Data Science for Beginners 教师使用指南用 GitHub Classroom 与 Docsify 把 20 课时数据科学课程搬进课堂【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners本指南面向希望在课堂教学中落地 Data Science for Beginners 这套开源课程的教师与教育工作者。全文围绕仓库根目录下的 for-teachers.md原文为英文本仓库同时提供了包括保加利亚语在内的多语言翻译版本如 translations/bg/for-teachers.md展开系统讲解如何通过 GitHub Classroom 按课组织作业、如何以原样使用方式在线上课堂协作、课程自带哪些可直接复用的教学资源以及如何用 Docsify 把整套课程离线运行成本地网站。读完本文你将掌握一套不依赖任何商业平台、开箱即用的数据科学课程教学落地路径。课程资源盘点20 节课、40 个测验、20 个作业在进入具体教学组织方式之前先看这套课程为教师准备了什么。根据 for-teachers.md 的说明课程主体由20 个课时lessons、40 个测验quizzes和 20 个作业assignments组成并且视觉笔记Sketchnotes每个课时都配有手绘风格的视觉笔记服务于视觉型学习者全部存放在仓库根目录的 sketchnotes 文件夹中其中包含一张大幅面的课程路线图海报sketchnotes/00-Roadmap.png以及覆盖全部 20 课的单课笔记例如 sketchnotes/01-Definitions.png。双语言实现许多课时同时提供Python 与 R两个版本并可在 VS Code 中通过 Jupyter Notebook 直接运行。仓库中如 2-Working-With-Data/07-python/notebook.ipynb、3-Data-Visualization/R/09-visualization-quantities 等路径即为佐证。配套测验应用40 个测验以 JSON 数据的形式组织在测验应用 quiz-app 中标准语言版本位于 quiz-app/src/assets/translations/en按 6 个分组文件 group-1.json 至 group-6.json 组织对应课程六大板块并已提供西语、法语等多语言翻译集。说明for-teachers.md 中称测验与作业通过 GitHub 的 issues 机制提交这一工作流完全依托 GitHub 原生能力教师无需自建任何评分系统。方案一通过 GitHub Classroom 按课组织教学for-teachers.md 推荐的第一个方案是直接在 GitHub 内使用 GitHub Classroom适合希望按课时为学生分配、回收和评分任务的教师。操作要点如下Fork 本仓库教师先将 Data-Science-For-Beginners fork 到自己的 GitHub 账号下。按课拆分仓库由于每个课时都需要一个独立的仓库供 GitHub Classroom 处理你需要把课程目录中的每个课时文件夹例如 1-Introduction/01-defining-data-science抽取出来各自作为一个独立仓库。仓库的目录结构本身就是按课时组织的01-defining-data-science、02-ethics……20-*这样的命名让拆分非常直接。建立课堂在 GitHub Classroom 中为每个课时创建作业assignment将对应的课时仓库作为模板或题目仓库。这样学生提交的作业、教师发出的反馈都会与具体的课时一一对应。这种方式的核心收益是GitHub Classroom 能为每个课时单独建立学生仓库、自动统计提交与课程一课一目录、一课一 README、一课一 assignment的组织方式天然契合。课程源码层面可以佐证这一点每个课时目录都自带结构完整的教学包例如 1-Introduction/01-defining-data-science/README.md 包含课程正文、assignment.md 包含作业说明与评分量规Rubric、notebook.ipynb 是随课 Notebook。方案二原样使用仓库不依赖 GitHub Classroom如果你不希望引入 GitHub Classroomfor-teachers.md 明确指出直接使用当前仓库本身也是完全可行的——前提是你需要与学生明确沟通本阶段共同学习哪一课。这一方案又分两种协作形态公开协作形态线上课堂 issues 提交在 Zoom、Teams 或其他线上会议工具中教师可以为测验环节创建讨论小组breakout rooms并安排导师mentor在旁辅导帮助学生为学习做好准备然后邀请学生在规定时间内完成测验并把答案以issues的形式提交到课堂仓库作业也可以采用同样的方式希望学生公开协作完成时让学生把作业成果以 issue 提交形成开放、可见的讨论流。私有提交形态学生 fork 私有仓库如果你更倾向于私有化教学要求学生逐课时 fork 课程且 fork 到自己的 GitHub 私有仓库学生需要给你教师授予仓库访问权限学生在私有仓库中完成测验与作业再通过issues提交到你的课堂仓库。for-teachers.md 也提醒让这套流程在在线课堂中运转起来的方式有很多种仓库维护方欢迎教师分享自己实践中最有效的工作流。课程资源细节视觉笔记、测验与双语言 Notebook视觉笔记Sketchnotes所有视觉笔记含大幅海报都位于 sketchnotes 文件夹。它既可以在课堂上直接投屏讲解概念也可以作为课前预习材料发给学生。下面是课程路线图海报直观展示了从数据科学定义到真实世界中的数据科学的完整学习路径单个课时也有对应的视觉笔记例如第 1 课定义数据科学的笔记测验Quizzes课程的 40 个测验对应每个课时都有课前/课后测验的使用场景详见各课时 README 顶部的测验链接。