4.4 KiB
Opettajille
Haluaisitko käyttää tätä opetusohjelmaa luokassasi? Ole hyvä ja käytä vapaasti!
Itse asiassa voit käyttää sitä suoraan GitHubissa hyödyntämällä GitHub Classroomia.
Tätä varten haarauta tämä repo. Sinun täytyy luoda repo jokaiselle oppitunnille, joten sinun täytyy jakaa jokainen kansio erilliseen repoon. Näin GitHub Classroom voi käsitellä jokaisen oppitunnin erikseen.
Nämä täydelliset ohjeet antavat sinulle käsityksen siitä, miten luokkahuoneesi voidaan perustaa.
Repon käyttäminen sellaisenaan
Jos haluat käyttää tätä repoja sellaisena kuin se on, ilman GitHub Classroomia, sekin onnistuu. Sinun täytyy vain viestiä opiskelijoillesi, minkä oppitunnin haluat käydä läpi yhdessä.
Verkko-opetuksessa (Zoom, Teams tai muu) voit muodostaa pienryhmiä visailuja varten ja ohjata opiskelijoita valmistautumaan oppimiseen. Sitten voit kutsua opiskelijat visailuihin ja pyytää heitä lähettämään vastauksensa 'issueina' tiettyyn aikaan. Sama menetelmä voi toimia tehtävien kanssa, jos haluat opiskelijoiden työskentelevän avoimesti yhteistyössä.
Jos haluat mieluummin yksityisemmän lähestymistavan, pyydä opiskelijoita haarauttamaan opetusohjelma, oppitunti kerrallaan, omiin GitHub-repoihinsa yksityisinä repoina ja antamaan sinulle pääsyn. Näin he voivat suorittaa visailut ja tehtävät yksityisesti ja lähettää ne sinulle issueina luokkahuoneesi repoon.
On monia tapoja saada tämä toimimaan verkko-opetuksessa. Kerro meille, mikä toimii parhaiten sinulle!
Tämä opetusohjelma sisältää:
20 oppituntia, 40 visailua ja 20 tehtävää. Oppitunteja tukevat visuaalisille oppijoille tarkoitetut luonnosmuistiinpanot. Monet oppitunnit ovat saatavilla sekä Pythonilla että R:llä, ja ne voidaan suorittaa Jupyter-notebookeilla VS Codessa. Lue lisää siitä, miten luokkahuoneesi voidaan asettaa käyttämään tätä teknologiaa: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
Kaikki luonnosmuistiinpanot, mukaan lukien suurikokoinen juliste, löytyvät tästä kansiosta.
Voit myös käyttää tätä opetusohjelmaa itsenäisenä, offline-ystävällisenä verkkosivustona hyödyntämällä Docsifyä. Asenna Docsify paikalliselle koneellesi, ja sitten paikallisen kopiosi juurikansiossa kirjoita docsify serve. Verkkosivusto palvelee portissa 3000 paikallisessa verkossasi: localhost:3000.
Offline-ystävällinen versio opetusohjelmasta avautuu itsenäisenä verkkosivuna: https://localhost:3000
Oppitunnit on jaettu kuuteen osaan:
- 1: Johdanto
- 1: Datatieteen määrittely
- 2: Etiikka
- 3: Datan määrittely
- 4: Todennäköisyys ja tilastot - yleiskatsaus
- 2: Datan käsittely
- 5: Relaatiotietokannat
- 6: Ei-relaatiotietokannat
- 7: Python
- 8: Datan valmistelu
- 3: Datan visualisointi
- 9: Määrien visualisointi
- 10: Jakautumien visualisointi
- 11: Suhteiden visualisointi
- 12: Prosenttiosuuksien visualisointi
- 13: Merkitykselliset visualisoinnit
- 4: Datatieteen elinkaari
- 14: Johdanto
- 15: Analysointi
- 16: Viestintä
- 5: Datatiede pilvessä
- 17: Johdanto
- 18: Low-Code-vaihtoehdot
- 19: Azure
- 6: Datatiede käytännössä
- 20: Yleiskatsaus
Kerro meille ajatuksesi!
Haluamme tehdä tästä opetusohjelmasta toimivan sinulle ja opiskelijoillesi. Anna meille palautetta keskustelupalstoilla! Voit myös luoda luokkahuonealueen keskustelupalstoille opiskelijoitasi varten.
Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Pyrimme tarkkuuteen, mutta huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulee pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskääntämistä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinkäsityksistä tai virhetulkinnoista.