{ "cells": [ { "cell_type": "markdown", "source": [ "# आव्हान: डेटा सायन्सबद्दलचा मजकूर विश्लेषण करणे\n", "\n", "या उदाहरणात, चला पारंपरिक डेटा सायन्स प्रक्रियेच्या सर्व चरणांचा समावेश करणारा एक सोपा सराव करूया. तुम्हाला कोणताही कोड लिहायचा नाही, तुम्ही खालील सेल्सवर क्लिक करून ते चालवू शकता आणि परिणाम पाहू शकता. एक आव्हान म्हणून, तुम्हाला वेगवेगळ्या डेटासह हा कोड वापरून पाहण्याचे प्रोत्साहन दिले जाते.\n", "\n", "## उद्दिष्ट\n", "\n", "या धड्यांमध्ये, आपण डेटा सायन्सशी संबंधित वेगवेगळ्या संकल्पनांवर चर्चा केली आहे. चला काही **टेक्स्ट मायनिंग** करून आणखी संबंधित संकल्पना शोधण्याचा प्रयत्न करूया. आपण डेटा सायन्सबद्दलच्या एका मजकुरापासून सुरू करू, त्यातून कीवर्ड्स काढू आणि नंतर त्याचा आकलन करण्यासाठी व्हिज्युअलायझेशन करू.\n", "\n", "मजकूर म्हणून, मी विकिपीडियाच्या डेटा सायन्स पृष्ठाचा वापर करेन:\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: डेटा मिळवणे\n", "\n", "डेटा सायन्स प्रक्रियेतील पहिला टप्पा म्हणजे डेटा मिळवणे. त्यासाठी आपण `requests` लायब्ररी वापरणार आहोत:\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", "