测验数据以结构化 JSON 维护在 quiz-app/src/assets/translations/en 中从源码结构看group-1.json至group-6.json与课程六大板块一一对应教师可以在课堂上用测验应用组织即时答题。测验应用的构建方式见 quiz-app/README.md。Python 与 R 双语言 Notebook多数课时同时提供 Python 与 R 实现例如Python 方向2-Working-With-Data/07-python/notebook.ipynb、1-Introduction/04-stats-and-probability/notebook.ipynb、3-Data-Visualization/09-visualization-quantities/notebook.ipynbR 方向3-Data-Visualization/R/09-visualization-quantities、2-Working-With-Data/07-python/R。这些 Notebook 可在 VS Code 中直接打开运行教师可根据班级的技术栈灵活选择语言分支。离线运行用 Docsify 把课程变成本地网站for-teachers.md 给出的另一个重要教学场景是将整套课程作为独立、可离线访问的网站运行使用的工具是 Docsify。操作流程如下安装 Docsify在本地机器上安装 Docsify CLI 工具进入仓库根目录在本地克隆副本的根目录打开终端启动服务执行docsify serve访问网站课程将以独立网页形式在本地localhost:3000打开离线友好。仓库源码对这一工作流提供了直接支持根目录的 index.html 就是一个标准的 Docsify 入口页面其window.$docsify配置声明了课程名称、仓库地址与relativePath: true相对路径模式保证各课时 README 之间的相对链接在站点内正确解析docs/_sidebar.md 则是 Docsify 侧边栏导航它按六大板块列出了全部 20 个课时的 README直接决定了离线站点的课程导航结构。此外 package.json 还声明了docsify-to-pdf依赖与convert脚本可将课程进一步导出为 PDF 文档方便打印分发。六大板块、20 个课时全景for-teachers.md 给出了课程的板块与课时组织与 docs/_sidebar.md 完全一致。教师可以据此制定学期教学计划板块课时仓库目录1. 引言1 定义数据科学2 伦理3 定义数据4 概率与统计概览1-Introduction/01-defining-data-science、1-Introduction/02-ethics、1-Introduction/03-defining-data、1-Introduction/04-stats-and-probability2. 处理数据5 关系型数据库6 非关系型数据库7 Python8 数据准备2-Working-With-Data/05-relational-databases、2-Working-With-Data/06-non-relational、2-Working-With-Data/07-python、2-Working-With-Data/08-data-preparation3. 数据可视化9 数量可视化10 分布可视化11 比例可视化12 关系可视化13 有意义的数据可视化3-Data-Visualization/09-visualization-quantities 至 3-Data-Visualization/13-meaningful-visualizations4. 数据科学生命周期14 引言15 分析16 沟通4-Data-Science-Lifecycle/14-Introduction、4-Data-Science-Lifecycle/15-analyzing、4-Data-Science-Lifecycle/16-communication5. 云端数据科学17 引言18 低代码选项19 Azure5-Data-Science-In-Cloud/17-Introduction、5-Data-Science-In-Cloud/18-Low-Code、5-Data-Science-In-Cloud/19-Azure6. 真实世界中的数据科学20 概览6-Data-Science-In-Wild/README.md每个课时目录都遵循统一结构——README.md课程正文含课前测验链接、概念讲解、代码示例、assignment.md作业说明与评分量规、notebook.ipynb可运行的 Notebook有的还附solution/参考答案目录例如 1-Introduction/01-defining-data-science/solution。这意味着教师可以低摩擦地按课时备课、布置作业并检查提交。反馈与社区协作for-teachers.md 最后呼吁教师参与课程共建课程维护方希望这套课程真正对教师和学生有用欢迎在**讨论板Discussion**中反馈意见也鼓励教师为班级在讨论板中创建专属讨论区。课程仓库同样提供了多语言翻译基础设施——translations 目录包含数十种语言的课时翻译README 与 Notebook 成对出现for-teachers.md 本身也以多语言形式分发教师可在 translations/bg/for-teachers.md 等路径查看对应语言版本。结语Data Science for Beginners 是一套拿来即用的开放教学资源借助 GitHub Classroom 可以做到一课一仓库的标准化管理借助 issues 工作流可以灵活实现公开或私有的作业提交借助 Docsify 一行命令即可获得离线可访问的课程网站。无论你的课堂在线上、线下还是混合形态这套以 20 课时、40 测验、20 作业为主体的课程都能直接服务于数据科学入门教学。【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Data Science for Beginners 教师使用指南：用 GitHub Classroom 与 Docsify 把 20 课时数据科学课程搬进课堂
