ea00d36c1d12c14390d9852b50",
"translation_date": "2025-08-25T16:08:53+00:00",
"source_file": "for-teachers.md",
"language_code": "tw"
}
-->
## 給教育工作者
您是否希望在課堂上使用這份課程?請隨意使用!
事實上,您可以直接在 GitHub 上使用 GitHub Classroom 來進行。
要做到這一點,請先 fork 此 repo。您需要為每一課建立一個 repo因此需要將每個資料夾提取到一個單獨的 repo 中。這樣,[GitHub Classroom](https://classroom.github.com/classrooms) 就能分別處理每一課。
這些[完整的指導](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助您了解如何設置您的課堂。
## 直接使用此 repo
如果您希望直接使用目前的 repo而不使用 GitHub Classroom也可以這樣做。您需要與您的學生溝通告訴他們一起學習哪一課。
在線上教學形式(例如 Zoom、Teams 或其他平台)中,您可以為測驗設置分組討論室,並指導學生準備學習。然後邀請學生參加測驗,並在指定時間以 "issues" 的形式提交答案。如果您希望學生公開合作,也可以用相同的方式進行作業。
如果您更喜歡私密的教學形式,可以要求學生逐課 fork 課程到他們自己的 GitHub 私人 repo並授予您訪問權限。然後他們可以私下完成測驗和作業並通過 classroom repo 的 issues 提交給您。
在線課堂有許多不同的運作方式。請告訴我們哪種方式最適合您!
## 課程內容包括:
20 篇課程、40 個測驗和 20 個作業。課程配有手繪筆記,適合視覺型學習者。許多課程提供 Python 和 R 版本,並可使用 Jupyter notebooks 在 VS Code 中完成。了解更多關於如何設置您的課堂以使用這些技術堆疊https://code.visualstudio.com/docs/datascience/jupyter-notebooks。
所有手繪筆記,包括一張大幅海報,都在[此資料夾](../../sketchnotes)中。
整個課程也可以[以 PDF 格式](../../pdf/readme.pdf)獲取。
您還可以使用 [Docsify](https://docsify.js.org/#/) 將此課程作為獨立的、離線友好的網站運行。[安裝 Docsify](https://docsify.js.org/#/quickstart) 到您的本地機器,然後在本地 repo 的根目錄中輸入 `docsify serve`。網站將在本地端口 3000 上運行:`localhost:3000`。
課程的離線版本將以獨立網頁形式打開https://localhost:3000
課程分為六個部分:
- 1: 介紹
- 1: 定義數據科學
- 2: 倫理
- 3: 定義數據
- 4: 概率與統計概述
- 2: 處理數據
- 5: 關聯式數據庫
- 6: 非關聯式數據庫
- 7: Python
- 8: 數據準備
- 3: 數據可視化
- 9: 數量的可視化
- 10: 分佈的可視化
- 11: 比例的可視化
- 12: 關係的可視化
- 13: 有意義的可視化
- 4: 數據科學生命周期
- 14: 介紹
- 15: 分析
- 16: 溝通
- 5: 雲端中的數據科學
- 17: 介紹
- 18: 低代碼選項
- 19: Azure
- 6: 真實世界中的數據科學
- 20: 概述
## 請分享您的想法!
我們希望這份課程能夠滿足您和您的學生的需求。請在討論區提供反饋!也可以在討論區為您的學生創建一個課堂專區。
**免責聲明**
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性,但請注意,自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息,建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。