各类学习者都沉浸在海量的信息和在线学习资源中。这种信息轰炸常常使人们感到困惑，不知道如何找到合适的课程、教程、书籍或其他材料，以简化他们的学习过程并实现他们的个人目标和需求。
数据科学社区也不例外。更令人困惑的是，最近一家知名学习平台的行为引起了许多人（包括讲师）的质疑。这些事件进一步扩大了可信来源的真空，使学习者无法找到学习途径。
作为回应，一群志同道合的数据科学社区 (DSC) 爱好者提出了一个想法，即建立一个社区来源的 Python 和 R 学习资源库，主要关注免费材料。这就是 GitHub 上新的 Data Science Repository 的起源。
该存储库跟踪高质量的数据科学（R 和 Python）课程和学习资源，并在一个地方提供有关推荐资源的信息。其中大部分是通过 Twitter 直接互动从数据科学社区的输入中整理而来的。此外，对托管课程的平台的行为感到不满的讲师也提出了学习者可以访问相同材料的替代方法。他们建议的课程替代方案包含在存储库中。
Data Science Repo 的总体目标是为任何对学习数据科学感兴趣的人提供丰富的行业最佳学习材料和学习路径。尽管该项目正在蹒跚学步并且仍在进行中，但该存储库现在托管了有关 100 多个 R 和 Python 学习资源的信息。
我们相信该项目可以为社区创造重大价值。 我们的目标是
- 通过高质量、经过社区测试的在线课程和材料，在一个地方支持更好的学习和教学。 该存储库允许用户添加课程、音频、视频、链接、电子书等。
- 提供民主化的学习体验，独立学习者可以根据自己的学习水平（初级、中级或高级）进行自定进度的课程。 这些课程完全是自学和自定进度的，没有讲师，没有开始或结束日期，没有大学学分，也没有完成认证。 它们旨在针对那些认为从行业标准、高质量内容中学习有价值的学习者。 该存储库还提供电子书下载、离线阅读、注释工具、文本搜索和社交学习的链接。
- 鼓励社区学习。 该存储库欢迎持续的投入，并鼓励数据科学社区内的互动和讨论，以实现课程和学习材料的持续评估、改进和增长。 这种社区来源的方法意味着课程是根据 DSC 成员的直接经验和建议进行管理的。 反过来，这也意味着他们为专业知识做出贡献并推动数据科学学习向前发展。
存储库的优势包括
- 覆盖正确的受众。 由于该存储库围绕 DSC 成员共有的主题或特征构建，因此该存储库的结构提供了一个平台来解决一个自我组织且感兴趣的数据科学受众。 该存储库并非仅仅希望合适的人听到您的声音，而是专门用于将您与合适的人联系起来。
- 培养相关的对话。 该存储库提供了一个平台，可以在远离混合论坛混乱的情况下，就数据科学主题进行实时对话和重点讨论。 这些讨论提供了宝贵的机会来增加社区知识，因为用户可以从这些对话中提取含义。 它还允许快速反馈，以查找和参与存储库中可用的内容并探索新的协作。
- 实现有效的定制。 虽然该存储库努力满足 DSC 和学习者的集体需求，但它通过广泛的选择提供灵活性，并提供指导以创建个性化的流，根据学习者的要求提供相关信息。
Data Science Repo 旨在在动员连接和促进社会变革方面发挥核心作用，创建一个双赢的局面，行业主题专家创建和策划的高质量学习资源可以快速提供给学习者。 学习者现在可以设置他们的学习议程，而不是相反，因为 Data Science Repo 为他们提供了这样做的手段。
这是一个新项目，背后的团队欢迎贡献。 如果您想参与其中，请在存储库中提交问题，以便受邀参与开发过程。
6 条评论