6.6 KiB
برای آموزگاران
آیا مایلید از این برنامه آموزشی در کلاس خود استفاده کنید؟ لطفاً با خیال راحت این کار را انجام دهید!
در واقع، می‌توانید از آن در خود GitHub با استفاده از GitHub Classroom استفاده کنید.
برای این کار، این مخزن را fork کنید. شما باید برای هر درس یک مخزن ایجاد کنید، بنابراین باید هر پوشه را به یک مخزن جداگانه استخراج کنید. به این ترتیب، GitHub Classroom می‌تواند هر درس را به صورت جداگانه دریافت کند.
این دستورالعمل‌های کامل به شما ایده‌ای می‌دهد که چگونه کلاس خود را تنظیم کنید.
استفاده از مخزن به شکل فعلی
اگر مایلید از این مخزن به همان شکلی که اکنون هست استفاده کنید، بدون استفاده از GitHub Classroom، این کار نیز امکان‌پذیر است. شما باید با دانش‌آموزان خود ارتباط برقرار کنید که کدام درس را با هم کار کنند.
در یک قالب آنلاین (Zoom، Teams یا دیگر ابزارها) ممکن است اتاق‌های گروهی برای آزمون‌ها تشکیل دهید و دانش‌آموزان را راهنمایی کنید تا آماده یادگیری شوند. سپس دانش‌آموزان را دعوت کنید تا آزمون‌ها را انجام دهند و پاسخ‌های خود را به عنوان 'issues' در زمان مشخص ارسال کنند. شما می‌توانید همین کار را با تکالیف انجام دهید، اگر می‌خواهید دانش‌آموزان به صورت گروهی و عمومی کار کنند.
اگر قالب خصوصی‌تر را ترجیح می‌دهید، از دانش‌آموزان خود بخواهید برنامه آموزشی را درس به درس به مخازن GitHub خصوصی خود fork کنند و به شما دسترسی بدهند. سپس آن‌ها می‌توانند آزمون‌ها و تکالیف را به صورت خصوصی انجام دهند و از طریق issues در مخزن کلاس شما به شما ارسال کنند.
راه‌های زیادی برای اجرای این برنامه آموزشی در قالب کلاس آنلاین وجود دارد. لطفاً به ما اطلاع دهید که چه چیزی برای شما بهتر کار می‌کند!
شامل در این برنامه آموزشی:
20 درس، 40 آزمون، و 20 تکلیف. یادداشت‌های تصویری همراه درس‌ها برای یادگیرندگان بصری ارائه شده‌اند. بسیاری از درس‌ها در هر دو زبان Python و R موجود هستند و می‌توانند با استفاده از Jupyter notebooks در VS Code تکمیل شوند. اطلاعات بیشتر درباره تنظیم کلاس برای استفاده از این تکنولوژی: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
تمام یادداشت‌های تصویری، از جمله یک پوستر بزرگ، در این پوشه قرار دارند.
شما همچنین می‌توانید این برنامه آموزشی را به عنوان یک وب‌سایت مستقل و مناسب برای استفاده آفلاین با استفاده از Docsify اجرا کنید. Docsify را نصب کنید روی دستگاه محلی خود، سپس در پوشه اصلی کپی محلی این مخزن، دستور docsify serve را اجرا کنید. وب‌سایت روی پورت 3000 در localhost شما اجرا خواهد شد: localhost:3000.
نسخه مناسب برای استفاده آفلاین این برنامه آموزشی به عنوان یک صفحه وب مستقل باز خواهد شد: https://localhost:3000
درس‌ها به 6 بخش تقسیم شده‌اند:
- 1: مقدمه
- 1: تعریف علم داده
- 2: اخلاق
- 3: تعریف داده
- 4: مرور احتمال و آمار
- 2: کار با داده‌ها
- 5: پایگاه‌های داده رابطه‌ای
- 6: پایگاه‌های داده غیررابطه‌ای
- 7: Python
- 8: آماده‌سازی داده‌ها
- 3: مصورسازی داده‌ها
- 9: مصورسازی مقادیر
- 10: مصورسازی توزیع‌ها
- 11: مصورسازی نسبت‌ها
- 12: مصورسازی روابط
- 13: مصورسازی‌های معنادار
- 4: چرخه عمر علم داده
- 14: مقدمه
- 15: تحلیل
- 16: ارتباط
- 5: علم داده در فضای ابری
- 17: مقدمه
- 18: گزینه‌های کم‌کد
- 19: Azure
- 6: علم داده در دنیای واقعی
- 20: مرور کلی
لطفاً نظرات خود را با ما در میان بگذارید!
ما می‌خواهیم این برنامه آموزشی برای شما و دانش‌آموزانتان مفید باشد. لطفاً بازخورد خود را در بخش‌های بحث به ما ارائه دهید! همچنین می‌توانید یک بخش کلاس در بخش‌های بحث برای دانش‌آموزان خود ایجاد کنید.
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادقتی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.