7.1 KiB
Для викладачів
Хочете використовувати цю навчальну програму у своєму класі? Будь ласка, не соромтеся!
Насправді, ви можете використовувати її безпосередньо в GitHub, скориставшись GitHub Classroom.
Для цього зробіть форк цього репозиторію. Вам потрібно буде створити окремий репозиторій для кожного уроку, тому необхідно витягнути кожну папку в окремий репозиторій. Таким чином, GitHub Classroom зможе обробляти кожен урок окремо.
Ці детальні інструкції допоможуть вам зрозуміти, як налаштувати свій клас.
Використання репозиторію в поточному вигляді
Якщо ви хочете використовувати цей репозиторій у його поточному стані, без використання GitHub Classroom, це також можливо. Вам потрібно буде повідомити своїм студентам, над яким уроком працювати разом.
В онлайн-форматі (Zoom, Teams або інші) ви можете створювати кімнати для обговорень для проходження вікторин і наставляти студентів, щоб підготувати їх до навчання. Потім запросіть студентів пройти вікторини та надіслати свої відповіді у вигляді "issues" у певний час. Ви можете зробити те саме із завданнями, якщо хочете, щоб студенти працювали спільно та відкрито.
Якщо ви віддаєте перевагу більш приватному формату, попросіть своїх студентів форкнути навчальну програму, урок за уроком, у свої власні приватні репозиторії GitHub і надати вам доступ. Тоді вони зможуть проходити вікторини та виконувати завдання приватно, надсилаючи їх вам через "issues" у вашому класному репозиторії.
Існує багато способів організувати це в онлайн-класі. Будь ласка, дайте нам знати, що працює найкраще для вас!
Що включено в цю навчальну програму:
20 уроків, 40 вікторин і 20 завдань. До уроків додаються скетчноути для візуальних учнів. Багато уроків доступні як для Python, так і для R, і їх можна виконувати за допомогою Jupyter Notebook у VS Code. Дізнайтеся більше про те, як налаштувати свій клас для використання цього технічного стеку: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Усі скетчноути, включаючи постер великого формату, знаходяться в цій папці.
Ви також можете запустити цю навчальну програму як автономний, офлайн-дружній вебсайт, використовуючи Docsify. Встановіть Docsify на свій локальний комп'ютер, а потім у кореневій папці локальної копії цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.
Офлайн-версія навчальної програми відкриється як автономна вебсторінка: https://localhost:3000
Уроки згруповані в 6 частин:
- 1: Вступ
- 1: Визначення науки про дані
- 2: Етика
- 3: Визначення даних
- 4: Огляд ймовірностей і статистики
- 2: Робота з даними
- 5: Реляційні бази даних
- 6: Нереляційні бази даних
- 7: Python
- 8: Підготовка даних
- 3: Візуалізація даних
- 9: Візуалізація кількостей
- 10: Візуалізація розподілів
- 11: Візуалізація пропорцій
- 12: Візуалізація взаємозв'язків
- 13: Змістовні візуалізації
- 4: Життєвий цикл науки про дані
- 14: Вступ
- 15: Аналіз
- 16: Комунікація
- 5: Наука про дані в хмарі
- 17: Вступ
- 18: Низькокодові рішення
- 19: Azure
- 6: Наука про дані в реальному світі
- 20: Огляд
Поділіться своїми думками!
Ми хочемо зробити цю навчальну програму корисною для вас і ваших студентів. Будь ласка, залишайте свої відгуки на дошках обговорень! Не соромтеся створювати окрему зону для вашого класу на дошках обговорень для ваших студентів.
Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.