5.6 KiB
Dành cho Giáo viên
Bạn muốn sử dụng chương trình học này trong lớp học của mình? Hãy thoải mái sử dụng nhé!
Thực tế, bạn có thể sử dụng nó ngay trên GitHub bằng cách sử dụng GitHub Classroom.
Để làm điều đó, hãy fork repo này. Bạn sẽ cần tạo một repo cho mỗi bài học, vì vậy bạn cần tách từng thư mục thành một repo riêng. Bằng cách đó, GitHub Classroom có thể nhận từng bài học một cách riêng biệt.
Những hướng dẫn chi tiết này sẽ giúp bạn hình dung cách thiết lập lớp học của mình.
Sử dụng repo như hiện tại
Nếu bạn muốn sử dụng repo này như hiện tại, mà không cần dùng GitHub Classroom, điều đó cũng hoàn toàn khả thi. Bạn sẽ cần giao tiếp với học sinh của mình để xác định bài học nào sẽ cùng nhau thực hiện.
Trong môi trường học trực tuyến (Zoom, Teams, hoặc các nền tảng khác), bạn có thể tạo các phòng thảo luận nhỏ cho các bài kiểm tra, và hướng dẫn học sinh để họ sẵn sàng học tập. Sau đó, mời học sinh tham gia các bài kiểm tra và nộp câu trả lời dưới dạng 'issues' vào một thời điểm nhất định. Bạn cũng có thể làm tương tự với các bài tập, nếu bạn muốn học sinh làm việc cộng tác một cách công khai.
Nếu bạn thích một hình thức riêng tư hơn, hãy yêu cầu học sinh fork chương trình học, từng bài một, vào các repo GitHub riêng tư của họ và cấp quyền truy cập cho bạn. Sau đó, họ có thể hoàn thành các bài kiểm tra và bài tập một cách riêng tư và nộp chúng cho bạn thông qua issues trên repo lớp học của bạn.
Có rất nhiều cách để làm cho điều này hoạt động trong một lớp học trực tuyến. Hãy cho chúng tôi biết cách nào phù hợp nhất với bạn!
Bao gồm trong chương trình học này:
20 bài học, 40 bài kiểm tra, và 20 bài tập. Các bài học đi kèm với sketchnotes dành cho những người học trực quan. Nhiều bài học có sẵn bằng cả Python và R và có thể được thực hiện bằng Jupyter notebooks trong VS Code. Tìm hiểu thêm về cách thiết lập lớp học của bạn để sử dụng công nghệ này: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Tất cả các sketchnotes, bao gồm cả một poster khổ lớn, đều nằm trong thư mục này.
Bạn cũng có thể chạy chương trình học này dưới dạng một trang web độc lập, thân thiện với chế độ offline bằng cách sử dụng Docsify. Cài đặt Docsify trên máy tính của bạn, sau đó trong thư mục gốc của bản sao repo này trên máy của bạn, gõ docsify serve. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: localhost:3000.
Một phiên bản thân thiện với chế độ offline của chương trình học sẽ mở ra dưới dạng một trang web độc lập: https://localhost:3000
Các bài học được chia thành 6 phần:
- 1: Giới thiệu
- 1: Định nghĩa Khoa học Dữ liệu
- 2: Đạo đức
- 3: Định nghĩa Dữ liệu
- 4: Tổng quan về Xác suất và Thống kê
- 2: Làm việc với Dữ liệu
- 5: Cơ sở dữ liệu Quan hệ
- 6: Cơ sở dữ liệu Phi Quan hệ
- 7: Python
- 8: Chuẩn bị Dữ liệu
- 3: Trực quan hóa Dữ liệu
- 9: Trực quan hóa Số lượng
- 10: Trực quan hóa Phân phối
- 11: Trực quan hóa Tỷ lệ
- 12: Trực quan hóa Mối quan hệ
- 13: Trực quan hóa Có ý nghĩa
- 4: Vòng đời Khoa học Dữ liệu
- 14: Giới thiệu
- 15: Phân tích
- 16: Truyền đạt
- 5: Khoa học Dữ liệu trên Đám mây
- 17: Giới thiệu
- 18: Các tùy chọn Low-Code
- 19: Azure
- 6: Khoa học Dữ liệu trong Thực tế
- 20: Tổng quan
Hãy cho chúng tôi ý kiến của bạn!
Chúng tôi muốn làm cho chương trình học này phù hợp với bạn và học sinh của bạn. Hãy gửi phản hồi cho chúng tôi trên các bảng thảo luận! Đừng ngần ngại tạo một khu vực lớp học trên các bảng thảo luận dành cho học sinh của bạn.
Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc sự không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn tham khảo chính thức. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.