3.6 KiB
給教育工作者
想在課堂上使用這套課程嗎？請隨意使用！
事實上，你可以直接在 GitHub 上使用這套課程，透過 GitHub Classroom 來進行。
要做到這一點，請 fork 此 repo。你需要為每一課建立一個 repo，因此需要將每個文件夾提取到一個獨立的 repo。這樣，GitHub Classroom 就可以分別處理每一課。
這些完整指引可以幫助你了解如何設置你的課堂。
按原樣使用此 repo
如果你希望直接使用目前的 repo，而不使用 GitHub Classroom，也可以做到。你需要與學生溝通，告訴他們一起學習哪一課。
在網上教學形式（例如 Zoom、Teams 或其他平台）中，你可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在指定時間以 "issues" 的形式提交答案。如果你希望學生公開合作完成作業，也可以採用相同的方式。
如果你更喜歡私密的形式，可以要求學生逐課 fork 課程到他們自己的 GitHub 私人 repo，並授予你訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給你。
在網上課堂中有很多方法可以使這套課程運作起來。請告訴我們哪種方式最適合你！
課程內容包括：
20 課、40 個測驗和 20 個作業。課程配有手繪筆記，適合視覺型學習者。許多課程提供 Python 和 R 版本，可以使用 VS Code 中的 Jupyter notebooks 完成。了解更多關於如何設置課堂以使用這些技術堆疊：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。
所有手繪筆記，包括一張大幅海報，都在此文件夾中。
你也可以使用 Docsify 將這套課程作為獨立的離線友好型網站運行。安裝 Docsify 到你的本地機器，然後在本地 repo 的根文件夾中輸入 docsify serve。網站將在本地端口 3000 上運行：localhost:3000。
課程的離線友好版本將以獨立網頁形式打開：https://localhost:3000
課程分為 6 部分：
- 1: 簡介
- 1: 定義數據科學
- 2: 倫理
- 3: 定義數據
- 4: 概率與統計概述
- 2: 處理數據
- 5: 關聯式數據庫
- 6: 非關聯式數據庫
- 7: Python
- 8: 數據準備
- 3: 數據可視化
- 9: 數量的可視化
- 10: 分佈的可視化
- 11: 比例的可視化
- 12: 關係的可視化
- 13: 有意義的可視化
- 4: 數據科學生命周期
- 14: 簡介
- 15: 分析
- 16: 溝通
- 5: 雲端中的數據科學
- 17: 簡介
- 18: 低代碼選項
- 19: Azure
- 6: 真實世界中的數據科學
- 20: 概述
請分享你的想法！
我們希望這套課程能夠滿足你和你的學生的需求。請在討論區提供反饋！歡迎在討論區為你的學生創建一個課堂專區。
免責聲明：
此文件已使用 AI 翻譯服務 Co-op Translator 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。