{ "cells": [ { "cell_type": "markdown", "source": [ "# आव्हान: डेटा सायन्सबद्दल मजकूराचे विश्लेषण\n", "\n", "या उदाहरणात, पारंपरिक डेटा सायन्स प्रक्रियेच्या सर्व टप्प्यांचा समावेश असलेला एक साधा सराव करूया. तुम्हाला कोणताही कोड लिहायची गरज नाही, फक्त खालील सेल्सवर क्लिक करून त्यांना चालवा आणि परिणाम पाहा. आव्हान म्हणून, तुम्हाला वेगवेगळ्या डेटासह हा कोड वापरून पाहण्यास प्रोत्साहित केले जाते.\n", "\n", "## उद्दिष्ट\n", "\n", "या धड्यात, आपण डेटा सायन्सशी संबंधित वेगवेगळ्या संकल्पनांवर चर्चा केली आहे. **टेक्स्ट मायनिंग** करून आणखी संबंधित संकल्पना शोधण्याचा प्रयत्न करूया. आपण डेटा सायन्सबद्दलच्या मजकुरासह सुरुवात करू, त्यातून कीवर्ड्स काढू, आणि नंतर परिणामाचे दृश्यांकन करण्याचा प्रयत्न करू.\n", "\n", "मजकूर म्हणून, मी विकिपीडियावरील डेटा सायन्स पृष्ठाचा वापर करणार आहे:\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": [ "## चरण 1: डेटा मिळवणे\n", "\n", "प्रत्येक डेटा सायन्स प्रक्रियेतील पहिलं पाऊल म्हणजे डेटा मिळवणे. यासाठी आपण `requests` लायब्ररीचा वापर करू:\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", "