11 KiB
അധ്യാപകര്ക്കായി
ഈ പാഠ്യപദ്ധതി നിങ്ങളുടെ ക്ലാസ്സില് ഉപയോഗിക്കണോ? ദയവായി സ്വതന്ത്രമായി ഉപയോഗിക്കൂ!
വാസ്തവത്തില്, GitHub Classroom ഉപയോഗിച്ച് GitHub-ലും ഇത് ഉപയോഗിക്കാം.
അതിനായി, ഈ റിപോ ഫോര്ക്ക് ചെയ്യുക. ഓരോ പാഠത്തിനും ഒരു റിപോ സൃഷ്ടിക്കേണ്ടതുണ്ട്, അതിനാല് ഓരോ ഫോള്ഡറും വേര്തിരിച്ച് ഒരു റിപോ ആയി മാറ്റേണ്ടതുണ്ട്. അങ്ങനെ, GitHub Classroom ഓരോ പാഠവും വേര്തിരിച്ച് സ്വീകരിക്കാം.
ഈ പൂര്ണ നിര്ദ്ദേശങ്ങള് നിങ്ങളുടെ ക്ലാസ്സ്റൂം എങ്ങനെ സജ്ജമാക്കാമെന്ന് ഒരു ആശയം നല്കും.
നിലവിലുള്ള റിപോ ഉപയോഗിക്കുന്നത്
GitHub Classroom ഉപയോഗിക്കാതെ ഈ റിപോ നിലവിലുള്ള രൂപത്തില് ഉപയോഗിക്കണമെങ്കില്, അത് സാധ്യമാണ്. ഏത് പാഠം ഒന്നിച്ച് പഠിക്കണമെന്ന് നിങ്ങളുടെ വിദ്യാര്ത്ഥികളുമായി സംവദിക്കേണ്ടതുണ്ട്.
ഓണ്ലൈന് ഫോര്മാറ്റില് (Zoom, Teams, അല്ലെങ്കില് മറ്റേതെങ്കിലും) ക്വിസുകള്ക്കായി ബ്രേക്ക്ഔട്ട് റൂമുകള് രൂപീകരിച്ച്, വിദ്യാര്ത്ഥികളെ പഠനത്തിന് തയ്യാറാക്കാന് മെന്റര് ചെയ്യാം. പിന്നീട് ക്വിസുകള്ക്കായി വിദ്യാര്ത്ഥികളെ ക്ഷണിച്ച്, ഒരു നിശ്ചിത സമയത്ത് അവരുടെ ഉത്തരം 'issues' ആയി സമര്പ്പിക്കാം. സമാനമായി അസൈന്മെന്റുകള് കൂടി, വിദ്യാര്ത്ഥികള് തുറന്നിടത്ത് സഹകരിച്ച് പ്രവര്ത്തിക്കാന് ആഗ്രഹിക്കുന്നുവെങ്കില് ചെയ്യാം.
കൂടുതല് സ്വകാര്യമായ ഫോര്മാറ്റ് ഇഷ്ടപ്പെടുന്നുവെങ്കില്, നിങ്ങളുടെ വിദ്യാര്ത്ഥികളെ പാഠം പാഠം ഫോര്ക്ക് ചെയ്ത് അവരുടെ സ്വന്തം GitHub റിപോകളില് സ്വകാര്യ റിപോകളായി സൃഷ്ടിച്ച് നിങ്ങള്ക്ക് ആക്സസ് നല്കാന് പറയുക. പിന്നീട് അവർ ക്വിസുകളും അസൈന്മെന്റുകളും സ്വകാര്യമായി പൂര്ത്തിയാക്കി നിങ്ങളുടെ ക്ലാസ്സ്റൂം റിപോയിലെ issues വഴി സമര്പ്പിക്കാം.
ഓണ്ലൈന് ക്ലാസ്സ്റൂം ഫോര്മാറ്റില് ഇത് പ്രവര്ത്തിപ്പിക്കാന് നിരവധി മാര്ഗ്ഗങ്ങളുണ്ട്. നിങ്ങള്ക്ക് ഏറ്റവും അനുയോജ്യമായത് എന്താണെന്ന് ഞങ്ങളെ അറിയിക്കുക!
