4.2 KiB
Za učitelje
Bi radi uporabili ta učni načrt v svojem razredu? Kar izvolite!
Pravzaprav ga lahko uporabite kar znotraj GitHuba, tako da uporabite GitHub Classroom.
Za to morate narediti fork tega repozitorija. Za vsako lekcijo boste morali ustvariti ločen repozitorij, zato boste morali vsako mapo izvleči v ločen repozitorij. Na ta način lahko GitHub Classroom obravnava vsako lekcijo posebej.
Te celovite instrukcije vam bodo pokazale, kako postaviti svoj razred.
Uporaba repozitorija v trenutni obliki
Če želite uporabiti ta repozitorij v trenutni obliki, brez uporabe GitHub Classroom, je to prav tako mogoče. S študenti boste morali komunicirati, katero lekcijo naj skupaj obdelajo.
V spletnem formatu (Zoom, Teams ali drugo) lahko organizirate ločene sobe za kvize in mentorirate študente, da se pripravijo na učenje. Nato povabite študente, da rešijo kvize in oddajo svoje odgovore kot 'issues' ob določenem času. Podobno lahko ravnate z nalogami, če želite, da študenti sodelujejo javno.
Če imate raje bolj zaseben format, prosite študente, da naredijo fork učnega načrta, lekcijo za lekcijo, v svoje zasebne GitHub repozitorije in vam omogočijo dostop. Nato lahko kvize in naloge opravijo zasebno ter jih oddajo prek 'issues' v vašem razrednem repozitoriju.
Obstaja veliko načinov, kako to prilagoditi spletnemu učnemu okolju. Prosimo, sporočite nam, kaj vam najbolj ustreza!
Kaj je vključeno v ta učni načrt:
20 lekcij, 40 kvizov in 20 nalog. Lekcije spremljajo sketchnotes za vizualne učence. Veliko lekcij je na voljo tako v Pythonu kot v R-ju in jih je mogoče opraviti z uporabo Jupyter zvezkov v VS Code. Več o tem, kako postaviti svoj razred za uporabo te tehnološke opreme, si lahko preberete tukaj: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Vse sketchnotes, vključno z velikim plakatom, so v tej mapi.
Ta učni načrt lahko zaženete tudi kot samostojno, brez povezave prijazno spletno stran z uporabo Docsify. Namestite Docsify na svojo lokalno napravo, nato v korenski mapi lokalne kopije tega repozitorija vnesite docsify serve. Spletna stran bo na voljo na portu 3000 na vašem localhostu: localhost:3000.
Različica učnega načrta, prijazna za uporabo brez povezave, se bo odprla kot samostojna spletna stran: https://localhost:3000
Lekcije so razdeljene v 6 delov:
- 1: Uvod
- 1: Definicija podatkovne znanosti
- 2: Etika
- 3: Definicija podatkov
- 4: Pregled verjetnosti in statistike
- 2: Delo s podatki
- 5: Relacijske baze podatkov
- 6: Nerelacijske baze podatkov
- 7: Python
- 8: Priprava podatkov
- 3: Vizualizacija podatkov
- 9: Vizualizacija količin
- 10: Vizualizacija porazdelitev
- 11: Vizualizacija deležev
- 12: Vizualizacija odnosov
- 13: Smiselne vizualizacije
- 4: Življenjski cikel podatkovne znanosti
- 14: Uvod
- 15: Analiza
- 16: Komunikacija
- 5: Podatkovna znanost v oblaku
- 17: Uvod
- 18: Možnosti z malo kode
- 19: Azure
- 6: Podatkovna znanost v praksi
- 20: Pregled
Prosimo, delite svoje mnenje!
Želimo, da ta učni načrt deluje za vas in vaše študente. Prosimo, da nam posredujete povratne informacije na forumih za razpravo! Ustvarite lahko tudi razredno območje na forumih za razpravo za svoje študente.
Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.