매번 블로그를 쓸 때마다 꾸준히 포스팅하시는 분들이 존경스럽습니다..!
블로그든 깃헙이든 꾸준히 정보를 공유해주시는 것에 대해 부쩍 감사함을 느낍니다 ㅋㅋㅋ
저도 열심히 좋은 글을 번역해오고, 또 직접 써나갈 시간을 많이 가지려고 노력하고 있습니다 ㅎㅎ
그럼 본격적으로 포스팅을 시작해볼게요!
(cs231 lecture의 모습!!)
이번 포스팅의 주제는 '데이터 사이언스 강의를 위한 10가지 팁' 입니다.
데이터 사이언스 교육의 구성과 방법은
1. 강의 주제와 내용 마다(분석, 머신러닝, 딥러닝 등등),
2. 수강 대상마다(입문자, 중급자, 고수 등등),
3. 교육 환경마다(대학 강의, 고등학교 강의, 다른 교육기관 등등)
4. 교육 기간(짧은 시간의 세미나or컨퍼런스, n개월 교육 등등)
5. 기타 등등
다르게 구성하는 것이 중요하겠죠?
통상적으로 위 요소를 고려해서 강의를 만드시겠지만,
강의 안에서 내용을 어떻게 전달해야할지에 대한 팁 10가지가 담긴 미디엄 포스트를 번역해봤습니다!
오역의 가능성이 있으니 미디엄 포스팅 원문은 아래 링크를 참고해주세요!!
(towardsdatascience.com/10-steps-to-teaching-data-science-well-322966188323)
그리고 본문에서 첨부한 free datasets link 입니다!
(github.com/awesomedata/awesome-public-datasets)
1. 교육에 참여하는 모두가 편안하게 느끼도록 분위기를 만들자
inclusive learning envirionment(포용적 교육환경)을 조성해서
교육에 참여하는 구성원들이 소속감을 느끼고 적극적으로 참여할 수 있도록 해야 합니다.
학생이 다른 학생들 앞에서 강사와 이야기하든, 강사에게 다가가서 일대일로 이야기하든요.
2. 개발에 대한 배경지식이 없는 친구들이 잘 따라올 수 있도록 확인하자
데이터 사이언스 강의에 참여하는 학생들은 각각 배경지식 상황이 다릅니다.
강의 도중에 잠깐씩 시간을 두고 모든 학생이 강의를 잘 따라오고 있는지 확인하세요.
오프라인 강의라면 학생들이 고개를 끄덕이며 강의를 듣고 있는지 확인해보면 좋을거고,
온라인 강의라면 중간중간 즉석 투표를 진행해서 확인하면 좋을 것 같습니다.
여하튼 학생들이 수업을 못따라간다고 느끼면 강사에게 적극적으로 다가갈 수 있도록 분위기를 조성해야 합니다.
3. 학생들에게 매력적으로 발표하세요
데이터 사이언스는 프로그래밍, 수학, 그리고 두 가지가 결합된 분석으로 이루어져 있습니다.
분명 쉽지 않은 분야입니다.
그렇기 때문에 강의를 하실 때 텐션을 높여서 자신감있게 설명하세요.
그러면서 학생들이 강의와 강의자료를 잘 따라오고 있는 지를 꼭 확인하세요!
4. 풀어볼 예제와 결과를 갖고 강의를 시작하세요!
데이터 사이언스는 현실세계의 문제를 풀고 분석하는 도구의 집합이에요.
데이터 사이언스라는 툴 자체가 너무 복잡하기도 하고 개념을 설명하다가 학생들이 탈주하기도 쉽습니다.
데이터 사이언스를 이용해서 풀 문제와 답(결과)을 갖고 강의를 시작하세요.
예컨대 결과를 예측하는 문제를 해결해야 한다면, 예측 결과가 이러이러해야 한다는 것을 보여주면서 시작하세요.
학생들은 분석 결과를 알고 강의를 따라갈 때, 데이터 사이언스 프로세스를 따라가기 쉽습니다.
(ex. 강사 : 저는 이런 방법으로 분석했고, xx모델을 썼고, xx 하이퍼파라미터를 써서 이런 결과가 나왔습니다. 여러분도 다양한 분석과 방법을 적용해서, 저보다 모델 성능을 높여보세요!)
