4.5 KiB
Per Educatori
Vorresti utilizzare questo curriculum nella tua classe? Sentiti libero di farlo!
Infatti, puoi usarlo direttamente su GitHub utilizzando GitHub Classroom.
Per farlo, fai un fork di questo repository. Avrai bisogno di creare un repository per ogni lezione, quindi dovrai estrarre ogni cartella in un repository separato. In questo modo, GitHub Classroom potrà gestire ogni lezione separatamente.
Queste istruzioni complete ti daranno un'idea su come configurare la tua classe.
Utilizzare il repository così com'è
Se desideri utilizzare questo repository nella sua forma attuale, senza utilizzare GitHub Classroom, è possibile farlo. Dovrai comunicare ai tuoi studenti quale lezione seguire insieme.
In un formato online (Zoom, Teams o altri), potresti creare stanze di gruppo per i quiz e fare da mentore agli studenti per aiutarli a prepararsi all'apprendimento. Poi invita gli studenti a partecipare ai quiz e a inviare le loro risposte come 'issue' a un orario stabilito. Potresti fare lo stesso con i compiti, se desideri che gli studenti lavorino in modo collaborativo e aperto.
Se preferisci un formato più privato, chiedi ai tuoi studenti di fare un fork del curriculum, lezione per lezione, nei loro repository GitHub privati, e di darti accesso. In questo modo, potranno completare quiz e compiti in modo privato e inviarteli tramite issue sul tuo repository della classe.
Ci sono molti modi per far funzionare questo approccio in un'aula online. Facci sapere quale funziona meglio per te!
Incluso in questo curriculum:
20 lezioni, 40 quiz e 20 compiti. Le lezioni sono accompagnate da sketchnote per gli studenti visivi. Molte lezioni sono disponibili sia in Python che in R e possono essere completate utilizzando Jupyter notebook in VS Code. Scopri di più su come configurare la tua classe per utilizzare questa tecnologia: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Tutte le sketchnote, incluso un poster in formato grande, si trovano in questa cartella.
Puoi anche eseguire questo curriculum come un sito web autonomo e offline-friendly utilizzando Docsify. Installa Docsify sulla tua macchina locale, quindi nella cartella principale della tua copia locale di questo repository, digita docsify serve. Il sito web sarà servito sulla porta 3000 del tuo localhost: localhost:3000.
Una versione offline-friendly del curriculum si aprirà come una pagina web autonoma: https://localhost:3000
Le lezioni sono raggruppate in 6 parti:
- 1: Introduzione
- 1: Definire la Data Science
- 2: Etica
- 3: Definire i Dati
- 4: Panoramica su Probabilità e Statistica
- 2: Lavorare con i Dati
- 5: Database Relazionali
- 6: Database Non Relazionali
- 7: Python
- 8: Preparazione dei Dati
- 3: Visualizzazione dei Dati
- 9: Visualizzazione di Quantità
- 10: Visualizzazione di Distribuzioni
- 11: Visualizzazione di Proporzioni
- 12: Visualizzazione di Relazioni
- 13: Visualizzazioni Significative
- 4: Ciclo di Vita della Data Science
- 14: Introduzione
- 15: Analisi
- 16: Comunicazione
- 5: Data Science nel Cloud
- 17: Introduzione
- 18: Opzioni Low-Code
- 19: Azure
- 6: Data Science nel Mondo Reale
- 20: Panoramica
Dacci il tuo feedback!
Vogliamo rendere questo curriculum utile per te e i tuoi studenti. Per favore, condividi il tuo feedback nei forum di discussione! Sentiti libero di creare un'area dedicata alla tua classe nei forum di discussione per i tuoi studenti.
Disclaimer (Avvertenza):
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall'uso di questa traduzione.