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

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "87f157ea00d36c1d12c14390d9852b50",
  "translation_date": "2025-08-28T17:52:48+00:00",
  "source_file": "for-teachers.md",
  "language_code": "vi"
}
-->
## Dành cho giáo viên

Bạn có muốn sử dụng chương trình học này trong lớp học của mình không? Xin cứ tự nhiên!

Thực tế, bạn có thể sử dụng nó ngay trên GitHub bằng cách sử dụng GitHub Classroom.

Để làm điều đó, hãy fork repo này. Bạn sẽ cần tạo một repo cho mỗi bài học, vì vậy bạn sẽ cần tách từng thư mục thành một repo riêng biệt. Bằng cách đó, [GitHub Classroom](https://classroom.github.com/classrooms) có thể nhận từng bài học một cách riêng lẻ.

Những [hướng dẫn đầy đủ](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) này sẽ giúp bạn hình dung cách thiết lập lớp học của mình.

## Sử dụng repo như hiện tại

Nếu bạn muốn sử dụng repo này như hiện tại, mà không cần sử dụng GitHub Classroom, điều đó cũng hoàn toàn khả thi. Bạn sẽ cần giao tiếp với học sinh của mình để xác định bài học nào sẽ cùng nhau thực hiện.

Trong hình thức trực tuyến (Zoom, Teams, hoặc các nền tảng khác), bạn có thể tạo các phòng thảo luận nhỏ cho các bài kiểm tra, và hướng dẫn học sinh để giúp họ sẵn sàng học tập. Sau đó, mời học sinh tham gia các bài kiểm tra và nộp câu trả lời của họ dưới dạng 'issues' vào một thời điểm nhất định. Bạn cũng có thể làm tương tự với các bài tập, nếu bạn muốn học sinh làm việc cùng nhau một cách công khai.

Nếu bạn thích hình thức riêng tư hơn, hãy yêu cầu học sinh fork chương trình học, từng bài học một, vào các repo GitHub riêng tư của họ và cấp quyền truy cập cho bạn. Sau đó, họ có thể hoàn thành các bài kiểm tra và bài tập một cách riêng tư và gửi cho bạn thông qua issues trên repo lớp học của bạn.

Có rất nhiều cách để làm cho điều này hoạt động trong môi trường lớp học trực tuyến. Hãy cho chúng tôi biết cách nào phù hợp nhất với bạn!

## Bao gồm trong chương trình học này:

20 bài học, 40 bài kiểm tra, và 20 bài tập. Các ghi chú minh họa đi kèm với bài học dành cho những người học trực quan. Nhiều bài học có sẵn bằng cả Python và R và có thể được hoàn thành bằng cách sử dụng Jupyter notebooks trong VS Code. Tìm hiểu thêm về cách thiết lập lớp học của bạn để sử dụng công nghệ này: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.

Tất cả các ghi chú minh họa, bao gồm một poster khổ lớn, nằm trong [thư mục này](../../sketchnotes).

Toàn bộ chương trình học có sẵn [dưới dạng PDF](../../pdf/readme.pdf).

Bạn cũng có thể chạy chương trình học này dưới dạng một trang web độc lập, thân thiện với chế độ offline bằng cách sử dụng [Docsify](https://docsify.js.org/#/). [Cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy tính của bạn, sau đó trong thư mục gốc của bản sao repo này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`.

Phiên bản thân thiện với chế độ offline của chương trình học sẽ mở dưới dạng một trang web độc lập: https://localhost:3000

Các bài học được chia thành 6 phần:

- 1: Giới thiệu
    - 1: Định nghĩa Khoa học Dữ liệu
    - 2: Đạo đức
    - 3: Định nghĩa Dữ liệu
    - 4: Tổng quan về Xác suất và Thống kê
- 2: Làm việc với Dữ liệu
    - 5: Cơ sở dữ liệu quan hệ
    - 6: Cơ sở dữ liệu phi quan hệ
    - 7: Python
    - 8: Chuẩn bị Dữ liệu
- 3: Trực quan hóa Dữ liệu
    - 9: Trực quan hóa Số lượng
    - 10: Trực quan hóa Phân phối
    - 11: Trực quan hóa Tỷ lệ
    - 12: Trực quan hóa Mối quan hệ
    - 13: Trực quan hóa Có ý nghĩa
- 4: Vòng đời Khoa học Dữ liệu
    - 14: Giới thiệu
    - 15: Phân tích
    - 16: Giao tiếp
- 5: Khoa học Dữ liệu trên Cloud
    - 17: Giới thiệu
    - 18: Các tùy chọn Low-Code
    - 19: Azure
- 6: Khoa học Dữ liệu trong Thực tế
    - 20: Tổng quan

## Xin hãy cho chúng tôi ý kiến của bạn!

Chúng tôi muốn làm cho chương trình học này phù hợp với bạn và học sinh của bạn. Xin hãy gửi phản hồi trong các bảng thảo luận! Đừng ngần ngại tạo một khu vực lớp học trên các bảng thảo luận dành cho học sinh của bạn.

---

**Tuyên bố miễn trừ trách nhiệm**:  
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn tham khảo chính thức. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.