总结如何申请注册 GitHub 教师教育优惠 Benefits for Teachers 来免费使用 copilot

news2024/11/28 10:42:36

目录

  • 1. GitHub 教师教育优惠有什么
  • 2. 如何申请教师教育优惠呢
    • 2.1 选择学校
    • 2.2 更改个人信息
    • 2.3 准备证明材料
    • 2.4 提交申请
    • 2.5 遇到的问题
      • 2.5.1 问题 1
      • 2.5.2 问题 2
      • 2.5.3 问题 3
  • 3. 申请免费的 GitHub Copilot

学生注册不在此处赘述了,网上有很多教程可以参考。但是如何注册 GitHub 教师优惠的文章却不多,此处来总结一下经历的坑和经验。

1. GitHub 教师教育优惠有什么

不像学生优惠有 Student Developer Pack,内置有各家的教育优惠通用,如 JetBrains 等的免费使用,GitHub 教师教育优惠(Benefits for Teachers)只有部分的福利。

以下是申请学生优惠的福利 GitHub Global Campus features for students:
在这里插入图片描述
GitHub 教师教育优惠(Benefits for Teachers)包含了 GitHub Team、GitHub Classroom 的福利,虽然这两个我可能用不到。还有一个比较有用的就是免费使用 copilot。

以下是 Benefits for Teachers 的福利 GitHub Global Campus features for teachers:
在这里插入图片描述

2. 如何申请教师教育优惠呢

2.1 选择学校

首先,点开申请链接 https://education.github.com/discount_requests/application,然后选择 Teacher 后,填写相关信息,如图
在这里插入图片描述
在这里插入图片描述
如果在学校中没有你的学校,那么输入并且提交后,GitHub 会跳转到新增页面。建议使用带可以获取位置信息的设备(比如笔记本、手机等带 GPS 的),然后会获取你当前学校的位置,然后填写一些信息即可新增。由于我已经申请成功了,这里我就不再麻烦地新建账号再去搞了,就简单描述一下了。

**重要!!!**当此处已经有你的学校/单位了之后,请输入并选择你的单位,然后此时这个框里会有 GitHub 给的英文名称,请复制出来,这个需要在个人信息处和证明文件中用到。

2.2 更改个人信息

  1. 打开 GitHub profile 页面(https://github.com/settings/profile)。
  2. 在 Name 处填写你的英文名字。
  3. 在 Bio 处填写刚刚选择的工作单位的英文。
  4. 提交更改。

2.3 准备证明材料

需要一份带英文的证明材料,并且打印盖章。必要的字段有(我猜测的必要字段,同时原谅我的渣渣英文,有更好的翻译可以自行替换):

  1. Name,姓名
  2. Work Place,工作单位
  3. Position,职位
  4. since,开始时间
  5. Util,结束时间
  6. GitHub,GitHub 名
    在这里插入图片描述
    其中,需要注意的是,申请的是教师,那么在证明文件中需要带有 Employed 字样表明雇佣关系。

2.4 提交申请

该步骤建议使用手机(带摄像头、GPS 的电脑也凑合),打开上面说的申请界面,输入完工作单位和使用情况后,打开手机摄像头,拍摄刚刚准备的证明文件,然后提交即可。

2.5 遇到的问题

我在提交过程中,遇到了很多坑,在第 14 次提交后终于通过了。前面 13 次提交都是秒拒绝,也就是说,GitHub 机器初审就给拒绝了。主要就是需要有可信的文件、个人资料和证明文件一致、是教师的雇佣关系。当机器审核没有过,后续也就没有办法进行下去了。

下面说说遇到的问题和解决方案。

2.5.1 问题 1

Please consider using your device camera to submit academic affiliation documents. Uploaded images are more easily manipulated and are therefore less trustworthy.
这个提示需要拍照上传,否则 GitHub 认为你的文件可能存在造假。

2.5.2 问题 2

You are unlikely to be verified until you have completed your GitHub user profile with your full name as it appears in your academic affiliation document plus a short bio.
这个就是个人信息和证明文件没有对应起来。检查 GitHub profile 页面的 Name 和 Bio 是否体现了自己的英文名和英文工作单位。然后再检查证明文件有没有包含上述说的要点。

