3.7 KiB
给教育工作者
想在课堂上使用这套课程吗？请随意使用！
事实上，您可以直接在 GitHub 上通过 GitHub Classroom 使用这套课程。
要做到这一点，请先 fork 此仓库。您需要为每节课创建一个单独的仓库，因此需要将每个文件夹提取到一个独立的仓库中。这样，GitHub Classroom 就可以分别识别每节课。
这些完整的说明将帮助您了解如何设置您的课堂。
按原样使用此仓库
如果您希望按当前形式使用此仓库，而不使用 GitHub Classroom，也完全可以。您需要与学生沟通，一起完成哪一节课程。
在在线教学环境中（如 Zoom、Teams 或其他平台），您可以为测验创建分组讨论室，并指导学生为学习做好准备。然后邀请学生参加测验，并在特定时间以“issue”的形式提交答案。如果您希望学生公开协作完成作业，也可以采用相同的方式。
如果您更喜欢更私密的形式，可以让学生逐节 fork 课程到他们自己的 GitHub 私有仓库，并授予您访问权限。这样，他们可以私下完成测验和作业，并通过您课堂仓库中的 issue 提交给您。
在在线课堂中，有很多方法可以让这套课程发挥作用。请告诉我们哪种方式最适合您！
本课程包含内容：
20 节课程，40 个测验，以及 20 个作业。课程配有手绘笔记，适合视觉型学习者。许多课程同时提供 Python 和 R 的版本，可以通过 VS Code 中的 Jupyter notebooks 完成。了解更多关于如何设置课堂以使用这套技术栈的信息：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。
所有手绘笔记，包括一张大幅海报，都在这个文件夹中。
您还可以使用 Docsify 将这套课程作为一个独立的、离线友好的网站运行。安装 Docsify 到您的本地机器，然后在本地副本的根文件夹中输入 docsify serve。网站将在本地的 3000 端口运行：localhost:3000。
课程的离线友好版本将作为一个独立的网页打开：https://localhost:3000
课程分为 6 个部分：
- 1: 介绍
- 1: 数据科学的定义
- 2: 伦理
- 3: 数据的定义
- 4: 概率与统计概述
- 2: 数据处理
- 5: 关系型数据库
- 6: 非关系型数据库
- 7: Python
- 8: 数据准备
- 3: 数据可视化
- 9: 数量的可视化
- 10: 分布的可视化
- 11: 比例的可视化
- 12: 关系的可视化
- 13: 有意义的可视化
- 4: 数据科学生命周期
- 14: 介绍
- 15: 分析
- 16: 沟通
- 5: 云端数据科学
- 17: 介绍
- 18: 低代码选项
- 19: Azure
- 6: 数据科学的实际应用
- 20: 概述
请告诉我们您的想法！
我们希望这套课程能为您和您的学生带来帮助。请在讨论区中给我们反馈！也可以在讨论区为您的学生创建一个课堂专区。
免责声明：
本文档使用AI翻译服务Co-op Translator进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。因使用本翻译而导致的任何误解或误读，我们概不负责。