5. 수치 결과값과 데이터 시각화를 텍스트 문장으로 옮기는 연습을 꼭 넣으세요
4번 팁과 비슷하지만, 결과를 어떻게 설명하고 해석하는 지를 중점으로 합니다.
항상 수치 결과값과 데이터 시각화를 깔끔하고 선명한 글문장으로 표현하도록 하세요.
결과값의 의미가 무엇인지? 데이터 시각화를 통해 어떤 인사이트를 얻을 수 있는지?
데이터 사이언스의 근본적인 질문으로 돌아가서 답을 해야 합니다.
6. Jupyter Notebook의 각 셀을 분리해서 coding methods를 표현하세요.
데이터 사이언스 교육은 대부분 Jupyter Notebook을 사용합니다.
어떤 데이터 사이언스 개념을 코드로 표현하기 위해서 여러 메소드를 사용하거나
아니면 이렇게 쓴 코드를 대체할 수 있는 다른 메소드를 사용할 때에는 반드시 새로운 셀을
사용하세요.
그 코드가 있는 셀에서 iteration을 돌리거나 셀에서 코드를 바꾸고 바뀐 결과를 보여주지 마세요.
단계적으로 코드를 설명하고, 새로 만든 셀에서 코드와 결과값을 보여주세요.
파이썬에 익숙하지 않은 학생, 그리고 익숙하더라도 강의를 잘 따라오지 못한 학생들에게는 혼란이 생길 수 있습니다!
7. 이전 수업에서 배웠던 것과 연결해서 강의를 진행하세요!
새 개념을 설명할 때, 이전에 배웠던 것들과 맥락을 지어서 설명하세요.
개념이나 토픽들이 서로 어떻게 연결되어 있는지 보여주는 마인드맵도 좋은 방법입니다.
학생들은 이 방법을 통해서 맥락을 갖고 공부할 수 있으며, 배운 것을 활용하기에도 좋습니다.
(ex. 이전 강의에서 Alexnet과 VGG를 배웠고 GoogLenet과 Resnet을 이번 강의에서 배웠다면 어떻게 발전했는지, 어떤 차이가 있는지?)
8. 풍부한 데이터셋을 사용하세요
데이터 사이언스는 숨어있는 사실이나 내용을 알아내는 툴입니다.
이런 데이터 사이언스의 잠재력으로 숨어있는 데이터셋을 활용해보세요. NBA보다는 WNBA를 써보는거죠.
강의에 사용할 데이터셋의 목록을 만드세요.
그 다음에 데이터셋이 어떤 의미를 담고 있는지, 또 어떤 의미를 담지 못했는지를 설명하는 것도 중요합니다.
9. 실제 데이터셋을 활용해보세요
강의에서는 실제 데이터셋을 사용하세요.
아이리스, 와인, 유방암, 보스턴 부동산과 같은 토이 데이터셋을 쓰는 것이 좋다는 것은 알지만,
가능하면 조금 더 현실적인 데이터셋을 사용해보세요.
수강생들이 강의장 밖에서도 고민해볼 수 있는 현실세계의 데이터셋을 가지고 문제를 해결해보는 것이 중요합니다.
여기에 오픈소스 데이터가 있으니 참고해보세요.
(github.com/awesomedata/awesome-public-datasets)
10. 즐겁게 하세요!
즐거운 수업분위기를 만드세요! 데이터 사이언스 강의에서 가장 중요한 부분입니다.
데이터 사이언스는 배우면서 또 나눌 수 있는 혁신적이고 흥미로운 분야입니다.
여러분은 강사로서 자부심을 가지세요!
학생들의 지식 민주화에 기여하고 데이터 사이언스를 활용 가능하도록 하는 것은 중요하답니다!!
----------------------------------------------------------
3줄요약
1. 데이터 사이언스 교육을 잘 만들어 보자
2. 열심히 만들어 보자
3. 여러분의 교육 tip은 무엇인가요?!
'AI_Education' 카테고리의 다른 글
| Coding Bootcamp VS University, 어떤 차이가 있을까요? (0) | 2020.10.07 |
|---|---|
| 초중고 인공지능(AI) 시범학교가 선정됐습니다 (0) | 2020.04.14 |
| EU에서도 AI교육을 활발히 보급한다고 합니다 (0) | 2020.01.08 |
