4.7 KiB
교육자를 위한 안내
이 커리큘럼을 교실에서 사용하고 싶으신가요? 자유롭게 활용하세요!
사실, GitHub Classroom을 사용하여 GitHub 내에서 바로 사용할 수도 있습니다.
이를 위해 이 저장소를 포크하세요. 각 수업마다 별도의 저장소를 만들어야 하므로, 각 폴더를 개별 저장소로 분리해야 합니다. 이렇게 하면 GitHub Classroom이 각 수업을 개별적으로 인식할 수 있습니다.
이 상세한 가이드를 통해 교실을 설정하는 방법에 대한 아이디어를 얻을 수 있습니다.
현재 상태로 저장소 사용하기
GitHub Classroom을 사용하지 않고 현재 상태로 이 저장소를 사용하고 싶으시다면, 그것도 가능합니다. 학생들에게 함께 진행할 수업을 알려주시면 됩니다.
온라인 형식(Zoom, Teams 등)에서는 퀴즈를 위한 소그룹 방을 만들고, 학생들이 학습 준비를 할 수 있도록 멘토링할 수 있습니다. 그런 다음, 학생들에게 퀴즈를 풀고 특정 시간에 '이슈'로 답변을 제출하도록 요청하세요. 과제도 같은 방식으로 진행할 수 있으며, 학생들이 공개적으로 협력하여 작업하도록 할 수도 있습니다.
보다 비공개적인 형식을 선호하신다면, 학생들에게 커리큘럼을 수업별로 포크하여 자신의 GitHub 개인 저장소로 옮기고, 교사에게 접근 권한을 부여하도록 요청하세요. 그런 다음, 학생들은 퀴즈와 과제를 비공개로 완료하고, 교실 저장소의 이슈를 통해 제출할 수 있습니다.
온라인 교실 형식에서 이 방법을 다양하게 활용할 수 있습니다. 어떤 방식이 가장 잘 작동했는지 알려주세요!
이 커리큘럼에 포함된 내용:
20개의 수업, 40개의 퀴즈, 20개의 과제가 포함되어 있습니다. 시각적 학습자를 위해 수업에는 스케치 노트가 함께 제공됩니다. 많은 수업이 Python과 R로 제공되며, VS Code의 Jupyter 노트북을 사용하여 완료할 수 있습니다. 이 기술 스택을 사용하는 교실을 설정하는 방법에 대해 자세히 알아보세요: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
모든 스케치 노트는 대형 포스터를 포함하여 이 폴더에 있습니다.
또한, Docsify를 사용하여 이 커리큘럼을 독립 실행형 오프라인 친화적인 웹사이트로 실행할 수 있습니다. Docsify 설치를 로컬 머신에 한 후, 이 저장소의 로컬 복사본 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 포트 3000에서 제공됩니다: localhost:3000.
오프라인 친화적인 커리큘럼 버전은 독립 실행형 웹 페이지로 열립니다: https://localhost:3000
수업은 6개의 파트로 나뉩니다:
- 1: 소개
- 1: 데이터 과학 정의
- 2: 윤리
- 3: 데이터 정의
- 4: 확률 및 통계 개요
- 2: 데이터 작업
- 5: 관계형 데이터베이스
- 6: 비관계형 데이터베이스
- 7: Python
- 8: 데이터 준비
- 3: 데이터 시각화
- 9: 양의 시각화
- 10: 분포의 시각화
- 11: 비율의 시각화
- 12: 관계의 시각화
- 13: 의미 있는 시각화
- 4: 데이터 과학 생애 주기
- 14: 소개
- 15: 분석
- 16: 커뮤니케이션
- 5: 클라우드에서의 데이터 과학
- 17: 소개
- 18: 로우코드 옵션
- 19: Azure
- 6: 실제 데이터 과학
- 20: 개요
의견을 들려주세요!
이 커리큘럼이 여러분과 학생들에게 잘 맞도록 만들고 싶습니다. 토론 게시판에서 피드백을 남겨주세요! 학생들을 위한 교실 공간을 토론 게시판에 만들어도 좋습니다.
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.