3.7 KiB
給教育工作者
想在課堂上使用這份課程嗎？請隨意使用！
事實上，您可以直接在 GitHub 上使用這份課程，透過 GitHub Classroom 來實現。
要做到這一點，請先 fork 這個倉庫。您需要為每一課創建一個倉庫，因此需要將每個資料夾提取到一個單獨的倉庫中。這樣，GitHub Classroom 就可以分別處理每一課。
這些完整的指導說明將幫助您了解如何設置您的課堂。
按原樣使用這個倉庫
如果您希望按目前的形式使用這個倉庫，而不使用 GitHub Classroom，也完全可以。您需要與學生溝通，告訴他們應該一起完成哪一課。
在線上教學（如 Zoom、Teams 或其他平台）中，您可以為測驗設置分組討論室，並指導學生為學習做好準備。然後邀請學生參加測驗，並在特定時間以 "issues" 的形式提交答案。如果您希望學生公開協作完成作業，也可以採用相同的方式。
如果您更喜歡更私密的形式，可以要求學生逐課 fork 課程到他們自己的 GitHub 私人倉庫，並授予您訪問權限。這樣，他們可以私下完成測驗和作業，並通過 classroom repo 上的 issues 提交給您。
在線課堂有很多種運作方式。請告訴我們哪種方式最適合您！
本課程包含內容：
20 節課、40 次測驗和 20 個作業。課程還附有手繪筆記，適合視覺型學習者。許多課程提供 Python 和 R 兩種版本，並可在 VS Code 的 Jupyter notebooks 中完成。了解更多關於如何設置課堂以使用這些技術堆棧的資訊：https://code.visualstudio.com/docs/datascience/jupyter-notebooks。
所有手繪筆記，包括一張大幅海報，都在這個資料夾中。
您還可以使用 Docsify 將這份課程作為獨立的、離線友好的網站運行。安裝 Docsify 到您的本地機器，然後在這個倉庫的本地副本的根目錄中輸入 docsify serve。網站將在本地端的 3000 埠上運行：localhost:3000。
課程的離線友好版本將以獨立網頁的形式打開：https://localhost:3000
課程分為六個部分：
- 1: 介紹
- 1: 定義數據科學
- 2: 倫理
- 3: 定義數據
- 4: 概率與統計概述
- 2: 處理數據
- 5: 關聯式數據庫
- 6: 非關聯式數據庫
- 7: Python
- 8: 數據準備
- 3: 數據可視化
- 9: 數量的可視化
- 10: 分佈的可視化
- 11: 比例的可視化
- 12: 關係的可視化
- 13: 有意義的可視化
- 4: 數據科學生命周期
- 14: 介紹
- 15: 分析
- 16: 溝通
- 5: 雲端中的數據科學
- 17: 介紹
- 18: 低代碼選項
- 19: Azure
- 6: 真實世界中的數據科學
- 20: 概述
請分享您的想法！
我們希望這份課程能夠滿足您和您的學生的需求。請在討論區提供您的反饋！也可以在討論區為您的學生創建一個課堂專區。
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。