{ "cells": [ { "cell_type": "markdown", "source": [ "# సవాలు: డేటా సైన్స్ గురించి పాఠ్య విశ్లేషణ\n", "\n", "ఈ ఉదాహరణలో, సంప్రదాయ డేటా సైన్స్ ప్రక్రియలో ఉన్న అన్ని దశలను కవర్ చేసే సులభమైన వ్యాయామం చేద్దాం. మీరు కో드를 రాయాల్సిన అవసరం లేదు, కింది సెల్స్‌పై క్లిక్ చేసి వాటిని అమలు చేసి ఫలితాన్ని చూడవచ్చు. ఒక సవాలుగా, విభిన్న డేటాతో ఈ కోడ్‌ను ప్రయత్నించమని మీరు ప్రోత్సహించబడుతున్నారు.\n", "\n", "## లక్ష్యం\n", "\n", "ఈ పాఠంలో, మనం డేటా సైన్స్‌కు సంబంధించిన విభిన్న భావనలను చర్చించాము. కొన్ని **పాఠ్య మైనింగ్** ద్వారా మరింత సంబంధిత భావనలను కనుగొనగలమా అనేదాన్ని ప్రయత్నిద్దాం. డేటా సైన్స్ గురించి ఒక పాఠ్యాన్ని తీసుకుని, దానిలోని కీలకపదాలను తీసుకుని, ఆపై ఫలితాన్ని విజువలైజ్ చేయడానికి ప్రయత్నిస్తాము.\n", "\n", "ఒక పాఠ్యంగా, న్యూటుపిడియాలోని డేటా సైన్స్ గురించి పేజీని ఉపయోగిస్తాను:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 62, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## Step 1: డేటా పొందడం\n", "\n", "ప్రతి డేటా సైన్స్ ప్రాసెస్‌లో మొదటి దశ డేటాను పొందటం. మేము ఇది చేయడానికి `requests` లైబ్రరీని ఉపయోగించగలము:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 63, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Data science - Wikipedia\n", "