企业官网建设流程全解析

面向初学者的数据科学课程孟加拉语版指南：10 周 20 课的项目驱动学习路线

【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

本篇指南以仓库中孟加拉语（Bengali）翻译版的课程主页 translations/bn/README.md 为骨架，系统介绍 Data Science for Beginners 课程的完整学习路径：从教学法设计、20 节课的知识地图、每课标准结构，到本地环境搭建（Codespaces / VS Code Dev Containers / Docsify 离线阅读）、测验应用运行与孟加拉语多语言支持。读完本篇，你将清楚如何以孟加拉语为界面语言，从零开始安装依赖、按周推进课程、运行 Jupyter 笔记本与测验应用，并利用稀疏检出（sparse checkout）快速获取无翻译的精简仓库。

课程概览：项目驱动 + 高频测验的双支柱教学法

该翻译版课程主页开篇即点明课程定位：由微软 Azure 云布道师团队提供，由 Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison 等作者共同编写，并以孟加拉语全文翻译。课程遵循两条教学法原则：

• 项目驱动（Project-Based）：在"边构建边学习"中掌握技能。项目从简到繁，在 10 周周期内逐步提升复杂度，这正是让新技能"真正生根"的有效方式。
• 高频测验（Frequent Quizzes）：课前一个低压力测验用于设定学习意图，课后第二个测验用于强化记忆留存。

整套课程结束时，学习者将掌握数据科学的核心理念，涵盖：数据伦理、数据准备、处理数据的多种方式（关系型与非关系型）、数据可视化、数据分析、数据科学在真实世界中的应用案例等。课程设计刻意保持灵活，可以整体学习，也可以按需节选部分章节，因此既适合自学，也适合课堂讲授。

作为翻译版，孟加拉语主页与英文原版 README.md 保持同构结构：所有课程目录、作业、测验与源码引用均与英文版一一对应，孟加拉语学习者可以完全以母语完成全部学习流程。

孟加拉语多语言支持与仓库稀疏检出

仓库采用 GitHub Action（Co-op Translator）自动维护 50+ 语言的翻译，翻译结果按语言目录存放，孟加拉语内容位于：

• 翻译文档：translations/bn/
• 翻译图片：translated_images/bn/

由于 50+ 语言的翻译会显著增大仓库体积，主页提供了sparse checkout（稀疏检出）方案——跳过translations与translated_images目录，只下载完成课程所需的全部核心内容，下载更快：

Bash / macOS / Linux：

git clone --filter=blob:none --sparse <repository-url> cd Data-Science-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD（Windows）：

git clone --filter=blob:none --sparse <repository-url> cd Data-Science-For-Beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

说明：--filter=blob:none实现按需拉取文件内容（blob），--sparse只检出顶层目录结构，git sparse-checkout set --no-cone配合/*与!translations、!translated_images精确圈定需要检出的路径。如果你需要孟加拉语版本学习，则应保留translations/bn与translated_images/bn目录，例如执行git sparse-checkout set --no-cone '/*' '!translations/!(bn)' '!translated_images/!(bn)'。

开始之前：文档导航与入门资料

翻译版主页提供了完整文档索引（这些文件位于仓库根目录，链接已统一为仓库根相对路径）：

快速开始路径（主页推荐的 4 步）：

1. 查阅 INSTALLATION.md 配置环境；
2. 查阅 USAGE.md 了解课程使用方式；
3. 从第 1 课开始按顺序推进；
4. 遇到问题先查 TROUBLESHOOTING.md。

对于完全零基础的学习者，主页强烈建议先进入 examples/README.md 的"初学者友好示例"目录——这些简单、注释详尽的脚本会在进入完整课程前帮你建立基本概念。

每课标准结构：从课前测验到课后作业

孟加拉语课程主页明确列出了每一课的统一组成部分，这也是课程可规模化复制的关键：

• 可选的素描笔记（sketchnote）
• 可选的补充视频
• 课前热身测验（pre-lesson warmup quiz）
• 书面课程（written lesson）
• 项目型课程的逐步构建指南
• 知识检查（knowledge check）
• 挑战（challenge）
• 补充阅读（supplemental reading）
• 作业（assignment）
• 课后测验（post-lesson quiz）

关于测验的说明：全部测验位于quiz-app文件夹，共 40 个测验，每个测验 3 道题。测验从课程内部链接，测验应用既可以在本地运行，也可以部署到 Azure，具体指令见 quiz-app/README.md。测验正逐步实现本地化——孟加拉语版课程即属于该多语言化进程的一部分。

20 课知识地图：六大学组全景

翻译版主页用一张完整的课程表列出 20 节课的分组、主题、学习目标与作者，以下为按六大学组整理的完整清单：

第一组：Introduction（1-Introduction）

对应孟加拉语课程文档：translations/bn/1-Introduction/

第二组：Working With Data（2-Working-With-Data）

第三组：Data Visualization（3-Data-Visualization）

第四组：Lifecycle（4-Data-Science-Lifecycle）

第五组：Cloud Data（5-Data-Science-In-Cloud）

第六组：In the Wild（6-Data-Science-In-Wild）

说明：以上链接路径均指向孟加拉语翻译目录，例如第 01 课对应 translations/bn/1-Introduction/01-defining-data-science/README.md，其余各课依此类推；英文原版结构见各课程分组目录下的 README.md、2-Working-With-Data/README.md、3-Data-Visualization/README.md、4-Data-Science-Lifecycle/README.md、5-Data-Science-In-Cloud/README.md、6-Data-Science-In-Wild/README.md。