2.5.3 问题 3

If you meant to apply as a student, please cancel your application and reapply here.
一般是证明文件没有证据表示是学生还是教师,需要有雇佣字样 Employed。

其他问题暂时没有遇到,可以自行根据描述解决。
然后我总共 14 次申请终于通过了,开心。
第 14 次通过啦

3. 申请免费的 GitHub Copilot

如果没有通过教育优惠,那么使用 GitHub Copilot 是要花钱的,每个月 10 块钱。

而此时我们有可以免费使用 GitHub Copilot 的福利了。步骤和付费差不多,也是进入 GitHub Copilot 的页面 GitHub Copilot 进行申请。

当有了教育优惠之后,申请是不需要添加信用卡的,详情见 为个人帐户注册 GitHub Copilot
在这里插入图片描述
至此,教师的教育优惠和免费使用 GitHub Copilot 的总结到此为止,可以快乐地使用 GitHub Benefits for Teachers 的福利啦~~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/524426.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

软件测试面试面对HR提出的问题,怎么回答才不会被面试官“套路”

面试中,如何回答HR提出的问题很大程度上决定了面试能不能成功。 下面是软件测试人员在面试过程中经常被问到的10个问题,告诉你怎么回答才不会被面试官套路...... 请你做一个自我介绍 误区: 一般人回答这个问题过于平常,只说姓…

JVM学习(一)

一、JVM介绍 1.1基本概念 JVM 是可运行 Java 代码的假想计算机 ,包括一套字节码指令集、一组寄存器、一个栈、 一个垃圾回收,堆 和 一个存储方法域。JVM 是运行在操作系统之上的,它与硬件没有直接 的交互。 1.2 运行过程 我们都知道 Java …

1000W用户1Wqps高并发签到系统的架构和实操

说在前面 在尼恩的(50)读者社群中,经常有小伙伴面试的时候,遇到一个一个高并发 架构方面的问题,比如: (1) 高并发秒杀系统如何架构? (2) 高并发签到系统如何架构? (3) 等等等等… 刚…

【C++】函数高级

目录 🍊一.函数的默认参数🍊 1.默认参数的性质 2.函数默认参数的注意事项 🍎二.函数的占位参数🍎 🍏三.函数的重载 🍏 1.重载的性质和条件 (1)修改参数的个数 &#xff…

go语言中文文档 学习笔记(未完)

这里写目录标题 网络编程互联网协议介绍socket编程socket图解TCP编程服务端客户端 UDP编程TCP黏包 http编程WebSocket编程 网络编程 互联网协议介绍 socket编程 socket图解 Socket是应用层与TCP/IP协议族通信的中间软件抽象层。在设计模式中,Socket其实就是一个门…

12.设计模式之门面模式

前言 门面模式,是指提供一个统一的接口去访问多个子系统的多个不同的接口,它为子系统中的一组接口提供一个统一的高层接口。使得子系统更容易使用。日志框架slf4J是门面模式最经典的应用场景。 本节,我们就门面模式,展开详细介绍…

1.setContentView流程分析

1. setContentView初步分析之继承自Activity 我们创建的MainActivity继承自Activity,在代码中使用setContentView(R.layout.activity_main),查看他在Activity中的源码如下: public void setContentView(LayoutRes int layoutResID) {//这里的getWindow方法获取到一个PhoneWind…

什么是好代码/坏代码?给普通人的图解示例

本文翻译自国外论坛 medium,原文地址:https://medium.com/todbotts.triangles/what-is-good-bad-code-an-illustrated-example-for-non-programmers-1222b600a0f0 我曾经在某个地方读到过一句话,基本上有以下内容: 在现代世界中&a…

算法(一)—— 回溯(3)

文章目录 1 78 子集2 90 子集II3 491 递增子序列 子集问题 1 78 子集 如果把 子集问题、组合问题、分割问题都抽象为一棵树的话,那么组合问题和分割问题是收集树的叶子节点,而子集问题是找树的所有节点! 因为需要找到所有的节点&#xff0…

