4.5 KiB
Para Educadores
Gostaria de usar este currículo na sua sala de aula? Sinta-se à vontade!
Na verdade, pode utilizá-lo diretamente no GitHub, recorrendo ao GitHub Classroom.
Para isso, faça um fork deste repositório. Vai precisar de criar um repositório para cada lição, extraindo cada pasta para um repositório separado. Desta forma, o GitHub Classroom consegue identificar cada lição individualmente.
Estas instruções completas dão-lhe uma ideia de como configurar a sua sala de aula.
Utilizar o repositório como está
Se preferir usar este repositório no seu formato atual, sem recorrer ao GitHub Classroom, também é possível. Nesse caso, terá de comunicar aos seus alunos qual a lição a seguir em conjunto.
Num formato online (Zoom, Teams ou outro), pode criar salas de grupo para os questionários e orientar os alunos para os preparar para aprender. Depois, convide os alunos a realizar os questionários e a submeter as suas respostas como 'issues' num momento específico. Pode fazer o mesmo com os trabalhos, caso deseje que os alunos colaborem de forma aberta.
Se preferir um formato mais privado, peça aos seus alunos para fazerem fork do currículo, lição por lição, para os seus próprios repositórios privados no GitHub, e conceder-lhe acesso. Assim, poderão completar os questionários e trabalhos de forma privada e submetê-los através de issues no repositório da sua sala de aula.
Existem várias formas de fazer isto funcionar num formato de sala de aula online. Por favor, diga-nos qual funciona melhor para si!
Incluído neste currículo:
20 lições, 40 questionários e 20 trabalhos. As lições incluem sketchnotes para os alunos que aprendem melhor visualmente. Muitas lições estão disponíveis tanto em Python como em R e podem ser realizadas utilizando Jupyter notebooks no VS Code. Saiba mais sobre como configurar a sua sala de aula para usar esta stack tecnológica: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Todos os sketchnotes, incluindo um poster em grande formato, estão disponíveis nesta pasta.
Também pode executar este currículo como um site autónomo e compatível offline, utilizando o Docsify. Instale o Docsify na sua máquina local e, na pasta raiz da sua cópia local deste repositório, digite docsify serve. O site será servido na porta 3000 do seu localhost: localhost:3000.
Uma versão compatível offline do currículo será aberta como uma página web autónoma: https://localhost:3000
As lições estão organizadas em 6 partes:
- 1: Introdução
- 1: Definir Ciência de Dados
- 2: Ética
- 3: Definir Dados
- 4: Visão Geral de Probabilidade e Estatística
- 2: Trabalhar com Dados
- 5: Bases de Dados Relacionais
- 6: Bases de Dados Não Relacionais
- 7: Python
- 8: Preparação de Dados
- 3: Visualização de Dados
- 9: Visualização de Quantidades
- 10: Visualização de Distribuições
- 11: Visualização de Proporções
- 12: Visualização de Relações
- 13: Visualizações Significativas
- 4: Ciclo de Vida da Ciência de Dados
- 14: Introdução
- 15: Análise
- 16: Comunicação
- 5: Ciência de Dados na Cloud
- 17: Introdução
- 18: Opções de Baixo Código
- 19: Azure
- 6: Ciência de Dados no Mundo Real
- 20: Visão Geral
Por favor, partilhe a sua opinião!
Queremos que este currículo funcione para si e para os seus alunos. Por favor, dê-nos o seu feedback nos fóruns de discussão! Sinta-se à vontade para criar uma área de sala de aula nos fóruns de discussão para os seus alunos.
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original no seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas resultantes do uso desta tradução.