9.3 KiB
शिक्षकांसाठी
तुम्हाला हा अभ्यासक्रम तुमच्या वर्गात वापरायचा आहे का? कृपया मोकळ्या मनाने वापरा!
खरं तर, तुम्ही GitHub Classroom वापरून GitHub वरच हा अभ्यासक्रम वापरू शकता.
त्यासाठी, या रेपोला फोर्क करा. तुम्हाला प्रत्येक धड्यासाठी एक रेपो तयार करावा लागेल, त्यामुळे तुम्हाला प्रत्येक फोल्डर वेगळ्या रेपोमध्ये काढावा लागेल. अशा प्रकारे, GitHub Classroom प्रत्येक धडा स्वतंत्रपणे उचलू शकेल.
ही संपूर्ण सूचना तुम्हाला तुमचा वर्ग कसा सेटअप करायचा याची कल्पना देईल.
रेपो तसाच वापरणे
जर तुम्हाला GitHub Classroom न वापरता हा रेपो सध्याच्या स्वरूपात वापरायचा असेल, तर तेही शक्य आहे. तुम्हाला तुमच्या विद्यार्थ्यांशी संवाद साधावा लागेल की कोणता धडा एकत्रितपणे शिकायचा आहे.
ऑनलाइन स्वरूपात (Zoom, Teams किंवा इतर) तुम्ही क्विझसाठी ब्रेकआउट रूम तयार करू शकता आणि विद्यार्थ्यांना शिकण्यासाठी तयार होण्यासाठी मार्गदर्शन करू शकता. नंतर विद्यार्थ्यांना क्विझसाठी आमंत्रित करा आणि ठराविक वेळी त्यांची उत्तरे 'issues' म्हणून सबमिट करण्यास सांगा. जर तुम्हाला विद्यार्थ्यांनी उघडपणे सहकार्याने काम करावे असे वाटत असेल, तर तुम्ही असाइनमेंटसाठीही हेच करू शकता.
जर तुम्हाला अधिक खाजगी स्वरूप हवे असेल, तर विद्यार्थ्यांना अभ्यासक्रम, धडा-दर-धडा, त्यांच्या स्वतःच्या GitHub रेपोमध्ये खाजगी रेपो म्हणून फोर्क करण्यास सांगा आणि तुम्हाला प्रवेश द्या. मग ते क्विझ आणि असाइनमेंट खाजगीपणे पूर्ण करू शकतात आणि तुमच्या वर्गाच्या रेपोवरील issues द्वारे तुम्हाला सबमिट करू शकतात.
ऑनलाइन वर्ग स्वरूपात हे कार्यान्वित करण्याचे अनेक मार्ग आहेत. कृपया आम्हाला कळवा की तुमच्यासाठी काय सर्वोत्तम कार्य करते!
या अभ्यासक्रमात समाविष्ट:
20 धडे, 40 क्विझ, आणि 20 असाइनमेंट. व्हिज्युअल शिकणाऱ्यांसाठी धड्यांसोबत स्केच नोट्स दिल्या आहेत. अनेक धडे Python आणि R या दोन्ही भाषांमध्ये उपलब्ध आहेत आणि VS Code मधील Jupyter notebooks वापरून पूर्ण करता येतात. हा टेक स्टॅक वापरण्यासाठी तुमचा वर्ग कसा सेटअप करायचा याबद्दल अधिक जाणून घ्या: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
सर्व स्केच नोट्स, मोठ्या स्वरूपाच्या पोस्टरसह, या फोल्डरमध्ये आहेत.
तुम्ही Docsify वापरून हा अभ्यासक्रम स्वतंत्र, ऑफलाइन-फ्रेंडली वेबसाइट म्हणून चालवू शकता. Docsify इंस्टॉल करा तुमच्या स्थानिक मशीनवर, मग या रेपोच्या स्थानिक कॉपीच्या रूट फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या localhost वरील पोर्ट 3000 वर चालवली जाईल: localhost:3000.
अभ्यासक्रमाचा ऑफलाइन-फ्रेंडली आवृत्ती स्वतंत्र वेब पेज म्हणून उघडेल: https://localhost:3000
धडे 6 भागांमध्ये गटबद्ध केले आहेत:
- 1: परिचय
- 1: डेटा सायन्सची व्याख्या
- 2: नैतिकता
- 3: डेटाची व्याख्या
- 4: संभाव्यता आणि सांख्यिकीचा आढावा
- 2: डेटासोबत काम करणे
- 5: रिलेशनल डेटाबेस
- 6: नॉन-रिलेशनल डेटाबेस
- 7: Python
- 8: डेटा तयारी
- 3: डेटा व्हिज्युअलायझेशन
- 9: प्रमाणांचे व्हिज्युअलायझेशन
- 10: वितरणांचे व्हिज्युअलायझेशन
- 11: प्रमाणांचे व्हिज्युअलायझेशन
- 12: नातेसंबंधांचे व्हिज्युअलायझेशन
- 13: अर्थपूर्ण व्हिज्युअलायझेशन
- 4: डेटा सायन्स जीवनचक्र
- 14: परिचय
- 15: विश्लेषण
- 16: संवाद
- 5: क्लाउडमधील डेटा सायन्स
- 17: परिचय
- 18: लो-कोड पर्याय
- 19: Azure
- 6: वाइल्डमधील डेटा सायन्स
- 20: आढावा
कृपया तुमचे विचार सांगा!
आम्हाला हा अभ्यासक्रम तुमच्यासाठी आणि तुमच्या विद्यार्थ्यांसाठी उपयुक्त बनवायचा आहे. कृपया चर्चासत्रांमध्ये तुमचा अभिप्राय द्या! तुमच्या विद्यार्थ्यांसाठी चर्चासत्रांमध्ये वर्गाचा भाग तयार करण्यास मोकळ्या मनाने पुढे या.
अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर केल्यामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.