{ "cells": [ { "cell_type": "markdown", "source": [ "# 챌린지: 데이터 과학에 관한 텍스트 분석하기\n", "\n", "이 예제에서는 전통적인 데이터 과학 프로세스의 모든 단계를 포함하는 간단한 연습을 해보겠습니다. 코드를 직접 작성할 필요는 없으며, 아래 셀을 클릭하여 실행하고 결과를 관찰할 수 있습니다. 도전 과제로서, 다른 데이터를 사용하여 이 코드를 시도해 보는 것을 권장합니다.\n", "\n", "## 목표\n", "\n", "이번 수업에서는 데이터 과학과 관련된 다양한 개념을 논의했습니다. 텍스트 마이닝을 통해 더 많은 관련 개념을 발견해 봅시다. 데이터 과학에 관한 텍스트를 시작으로, 키워드를 추출한 다음 결과를 시각화해 보겠습니다.\n", "\n", "텍스트로는 위키피디아의 데이터 과학 페이지를 사용하겠습니다:\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": [ "## ជំហានទី 1៖ ទទួលបានទិន្នន័យ\n", "\n", "ជំហានដំបូងនៅក្នុងដំណើរការបច្ចេកវិទ្យាទិន្នន័យគឺទទួលបានទិន្នន័យ។ យើងនឹងប្រើបណ្ណាល័យ `requests` ដើម្បីធ្វើដូច្នោះ៖\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", "