Data Science for Beginners 教师使用指南用 GitHub Classroom 与 Docsify 把 20 课时数据科学课程搬进课堂【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners本指南面向希望在课堂教学中落地 Data Science for Beginners 这套开源课程的教师与教育工作者。全文围绕仓库根目录下的 for-teachers.md原文为英文本仓库同时提供了包括保加利亚语在内的多语言翻译版本如 translations/bg/for-teachers.md展开系统讲解如何通过 GitHub Classroom 按课组织作业、如何以原样使用方式在线上课堂协作、课程自带哪些可直接复用的教学资源以及如何用 Docsify 把整套课程离线运行成本地网站。读完本文你将掌握一套不依赖任何商业平台、开箱即用的数据科学课程教学落地路径。课程资源盘点20 节课、40 个测验、20 个作业在进入具体教学组织方式之前先看这套课程为教师准备了什么。根据 for-teachers.md 的说明课程主体由20 个课时lessons、40 个测验quizzes和 20 个作业assignments组成并且视觉笔记Sketchnotes每个课时都配有手绘风格的视觉笔记服务于视觉型学习者全部存放在仓库根目录的 sketchnotes 文件夹中其中包含一张大幅面的课程路线图海报sketchnotes/00-Roadmap.png以及覆盖全部 20 课的单课笔记例如 sketchnotes/01-Definitions.png。双语言实现许多课时同时提供Python 与 R两个版本并可在 VS Code 中通过 Jupyter Notebook 直接运行。仓库中如 2-Working-With-Data/07-python/notebook.ipynb、3-Data-Visualization/R/09-visualization-quantities 等路径即为佐证。配套测验应用40 个测验以 JSON 数据的形式组织在测验应用 quiz-app 中标准语言版本位于 quiz-app/src/assets/translations/en按 6 个分组文件 group-1.json 至 group-6.json 组织对应课程六大板块并已提供西语、法语等多语言翻译集。说明for-teachers.md 中称测验与作业通过 GitHub 的 issues 机制提交这一工作流完全依托 GitHub 原生能力教师无需自建任何评分系统。方案一通过 GitHub Classroom 按课组织教学for-teachers.md 推荐的第一个方案是直接在 GitHub 内使用 GitHub Classroom适合希望按课时为学生分配、回收和评分任务的教师。操作要点如下Fork 本仓库教师先将 Data-Science-For-Beginners fork 到自己的 GitHub 账号下。按课拆分仓库由于每个课时都需要一个独立的仓库供 GitHub Classroom 处理你需要把课程目录中的每个课时文件夹例如 1-Introduction/01-defining-data-science抽取出来各自作为一个独立仓库。仓库的目录结构本身就是按课时组织的01-defining-data-science、02-ethics……20-*这样的命名让拆分非常直接。建立课堂在 GitHub Classroom 中为每个课时创建作业assignment将对应的课时仓库作为模板或题目仓库。这样学生提交的作业、教师发出的反馈都会与具体的课时一一对应。这种方式的核心收益是GitHub Classroom 能为每个课时单独建立学生仓库、自动统计提交与课程一课一目录、一课一 README、一课一 assignment的组织方式天然契合。课程源码层面可以佐证这一点每个课时目录都自带结构完整的教学包例如 1-Introduction/01-defining-data-science/README.md 包含课程正文、assignment.md 包含作业说明与评分量规Rubric、notebook.ipynb 是随课 Notebook。方案二原样使用仓库不依赖 GitHub Classroom如果你不希望引入 GitHub Classroomfor-teachers.md 明确指出直接使用当前仓库本身也是完全可行的——前提是你需要与学生明确沟通本阶段共同学习哪一课。这一方案又分两种协作形态公开协作形态线上课堂 issues 提交在 Zoom、Teams 或其他线上会议工具中教师可以为测验环节创建讨论小组breakout rooms并安排导师mentor在旁辅导帮助学生为学习做好准备然后邀请学生在规定时间内完成测验并把答案以issues的形式提交到课堂仓库作业也可以采用同样的方式希望学生公开协作完成时让学生把作业成果以 issue 提交形成开放、可见的讨论流。私有提交形态学生 fork 私有仓库如果你更倾向于私有化教学要求学生逐课时 fork 课程且 fork 到自己的 GitHub 私有仓库学生需要给你教师授予仓库访问权限学生在私有仓库中完成测验与作业再通过issues提交到你的课堂仓库。for-teachers.md 也提醒让这套流程在在线课堂中运转起来的方式有很多种仓库维护方欢迎教师分享自己实践中最有效的工作流。课程资源细节视觉笔记、测验与双语言 Notebook视觉笔记Sketchnotes所有视觉笔记含大幅海报都位于 sketchnotes 文件夹。它既可以在课堂上直接投屏讲解概念也可以作为课前预习材料发给学生。下面是课程路线图海报直观展示了从数据科学定义到真实世界中的数据科学的完整学习路径单个课时也有对应的视觉笔记例如第 1 课定义数据科学的笔记测验Quizzes课程的 40 个测验对应每个课时都有课前/课后测验的使用场景详见各课时 README 顶部的测验链接。