JavaEE(系列一 )-- 计算机是如何进行工作的

目录 1. 操作系统 2. 进程/任务(Process/Task) 2.1 进程 2.2 进程管理 2.2.1 进程的结构体 2.2.2 进程调度 2.3 并行 和 并发 2.4 内存分配 -- 内存管理(Memory Manage) 2.5 进程间通信 3. 线程 1. 操作系统 操作系统是一组做计算机资源管理的软件的…

谷歌I/O大会重磅发布:Bard编码能力优化后仍不支持中文,开发者选择CodeGeeX更佳

谷歌I/O大会今天凌晨发布,打出系列AI组合拳。除了发布升级版语言模型PaLM2之外,Bard能力也要起飞。 凭借改进的数学、逻辑和推理技能,Bard 现在可以帮助生成、解释和调试 20 多种编程语言的代码,开发者们需要输入prompt&#xff0…

C#从入门到入坟(原创不易,转载请注明出处)

文章目录 C# 基础篇0 环境部署1 Hello world1.1 两种框架1.2 创建项目的过程1.3 项目组成结构1.3.1 解决方案和项目1.3.2 程序集信息1.3.3 引用1.3.4 配置文件1.3.5 程序入口类 1.4 解决方案1.5 Debug 和 Release1.6 CSharp虚拟机初始1.7 .Net Framework混合语言开发1.8 托管代…

上下文感知的体素对比学习用于标签高效的多器官分割

文章目录 Context-Aware Voxel-Wise Contrastive Learning for Label Efficient Multi-organ Segmentation摘要本文方法有监督损失Context-Aware Contrastive Learning Loss for Unlabeled Voxels 实验结果 Context-Aware Voxel-Wise Contrastive Learning for Label Efficient…

GSMA-eSIM-官网规范说明

GSMA | eSIM Consumer and IoT Specifications - eSIM GSMA | eSIM Consumer and IoT Specifications - eSIMhttps://www.gsma.com/esim/esim-specification/ 架构、测试、技术规范 3.0版本 测试套件 EID的定义和分配 GSMA EID Definition and Assignment 合规性规范 自我评…

第十四届蓝桥杯青少组模拟赛Python真题 (2023年2月12日),包含答案

第十四届蓝桥杯青少组模拟赛Python真题 (2023年2月12日) 一、选择题 第 1 题 单选题 关于Python3.10,下列选项描述正确的是 ( )。 答案:B 第 2 题 单选题 下列数据类型中,哪一个是不可变的?() 答案:B 第 3 题 单选题 以下关于函数参数描述正确的是 ()。 答案:D 第 …

【JAVAEE】文件操作——IO

目录 💋1. 冯诺伊曼体系 🐷2. 内存与外存的区别 ✨3. 文件 🎁3.1 认识文件 ✌3.2 文件的管理 🍳3.3 文件路径 🎃3.4 文件的保存 👑3.4.1 文本文件 📷3.4.2 二进制文件 🎀3.5 文件系…

Python基本数据类型之一——set(集合)

Python基本数据类型之一——set(集合) 一、python集合定义 集合(set)是一个无序不重复元素的序列。基本功能是进行成员关系测试和删除重复元素。 二、创建方式 在Python中,创建集合有两种方式: 一种是用一对大括号将多个用逗号分隔的数据括起来。 另一种…

Vue3-黑马(九)

目录: (1)vue3-antdv-删除选中 (2)vue3-进阶-antdv-增改 (3)vue3-进阶-antdv-增改2 (1)vue3-antdv-删除选中 我们在表格中在加一列,做一个复选框&#xff…

【一起啃书】《机器学习》第六章 支持向量机

文章目录 第六章 支持向量机6.1 间隔和支持向量6.2 对偶问题6.3 核函数6.4 软间隔与正则化6.5 支持向量回归6.6 核方法6.7 一些问题 第六章 支持向量机 6.1 间隔和支持向量 给定训练样本集 D { ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x m , y m ) } , y i ∈ { − 1 , …

【YOLO系列】--YOLOv4超详细解读/总结

YOLOv4(YOLOv4: Optimal Speed and Accuracy of Object Detection)(原文+解读/总结+翻译) 系列文章: YOLOv1论文解读/总结_yolo论文原文_耿鬼喝椰汁的博客-CSDN博客 YOLOv2论文解读/总结_耿鬼…