論文の概要: A fresh look at introductory data science
- arxiv url: http://arxiv.org/abs/2008.00315v1
- Date: Sat, 1 Aug 2020 18:39:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 10:28:53.171948
- Title: A fresh look at introductory data science
- Title（参考訳）: 入門データ科学の新展開
- Authors: Mine \c{C}etinkaya-Rundel and Victoria Ellison
- Abstract要約: 本稿では、これらのニーズに対処するために設計されたデータサイエンスの入門学部のケーススタディを示す。
このコースには前提条件がなく、人文科学、社会科学、自然科学の学生だけでなく、目指す統計学やデータサイエンス専攻の幅広い聴衆に役立っている。
このようなコースを提供することによって生じる課題のユニークなセットについて議論し、これらの課題を踏まえて、教育設計要素、コンテンツ、構造、計算インフラ、およびコースの評価方法論について詳細な議論を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of vast quantities of available datasets that are large and
complex in nature has challenged universities to keep up with the demand for
graduates trained in both the statistical and the computational set of skills
required to effectively plan, acquire, manage, analyze, and communicate the
findings of such data. To keep up with this demand, attracting students early
on to data science as well as providing them a solid foray into the field
becomes increasingly important. We present a case study of an introductory
undergraduate course in data science that is designed to address these needs.
Offered at Duke University, this course has no pre-requisites and serves a wide
audience of aspiring statistics and data science majors as well as humanities,
social sciences, and natural sciences students. We discuss the unique set of
challenges posed by offering such a course and in light of these challenges, we
present a detailed discussion into the pedagogical design elements, content,
structure, computational infrastructure, and the assessment methodology of the
course. We also offer a repository containing all teaching materials that are
open-source, along with supplemental materials and the R code for reproducing
the figures found in the paper.
- Abstract（参考訳）: 自然界で大規模で複雑なデータセットが大量に存在することから、大学は、データの発見を効果的に計画し、取得し、管理し、分析し、伝達するのに必要な、統計学と計算学の双方で訓練された卒業生の要求に応える必要がある。
この需要に対応するために、データサイエンスに早くから学生を惹きつけ、この分野にしっかりと進出させることがますます重要になっている。
本稿では,これらのニーズに対応するように設計されたデータサイエンス入門科のケーススタディについて述べる。
デューク大学で提供されているこのコースには前提条件がなく、人文科学、社会科学、自然科学の学生だけでなく、統計学やデータサイエンスの専攻者も幅広く利用している。
このようなコースを提供することによって生じる課題のユニークなセットについて議論し、これらの課題を踏まえて、教育設計要素、コンテンツ、構造、計算インフラ、およびコースの評価方法論について詳細な議論を行う。
また、オープンソースである教材を全て含むリポジトリと、論文に見られる数字を再現するための補足資料とrコードも提供しています。
関連論文リスト
- SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents [49.54155332262579]
我々は,科学論文のデータセット,メソッド,タスクに関連するエンティティに対して,新たなエンティティと関係抽出データセットをリリースする。
我々のデータセットには、24k以上のエンティティと12kの関係を持つ106の注釈付きフルテキストの科学出版物が含まれています。
論文 参考訳（メタデータ） (2024-10-28T15:56:49Z) - SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。
SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文 参考訳（メタデータ） (2024-06-10T21:22:08Z) - Data Science Education in Undergraduate Physics: Lessons Learned from a Community of Practice [0.6597195879147557]
我々は,データサイエンス教育実践コミュニティ(DSECOP)の知見と経験を紹介する。
DSECOPは、さまざまな機関の大学院生と物理学教育者を集めて、データサイエンスを学部の物理学教育に統合することから学んだベストプラクティスと教訓を共有する。
私たちのゴールは、データサイエンスを教育に統合し、次世代の物理学者をデータ駆動の世界に向けて準備する教育者へのガイダンスとインスピレーションを提供することです。
論文 参考訳（メタデータ） (2024-03-01T20:21:42Z) - A compendium of data sources for data science, machine learning, and
artificial intelligence [17.857341127079305]
データサイエンス、機械学習、人工知能の最近の進歩は、データに対する需要の増加につながっている。
データソースはアプリケーション固有のものであり、そのようなデータソースの完全なリストを作成することは不可能である。
この出版の目標は、複数の分野のアプリケーションにまたがるデータソースの(必然的に不完全な)リストを提供することです。
論文 参考訳（メタデータ） (2023-09-10T19:15:22Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳（メタデータ） (2023-07-03T16:01:45Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - The interdisciplinary quantum information classroom: Themes from a
survey of quantum information science instructors [0.0]
量子情報科学(QIS)コースの学際的な導入は、全米の大学で増加している。
全国の機関でQIS講座の紹介を指導するインストラクターの調査結果について報告する。
論文 参考訳（メタデータ） (2022-02-12T00:37:58Z) - CateCom: a practical data-centric approach to categorization of
computational models [77.34726150561087]
本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
論文 参考訳（メタデータ） (2021-09-28T02:59:40Z) - Toward Knowledge Discovery Framework for Data Science Job Market in the
United States [1.7205106391379024]
本稿では、米国内におけるデータサイエンス関連業務の求人市場分析のためのフレームワークを提案する。
提案するフレームワークには,連続データ収集,情報抽出,Webベースの視覚化ダッシュボードの3つのサブモジュールが含まれている。
このアプリケーションの現在のバージョンはWeb上にデプロイされており、個人や機関がデータサイエンスのポジションに必要なスキルを調査することができる。
論文 参考訳（メタデータ） (2021-06-14T21:23:15Z) - Interleaving Computational and Inferential Thinking: Data Science for
Undergraduates at Berkeley [81.01051375191828]
カリフォルニア大学バークレー校の大学院データサイエンスカリキュラムは、5つの新しいコースに固定されている。
これらのコースは計算思考、推論思考、現実世界の問題に取り組むことを強調する。
これらのコースは、キャンパスで最も人気のあるコースの一つとなり、データサイエンスの新しい学部生とマイナープログラムへの関心が高まっている。
論文 参考訳（メタデータ） (2021-02-13T22:51:24Z) - Computational Skills by Stealth in Secondary School Data Science [16.960800464621993]
本稿では,学生によるデータサイエンスへの最初の露出における計算スキルのステルス開発について論じる。
このアプローチの目的は、データ駆動学習者になる際に、興味やコーディングの自己効力によらず、学生を支援することである。
論文 参考訳（メタデータ） (2020-10-08T09:11:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。