测验数据以结构化 JSON 维护在 quiz-app/src/assets/translations/en 中从源码结构看group-1.json至group-6.json与课程六大板块一一对应教师可以在课堂上用测验应用组织即时答题。测验应用的构建方式见 quiz-app/README.md。Python 与 R 双语言 Notebook多数课时同时提供 Python 与 R 实现例如Python 方向2-Working-With-Data/07-python/notebook.ipynb、1-Introduction/04-stats-and-probability/notebook.ipynb、3-Data-Visualization/09-visualization-quantities/notebook.ipynbR 方向3-Data-Visualization/R/09-visualization-quantities、2-Working-With-Data/07-python/R。这些 Notebook 可在 VS Code 中直接打开运行教师可根据班级的技术栈灵活选择语言分支。离线运行用 Docsify 把课程变成本地网站for-teachers.md 给出的另一个重要教学场景是将整套课程作为独立、可离线访问的网站运行使用的工具是 Docsify。操作流程如下安装 Docsify在本地机器上安装 Docsify CLI 工具进入仓库根目录在本地克隆副本的根目录打开终端启动服务执行docsify serve访问网站课程将以独立网页形式在本地localhost:3000打开离线友好。仓库源码对这一工作流提供了直接支持根目录的 index.html 就是一个标准的 Docsify 入口页面其window.$docsify配置声明了课程名称、仓库地址与relativePath: true相对路径模式保证各课时 README 之间的相对链接在站点内正确解析docs/_sidebar.md 则是 Docsify 侧边栏导航它按六大板块列出了全部 20 个课时的 README直接决定了离线站点的课程导航结构。此外 package.json 还声明了docsify-to-pdf依赖与convert脚本可将课程进一步导出为 PDF 文档方便打印分发。六大板块、20 个课时全景for-teachers.md 给出了课程的板块与课时组织与 docs/_sidebar.md 完全一致。教师可以据此制定学期教学计划板块课时仓库目录1. 引言1 定义数据科学2 伦理3 定义数据4 概率与统计概览1-Introduction/01-defining-data-science、1-Introduction/02-ethics、1-Introduction/03-defining-data、1-Introduction/04-stats-and-probability2. 处理数据5 关系型数据库6 非关系型数据库7 Python8 数据准备2-Working-With-Data/05-relational-databases、2-Working-With-Data/06-non-relational、2-Working-With-Data/07-python、2-Working-With-Data/08-data-preparation3. 数据可视化9 数量可视化10 分布可视化11 比例可视化12 关系可视化13 有意义的数据可视化3-Data-Visualization/09-visualization-quantities 至 3-Data-Visualization/13-meaningful-visualizations4. 数据科学生命周期14 引言15 分析16 沟通4-Data-Science-Lifecycle/14-Introduction、4-Data-Science-Lifecycle/15-analyzing、4-Data-Science-Lifecycle/16-communication5. 云端数据科学17 引言18 低代码选项19 Azure5-Data-Science-In-Cloud/17-Introduction、5-Data-Science-In-Cloud/18-Low-Code、5-Data-Science-In-Cloud/19-Azure6. 真实世界中的数据科学20 概览6-Data-Science-In-Wild/README.md每个课时目录都遵循统一结构——README.md课程正文含课前测验链接、概念讲解、代码示例、assignment.md作业说明与评分量规、notebook.ipynb可运行的 Notebook有的还附solution/参考答案目录例如 1-Introduction/01-defining-data-science/solution。这意味着教师可以低摩擦地按课时备课、布置作业并检查提交。反馈与社区协作for-teachers.md 最后呼吁教师参与课程共建课程维护方希望这套课程真正对教师和学生有用欢迎在**讨论板Discussion**中反馈意见也鼓励教师为班级在讨论板中创建专属讨论区。课程仓库同样提供了多语言翻译基础设施——translations 目录包含数十种语言的课时翻译README 与 Notebook 成对出现for-teachers.md 本身也以多语言形式分发教师可在 translations/bg/for-teachers.md 等路径查看对应语言版本。结语Data Science for Beginners 是一套拿来即用的开放教学资源借助 GitHub Classroom 可以做到一课一仓库的标准化管理借助 issues 工作流可以灵活实现公开或私有的作业提交借助 Docsify 一行命令即可获得离线可访问的课程网站。无论你的课堂在线上、线下还是混合形态这套以 20 课时、40 测验、20 作业为主体的课程都能直接服务于数据科学入门教学。【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考