محیط وب یکی از بزرگترین منابع برای دادههای گوناگون است. اگر میخواهید قیمتهای یک فروشگاه اینترنتی را یکجا استخراج کنید، دادههای بورس یا قیمت ارز را از وبسایتهای مربوطه بدست آورید، یا آمار اقتصادی و محیط زیستی وبگاه یک سازمان را برای استفاده در تحقیق خود به دست آورید باید فناوریهای استخراج داده از وب را یاد بگیرید. این فرآیندها که معمولا تحت عنوانهای کلی Web Crawling یا Web Scraping شناخته میشوند، در این دوره با رویکرد پروژهمحور به شما آموزش داده خواهد شد.
در دوره آموزشی «استخراج داده از وب» قبل از هر چیزی یاد میگیریم دنیای وب از چه تکنولوژیهایی ساخته شده و یک صفحه وب از چه اجزائی تشکیل شده است. چه پروتکلها و فرآیندهایی در بازیابی اطلاعات از وب وجود دارد و نقش هر کدام چیست. سپس روشهای کلاسیک برای بدست آوردن دادهها از وب را میآموزیم و در مثالهای واقعی، اخذ دادهها از صفحات وب را گام به گام و با استفاده از ابزارهای Web scraping و همچنین زبان Python تمرین خواهیم کرد. پروژه پایانی دوره بهترین فرصت برای تمرین آموختههای شما در طول دوره خواهد بود.