ഈ പാഠ്യപദ്ധതിയില് ഉള്പ്പെടുത്തിയിരിക്കുന്നത്:
20 പാഠങ്ങള്, 40 ക്വിസുകള്, 20 അസൈന്മെന്റുകള്. ദൃശ്യ പഠനാര്ത്ഥികള്ക്കായി പാഠങ്ങളോടൊപ്പം സ്കെച്ച്നോട്ടുകള് ഉണ്ട്. പല പാഠങ്ങളും Python-ലും R-ലും ലഭ്യമാണ്, VS Code-ല് Jupyter നോട്ട്ബുക്കുകള് ഉപയോഗിച്ച് പൂര്ത്തിയാക്കാം. ഈ ടെക് സ്റ്റാക്ക് ഉപയോഗിച്ച് ക്ലാസ്സ്റൂം എങ്ങനെ സജ്ജമാക്കാമെന്ന് കൂടുതല് അറിയാന്: https://code.visualstudio.com/docs/datascience/jupyter-notebooks.
എല്ലാ സ്കെച്ച്നോട്ടുകളും, വലിയ ഫോര്മാറ്റിലുള്ള പോസ്റ്ററടക്കം, ഈ ഫോള്ഡറില് ഉണ്ട്.
Docsify ഉപയോഗിച്ച് ഈ പാഠ്യപദ്ധതി സ്റ്റാന്ഡ്എലോണ്, ഓഫ്ലൈന്-ഫ്രണ്ട്ലി വെബ്സൈറ്റ് ആയി ഓടിക്കാം. നിങ്ങളുടെ ലൊക്കല് മെഷീനില് Docsify ഇന്സ്റ്റാള് ചെയ്ത്, ഈ റിപോയുടെ റൂട്ട് ഫോള്ഡറില് docsify serve ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ ലോക്കല്ഹോസ്റ്റില് പോര്ട്ട് 3000-ല് ലഭിക്കും: localhost:3000.
ഓഫ്ലൈന്-ഫ്രണ്ട്ലി പാഠ്യപദ്ധതി സ്റ്റാന്ഡ്എലോണ് വെബ് പേജായി തുറക്കും: https://localhost:3000
പാഠങ്ങള് 6 ഭാഗങ്ങളായി ഗ്രൂപ്പ് ചെയ്തിരിക്കുന്നു:
- 1: പരിചയം
- 1: ഡാറ്റാ സയന്സ് നിർവചനം
- 2: നൈതികത
- 3: ഡാറ്റ നിർവചനം
- 4: പ്രൊബബിലിറ്റി ആൻഡ് സ്റ്റാറ്റിസ്റ്റിക്സ് അവലോകനം
- 2: ഡാറ്റയുമായി ജോലി ചെയ്യല്
- 5: റിലേഷണല് ഡാറ്റാബേസുകള്
- 6: നോണ്-റിലേഷണല് ഡാറ്റാബേസുകള്
- 7: Python
- 8: ഡാറ്റ തയ്യാറാക്കല്
- 3: ഡാറ്റാ ദൃശ്യീകരണം
- 9: അളവുകളുടെ ദൃശ്യീകരണം
- 10: വിതരണങ്ങളുടെ ദൃശ്യീകരണം
- 11: അനുപാതങ്ങളുടെ ദൃശ്യീകരണം
- 12: ബന്ധങ്ങളുടെ ദൃശ്യീകരണം
- 13: അര്ത്ഥവത്തായ ദൃശ്യീകരണങ്ങള്
- 4: ഡാറ്റാ സയന്സ് ലൈഫ്സൈക്കിൾ
- 14: പരിചയം
- 15: വിശകലനം
- 16: ആശയവിനിമയം
- 5: ക്ലൗഡിലെ ഡാറ്റാ സയന്സ്
- 17: പരിചയം
- 18: ലോ-കോഡ് ഓപ്ഷനുകള്
- 19: Azure
- 6: വന്യപ്രകൃതിയിലെ ഡാറ്റാ സയന്സ്
- 20: അവലോകനം
ദയവായി നിങ്ങളുടെ അഭിപ്രായങ്ങള് നല്കുക!
ഈ പാഠ്യപദ്ധതി നിങ്ങളുടെയും നിങ്ങളുടെ വിദ്യാര്ത്ഥികളുടെയും ആവശ്യങ്ങള്ക്ക് അനുയോജ്യമായി പ്രവര്ത്തിക്കണമെന്ന് ഞങ്ങള് ആഗ്രഹിക്കുന്നു. ചര്ച്ചാ ബോര്ഡുകളില് നിങ്ങളുടെ അഭിപ്രായങ്ങള് നല്കുക! നിങ്ങളുടെ വിദ്യാര്ത്ഥികള്ക്കായി ചര്ച്ചാ ബോര്ഡുകളില് ക്ലാസ്സ്റൂം ഏരിയ സൃഷ്ടിക്കാന് സ്വതന്ത്രമായി ശ്രമിക്കൂ.
അസൂയാ:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.