|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "f7440be10c17a8a9262713af3d2818a9",
|
|
|
"translation_date": "2025-09-06T19:58:44+00:00",
|
|
|
"source_file": "for-teachers.md",
|
|
|
"language_code": "he"
|
|
|
}
|
|
|
-->
|
|
|
## למורים
|
|
|
|
|
|
האם תרצו להשתמש בתוכנית הלימודים הזו בכיתה שלכם? אתם מוזמנים!
|
|
|
|
|
|
למעשה, תוכלו להשתמש בה ישירות ב-GitHub באמצעות GitHub Classroom.
|
|
|
|
|
|
כדי לעשות זאת, בצעו fork למאגר הזה. תצטרכו ליצור מאגר נפרד לכל שיעור, ולכן תצטרכו להוציא כל תיקייה למאגר נפרד. כך, [GitHub Classroom](https://classroom.github.com/classrooms) יוכל לזהות כל שיעור בנפרד.
|
|
|
|
|
|
ההוראות המלאות [כאן](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) יסבירו לכם כיצד להגדיר את הכיתה שלכם.
|
|
|
|
|
|
## שימוש במאגר כפי שהוא
|
|
|
|
|
|
אם תרצו להשתמש במאגר הזה כפי שהוא, מבלי להשתמש ב-GitHub Classroom, זה אפשרי גם כן. תצטרכו לתקשר עם התלמידים שלכם איזה שיעור לעבור יחד.
|
|
|
|
|
|
בפורמט מקוון (Zoom, Teams או אחר) תוכלו ליצור חדרי עבודה עבור החידונים, וללוות את התלמידים כדי להכין אותם ללמידה. לאחר מכן, הזמינו את התלמידים להשתתף בחידונים ולהגיש את התשובות שלהם כ-'issues' בזמן מסוים. תוכלו לעשות את אותו הדבר עם משימות, אם תרצו שהתלמידים יעבדו בשיתוף פעולה באופן פתוח.
|
|
|
|
|
|
אם אתם מעדיפים פורמט פרטי יותר, בקשו מהתלמידים שלכם לבצע fork לתוכנית הלימודים, שיעור אחר שיעור, למאגרים פרטיים משלהם ב-GitHub, ותנו לכם גישה. כך הם יוכלו להשלים חידונים ומשימות באופן פרטי ולהגיש אותם לכם דרך 'issues' במאגר הכיתה שלכם.
|
|
|
|
|
|
ישנן דרכים רבות לגרום לזה לעבוד בפורמט כיתה מקוון. אנא שתפו אותנו מה עובד הכי טוב עבורכם!
|
|
|
|
|
|
## מה כלול בתוכנית הלימודים:
|
|
|
|
|
|
20 שיעורים, 40 חידונים, ו-20 משימות. איורים מלווים את השיעורים עבור לומדים חזותיים. שיעורים רבים זמינים גם ב-Python וגם ב-R וניתן להשלים אותם באמצעות Jupyter notebooks ב-VS Code. למדו עוד על איך להגדיר את הכיתה שלכם לשימוש בטכנולוגיה הזו: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
|
|
|
|
|
|
כל האיורים, כולל פוסטר בפורמט גדול, נמצאים [בתיקייה הזו](../../sketchnotes).
|
|
|
|
|
|
תוכלו גם להפעיל את תוכנית הלימודים הזו כאתר עצמאי, ידידותי לעבודה לא מקוונת, באמצעות [Docsify](https://docsify.js.org/#/). [התקינו את Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלכם, ואז בתיקיית השורש של העותק המקומי של המאגר הזה, הקלידו `docsify serve`. האתר יפעל על פורט 3000 ב-localhost שלכם: `localhost:3000`.
|
|
|
|
|
|
גרסה ידידותית לעבודה לא מקוונת של תוכנית הלימודים תיפתח כעמוד אינטרנט עצמאי: https://localhost:3000
|
|
|
|
|
|
השיעורים מחולקים ל-6 חלקים:
|
|
|
|
|
|
- 1: מבוא
|
|
|
- 1: הגדרת מדע הנתונים
|
|
|
- 2: אתיקה
|
|
|
- 3: הגדרת נתונים
|
|
|
- 4: סקירה של הסתברות וסטטיסטיקה
|
|
|
- 2: עבודה עם נתונים
|
|
|
- 5: מסדי נתונים יחסיים
|
|
|
- 6: מסדי נתונים לא יחסיים
|
|
|
- 7: Python
|
|
|
- 8: הכנת נתונים
|
|
|
- 3: ויזואליזציה של נתונים
|
|
|
- 9: ויזואליזציה של כמויות
|
|
|
- 10: ויזואליזציה של התפלגויות
|
|
|
- 11: ויזואליזציה של פרופורציות
|
|
|
- 12: ויזואליזציה של קשרים
|
|
|
- 13: ויזואליזציות משמעותיות
|
|
|
- 4: מחזור החיים של מדע הנתונים
|
|
|
- 14: מבוא
|
|
|
- 15: ניתוח
|
|
|
- 16: תקשורת
|
|
|
- 5: מדע הנתונים בענן
|
|
|
- 17: מבוא
|
|
|
- 18: אפשרויות ללא קוד
|
|
|
- 19: Azure
|
|
|
- 6: מדע הנתונים בשטח
|
|
|
- 20: סקירה כללית
|
|
|
|
|
|
## נשמח לשמוע את דעתכם!
|
|
|
|
|
|
אנחנו רוצים שתוכנית הלימודים הזו תעבוד עבורכם ועבור התלמידים שלכם. אנא שתפו אותנו במשוב שלכם בלוחות הדיון! אתם מוזמנים ליצור אזור כיתה בלוחות הדיון עבור התלמידים שלכם.
|
|
|
|
|
|
---
|
|
|
|
|
|
**כתב ויתור**:
|
|
|
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפתו המקורית נחשב למקור הסמכותי. למידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי בני אדם. איננו נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה. |
