{ "cells": [ { "cell_type": "markdown", "source": [ "# 도전 과제: 데이터 과학에 관한 텍스트 분석\n", "\n", "이 예제에서는 전통적인 데이터 과학 프로세스의 모든 단계를 포함하는 간단한 연습을 해보겠습니다. 코드를 작성할 필요 없이 아래 셀을 클릭하여 실행하고 결과를 관찰하면 됩니다. 도전 과제로, 다양한 데이터를 사용하여 이 코드를 시도해 보는 것을 권장합니다.\n", "\n", "## 목표\n", "\n", "이 수업에서는 데이터 과학과 관련된 다양한 개념에 대해 논의했습니다. 텍스트 마이닝을 수행하여 더 많은 관련 개념을 발견해 봅시다. 데이터 과학에 관한 텍스트를 시작으로 키워드를 추출한 후 결과를 시각화해 보겠습니다.\n", "\n", "텍스트로는 위키백과의 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": [ "## Step 1: 데이터 가져오기\n", "\n", "모든 데이터 과학 프로세스의 첫 번째 단계는 데이터를 가져오는 것입니다. 우리는 `requests` 라이브러리를 사용해서 이를 수행할 것입니다:\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", "