5.7 KiB
للمعلمين
هل ترغب في استخدام هذا المنهج في صفك الدراسي؟ لا تتردد!
في الواقع، يمكنك استخدامه مباشرةً عبر GitHub باستخدام GitHub Classroom.
للقيام بذلك، قم بعمل fork لهذا المستودع. ستحتاج إلى إنشاء مستودع لكل درس، لذا ستحتاج إلى استخراج كل مجلد إلى مستودع منفصل. بهذه الطريقة، يمكن لـ GitHub Classroom التعرف على كل درس بشكل منفصل.
هذه التعليمات الكاملة ستعطيك فكرة عن كيفية إعداد صفك الدراسي.
استخدام المستودع كما هو
إذا كنت ترغب في استخدام هذا المستودع كما هو حاليًا، دون استخدام GitHub Classroom، يمكن القيام بذلك أيضًا. ستحتاج إلى التواصل مع طلابك لتحديد الدرس الذي ستعملون عليه معًا.
في صيغة التعليم عبر الإنترنت (Zoom، Teams، أو غيرها)، يمكنك إنشاء غرف جانبية للاختبارات، وتوجيه الطلاب لمساعدتهم على الاستعداد للتعلم. ثم قم بدعوة الطلاب للاختبارات واطلب منهم تقديم إجاباتهم كـ "issues" في وقت محدد. يمكنك القيام بنفس الشيء مع المهام، إذا كنت ترغب في أن يعمل الطلاب بشكل تعاوني في العلن.
إذا كنت تفضل صيغة أكثر خصوصية، اطلب من طلابك عمل fork للمنهج، درسًا بدرس، إلى مستودعاتهم الخاصة على GitHub كمستودعات خاصة، ومنحك حق الوصول. بعد ذلك، يمكنهم إكمال الاختبارات والمهام بشكل خاص وتقديمها لك عبر "issues" على مستودع صفك الدراسي.
هناك العديد من الطرق لجعل هذا يعمل في صيغة التعليم عبر الإنترنت. يرجى إخبارنا بما يناسبك أكثر!
ما يتضمنه هذا المنهج:
20 درسًا، 40 اختبارًا، و20 مهمة. ترافق الرسومات التوضيحية الدروس لتناسب المتعلمين البصريين. العديد من الدروس متوفرة باللغتين Python وR ويمكن إكمالها باستخدام Jupyter notebooks في VS Code. تعرف على المزيد حول كيفية إعداد صفك الدراسي لاستخدام هذه التقنية: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
جميع الرسومات التوضيحية، بما في ذلك ملصق كبير الحجم، موجودة في هذا المجلد.
يمكنك أيضًا تشغيل هذا المنهج كموقع ويب مستقل وصديق للعمل دون اتصال باستخدام Docsify. قم بتثبيت Docsify على جهازك المحلي، ثم في المجلد الجذري لنسختك المحلية من هذا المستودع، اكتب docsify serve. سيتم تشغيل الموقع على المنفذ 3000 على جهازك المحلي: localhost:3000.
نسخة صديقة للعمل دون اتصال من المنهج ستفتح كصفحة ويب مستقلة: https://localhost:3000
الدروس مقسمة إلى 6 أجزاء:
- 1: المقدمة
- 1: تعريف علم البيانات
- 2: الأخلاقيات
- 3: تعريف البيانات
- 4: نظرة عامة على الاحتمالات والإحصاء
- 2: العمل مع البيانات
- 5: قواعد البيانات العلائقية
- 6: قواعد البيانات غير العلائقية
- 7: Python
- 8: تحضير البيانات
- 3: تصور البيانات
- 9: تصور الكميات
- 10: تصور التوزيعات
- 11: تصور النسب
- 12: تصور العلاقات
- 13: تصورات ذات معنى
- 4: دورة حياة علم البيانات
- 14: المقدمة
- 15: التحليل
- 16: التواصل
- 5: علم البيانات في السحابة
- 17: المقدمة
- 18: الخيارات منخفضة الكود
- 19: Azure
- 6: علم البيانات في الواقع
- 20: نظرة عامة
يرجى إعطاؤنا رأيك!
نريد أن نجعل هذا المنهج مناسبًا لك ولطلابك. يرجى تقديم ملاحظاتك في لوحات النقاش! لا تتردد في إنشاء منطقة صف دراسي على لوحات النقاش لطلابك.
إخلاء المسؤولية:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.