Web-scraping: сбор данных из баз данных и интернет-источников: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
Строка 62: Строка 62:
 
* [https://raw.githubusercontent.com/stopwords-iso/stopwords-ru/master/stopwords-ru.txt Список] стоп-слов для русского языка, библиотека [https://pymorphy2.readthedocs.io/en/stable/ pymorphy2].
 
* [https://raw.githubusercontent.com/stopwords-iso/stopwords-ru/master/stopwords-ru.txt Список] стоп-слов для русского языка, библиотека [https://pymorphy2.readthedocs.io/en/stable/ pymorphy2].
  
===24 февраля. Работа с текстами: обзор.===
+
===24 февраля. Работа с текстами: обзор===
  
 
* [https://www.dropbox.com/s/r6aly9bqe1g4vwd/24-02-class05.mp4?dl=0 Видеозапись] занятия.
 
* [https://www.dropbox.com/s/r6aly9bqe1g4vwd/24-02-class05.mp4?dl=0 Видеозапись] занятия.

Версия 15:06, 25 февраля 2022

Это страница обязательного курса «Web-scraping: сбор данных из баз данных и интернет-источников», читаемого на программе «Психология» 4 курса бакалавриата в 2021/2022 учебном году.

Преподаватель: Тамбовцева Алла Андреевна.

Правила игры

  • Формула оценки: 0.6 × ДЗ + 0.4 × Экзамен.
  • Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются.
  • Программа курса.

Среда для работы

На данном курсе мы используем язык Python версии не ниже 3.5 и среду Jupyter Notebook. Скачать дистрибутив Anaconda, который установит интерпретатор Python, среду Jupyter Notebook и основные библиотеки для работы с данными, можно здесь. Если вы никогда не работали в Jupyter Notebook, предлагаем посмотреть небольшое видео и почитать инструкцию.

Если вы имеете мало опыта работы с Python, рекомендуем обратиться к следующим курсам на DataCamp (бесплатный доступ предоставлен всем слушателям этого курса): Introduction to Python, Python Data Science Toolbox (Part 1) и Python Data Science Toolbox (Part 2).

Материалы

27 января. Введение в web-scraping. Язык HTML и его особенности.

Дополнительно

3 февраля. Структуры данных в Python: списки, кортежи, словари.

Дополнительно

10 февраля. Парсинг HTML с библиотекой BeautifulSoup: часть 1

Дополнительно

17 февраля. Парсинг HTML с библиотекой BeautifulSoup: часть 2

Дополнительно

24 февраля. Работа с текстами: обзор

Домашние задания

Задание Дедлайн Файл с заданием
Домашнее задание 1 18.02 23:59 смотреть скачать
Домашнее задание 2 04.03 23:59 смотреть скачать
Домашнее задание 3 TBA