3.8 KiB
给教育工作者
您想在课堂上使用这套课程吗？请随意使用！
事实上，您可以直接在 GitHub 上使用它，通过 GitHub Classroom 来实现。
为此，您需要 fork 此仓库。您需要为每节课创建一个单独的仓库，因此需要将每个文件夹提取到一个独立的仓库中。这样，GitHub Classroom 就可以单独处理每节课。
这些完整的说明可以帮助您了解如何设置您的课堂。
按原样使用此仓库
如果您希望按当前形式使用此仓库，而不使用 GitHub Classroom，也完全可以实现。您需要与学生沟通，共同完成每节课的学习。
在在线教学环境中（如 Zoom、Teams 或其他平台），您可以为测验创建分组讨论室，并指导学生做好学习准备。然后邀请学生参加测验，并在规定时间内以“问题”的形式提交答案。如果您希望学生公开协作完成作业，也可以采用类似的方式。
如果您更倾向于私密的教学方式，可以让学生逐节 fork 课程到他们自己的 GitHub 私有仓库，并授予您访问权限。这样，他们可以私密地完成测验和作业，并通过您课堂仓库中的问题提交给您。
在在线课堂中有许多方法可以实现这些目标。请告诉我们哪种方式最适合您！
课程内容包括：
20节课、40个测验和20个作业。课程配有手绘笔记，适合视觉学习者。许多课程同时提供 Python 和 R 的版本，可以通过 VS Code 中的 Jupyter notebooks 完成。了解更多关于如何设置您的课堂以使用这些技术栈的信息：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。
所有手绘笔记，包括一张大幅海报，都在这个文件夹中。
整个课程也可以以 PDF 格式获取。
您还可以使用 Docsify 将此课程作为独立的离线友好型网站运行。安装 Docsify到您的本地机器，然后在您本地仓库的根文件夹中输入 docsify serve。网站将在您的本地端口 3000 上运行：localhost:3000。
离线友好的课程版本将作为独立网页打开：https://localhost:3000
课程分为6个部分：
- 1: 介绍
- 1: 数据科学定义
- 2: 伦理
- 3: 数据定义
- 4: 概率与统计概述
- 2: 数据处理
- 5: 关系型数据库
- 6: 非关系型数据库
- 7: Python
- 8: 数据准备
- 3: 数据可视化
- 9: 数量的可视化
- 10: 分布的可视化
- 11: 比例的可视化
- 12: 关系的可视化
- 13: 有意义的可视化
- 4: 数据科学生命周期
- 14: 介绍
- 15: 分析
- 16: 沟通
- 5: 云端数据科学
- 17: 介绍
- 18: 低代码选项
- 19: Azure
- 6: 数据科学的实际应用
- 20: 概述
请告诉我们您的想法！
我们希望这套课程能够满足您和学生的需求。请在讨论区中给我们反馈！欢迎您在讨论区为您的学生创建一个课堂专区。
免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。