环境搭建：三种入口任选

方式一：GitHub Codespaces（新手首选）

1. 打开仓库页面，点击Code下拉菜单；
2. 选择Codespaces标签页；
3. 点击Create codespace on main；
4. 等待环境初始化（约 2-3 分钟），所有依赖已预装。

方式二：VS Code Remote - Containers

先在本地确保满足前置条件（例如已安装 Docker），然后二选一：

• 容器卷克隆：使用 Remote-Containers 的Clone Repository in Container Volume...命令，将源码克隆进 Docker 卷而非本地文件系统（卷是容器数据持久化的首选机制）；
• 打开本地克隆：将仓库克隆到本地文件系统后，按F1选择Remote-Containers: Open Folder in Container...，选中克隆目录，等待容器启动即可开始动手。

方式三：本地安装（Linux 示例）

依据 INSTALLATION.md，本地安装的完整链路为：安装 Git → 克隆仓库 → 安装 Python 3.7+ → 创建虚拟环境 → 安装数据科学依赖 → 安装 Node.js/npm → 安装测验应用依赖 →（可选）安装 Docsify。核心命令如下：

# 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # Windows 为 venv\Scripts\activate # 安装数据科学依赖 pip install jupyter pandas numpy matplotlib seaborn scikit-learn # 安装测验应用依赖 cd quiz-app && npm install && cd .. # 安装 Docsify（可选，用于离线文档） npm install -g docsify-cli

验证安装：启动jupyter notebook打开任意课程的.ipynb；在quiz-app下运行npm run serve，测验应用默认运行于http://localhost:8080；在仓库根目录运行docsify serve，文档站默认运行于http://localhost:3000。

测验应用：本地运行与题库组织

测验是课程体验的核心组件，其实现位于 quiz-app/，是一个基于 Vue.js 的 SPA（入口见 quiz-app/src/main.js）。根据 quiz-app/README.md：

cd quiz-app npm install # 安装依赖 npm run serve # 本地开发，热重载，默认 http://localhost:8080 npm run build # 生产构建与压缩 npm run lint # 代码检查与修复

题库组织：共 40 个测验（编号从 0 到 39），每种语言一套题库，规范题库（canonical）位于assets/translations/en，其余语言按相同结构放在assets/translations/<locale>目录（从 quiz-app/src/assets/ 的目录结构可以看到每种语言 14 个 JSON 题库文件与对应index.js导入文件）。为测验应用新增翻译的流程为：创建对应语言题库目录 → 修改该目录index.js导入新题库 → 在assets/translations的index.js中注册 → 在App.vue的语言下拉框中加入该语言 → 在课程测验链接中以查询参数指定语言（如?loc=bn）。测验应用同样可以部署到 Azure Static Web Apps，Azure/static-web-apps-deploy@v1动作会在仓库中生成.github/workflows/azure-static-web-apps-<name>.yml工作流完成构建与发布。

初学者示例：五步入门脚本

对于完全新手，examples/README.md 提供了五个按难度编号、带详尽注释、可独立运行的 Python 脚本：

以05_real_world_example.py为例，它演示了完整的数据科学工作流：先定义待回答的问题（鸟击事件统计、时间模式、常见鸟种、损坏程度），随后通过pd.read_csv('../data/birds.csv')加载仓库 data/birds.csv 真实数据，用data.isnull().sum()检查缺失值，用value_counts()分析最常见鸟种，最后用 Matplotlib 生成birds_top_species.png等可视化并给出结论——这正是第 14-16 课"数据科学生命周期"思想的脚本化缩影。运行示例前只需pip install pandas numpy matplotlib（Python 3.7+）。

教师使用指南

主页为教师提供了专项指导 for-teachers.md，同时 USAGE.md 给出了一套建议的 10 周排课方案：

• 第 1-2 周：Introduction（第 1-4 课）
• 第 3-4 周：Working with Data（第 5-8 课）
• 第 5-6 周：Data Visualization（第 9-13 课）
• 第 7-8 周：Data Science Lifecycle（第 14-16 课）
• 第 9 周：Cloud Data Science（第 17-19 课）
• 第 10 周：真实世界应用与期末项目（第 20 课）

课堂上可用docsify serve在局域网内提供离线文档站（localhost:3000），学生无需联网即可阅读全部课程材料；作业评价可从学生笔记本完成度、测验成绩、以及基于数据科学生命周期原则评估的期末项目三方面展开。

离线访问与文档渲染

孟加拉语课程主页与英文版一致，推荐通过 Docsify 实现离线文档访问：fork 仓库并在本地安装 Docsify 后，在仓库根目录执行docsify serve，即可在localhost:3000阅读文档（站点配置见根目录 index.html 与 docs/_sidebar.md）。需要注意：Jupyter 笔记本不会被 Docsify 渲染，需要运行笔记本时应单独在 VS Code 中启动 Python 内核打开.ipynb文件（例如孟加拉语课程各课的 notebook，见 translations/bn/ 下的各课目录）。

后续行动清单

1. 若需精简下载，按上文 sparse checkout 命令克隆仓库；若以孟加拉语学习，保留translations/bn与translated_images/bn目录；
2. 依 INSTALLATION.md 完成 Python + Jupyter + quiz-app 依赖安装；
3. 零基础者先从 examples/README.md 的 5 个脚本入门；
4. 从孟加拉语第 01 课 translations/bn/1-Introduction/01-defining-data-science/README.md 开始，按"课前测验 → 阅读 → 笔记本练习 → 作业 → 课后测验"的节奏推进；
5. 学习过程中遇到问题查阅 TROUBLESHOOTING.md，并参考 CONTRIBUTING.md 参与多语言内容的共建。

【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