{ "cells": [ { "cell_type": "markdown", "source": [ "# चुनौती: डेटा साइंस के बारे में टेक्स्ट का विश्लेषण\n", "\n", "> *इस नोटबुक में, हम विभिन्न URL - मशीन लर्निंग पर विकिपीडिया लेख का उपयोग करने का प्रयोग करते हैं। आप देख सकते हैं कि, डेटा साइंस के विपरीत, इस लेख में कई शब्दावली हैं, जिससे विश्लेषण और भी जटिल हो जाता है। हमें कीवर्ड एक्सट्रैक्शन करने के बाद डेटा को साफ करने के लिए एक और तरीका निकालना होगा, ताकि कुछ सामान्य लेकिन अर्थहीन शब्द संयोजनों से छुटकारा पाया जा सके।*\n", "\n", "इस उदाहरण में, चलो एक साधारण अभ्यास करते हैं जो पारंपरिक डेटा साइंस प्रक्रिया के सभी चरणों को कवर करता है। आपको कोई कोड लिखने की आवश्यकता नहीं है, आप नीचे कोष्ठकों पर क्लिक करके उन्हें निष्पादित कर सकते हैं और परिणाम देख सकते हैं। एक चुनौती के रूप में, आप प्रोत्साहित किए जाते हैं कि आप इस कोड को विभिन्न डेटा के साथ आजमाएं।\n", "\n", "## लक्ष्य\n", "\n", "इस पाठ में, हमने डेटा साइंस से संबंधित विभिन्न अवधारणाओं पर चर्चा की है। चलो कुछ **टेक्स्ट माइनिंग** करके और संबंधित अवधारणाओं की खोज करने की कोशिश करते हैं। हम डेटा साइंस पर एक टेक्स्ट से शुरू करेंगे, उसमें से कीवर्ड निकालेंगे, और फिर परिणाम को विज़ुअलाइज़ करने की कोशिश करेंगे।\n", "\n", "एक टेक्स्ट के रूप में, मैं विकिपीडिया से डेटा साइंस का पृष्ठ उपयोग करूंगा:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 2, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'\r\n", "url = 'https://en.wikipedia.org/wiki/Machine_learning'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## Step 1: डेटा प्राप्त करना\n", "\n", "हर डेटा साइंस प्रक्रिया का पहला चरण डेटा प्राप्त करना होता है। हम इसके लिए `requests` लाइब्रेरी का उपयोग करेंगे:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 3, "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", "Machine learning - Wikipedia\n", "