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/zh/for-teachers.md

76 lines
3.8 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": "2025-08-25T16:08:40+00:00",
"source_file": "for-teachers.md",
"language_code": "zh"
}
-->
## 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](https://classroom.github.com/classrooms) 就可以单独处理每节课。
这些[完整的说明](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)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](../../sketchnotes)中。
整个课程也可以[以 PDF 格式](../../pdf/readme.pdf)获取。
您还可以使用 [Docsify](https://docsify.js.org/#/) 将此课程作为独立的离线友好型网站运行。[安装 Docsify](https://docsify.js.org/#/quickstart)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](https://github.com/Azure/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。