Що таке BLUMENSTOCK Англійською - Англійська переклад

• blumenstock

Приклади вживання Blumenstock Українська мовою та їх переклад на Англійською

Результати з Таблиці 2 Blumenstock(2014).
Results from Table 2 of Blumenstock(2014).

Малюнок 3.14: Результати Blumenstock, Cadamuro, and On(2015).
Figure 3.14: Results from Blumenstock, Cadamuro, and On(2015).

Що Blumenstock був зацікавлений у вимірі багатства і благополуччя.
Blumenstock was interested in measuring wealth and well-being.

Насправді, я вже описав роботу Blumenstock ненадовго в розділі 1.
In fact, I have already described Blumenstock's work briefly in Chapter 1.

Blumenstock і його колеги продемонстрували ефективність свого підходу двома способами.
Blumenstock and colleagues demonstrated the performance of their approach in two ways.

Більш детальну інформацію про машину підходів до навчання в Blumenstock, Cadamuro, and On(2015), см James et al.
For more about the machine learning approaches in Blumenstock, Cadamuro, and On(2015), see James et al.

Щоб почати, Blumenstock партнерські відносини з найбільшим оператором мобільного зв'язку телефону в Руанді.
To start, Blumenstock partnered with the largest mobile phone provider in Rwanda.

Спеціальний робочий економічні переклади землетрус мобільних грошових даних Blumenstock, Fafchamps, and Eagle(2011).
Peer to peer economic transfers earthquake mobile money data Blumenstock, Fafchamps, and Eagle(2011).

По- перше, в особливість інженерної стадії, для всіх, хто давав інтерв'ю, Blumenstock перетворені записи викликів в набір характеристик про кожну людину;
First, in the feature engineering step, for everyone that was interviewed, Blumenstock converted the call records into a set of characteristics about each person;

Ці значно більш швидкі і більш низькі оцінки вартості створюють нові можливості для дослідників, урядів і компаній(Blumenstock, Cadamuro, and On 2015).
These dramatically faster and lower cost estimates create new possibilities for researchers, governments, and companies(Blumenstock, Cadamuro, and On 2015).

Нарешті, щоб дізнатись більше про підходи до машинного навчання в Blumenstock, Cadamuro, and On(2015), див. James et al.
Finally, for more about the machine learning approaches in Blumenstock, Cadamuro, and On(2015), see James et al.

На додаток до мільйонів дзвінків між членами сім'ї, друзями і діловими партнерами, близько 1000 руандійців отримав дзвінок від Джошуа Blumenstock і його колег.
In addition to the millions of calls from family, friends, and business associates, about 1,000 Rwandans received a call from Joshua Blumenstock and his colleagues.

Далі, в підконтрольного стадії вивчення, Blumenstock побудували статистичну модель для прогнозування відповідь на опитування для кожної людини, в залежності від їх особливостей.
Next, in the supervised learning step, Blumenstock built a statistical model to predict the survey response for each person based on their features.

Одним із прикладів підсилюється питати приходить від роботи Джошуа Blumenstock, який хотів, щоб зібрати дані, які допомогли б розвитку керівництво в бідних країнах.
One example of amplified asking comes from the work of Joshua Blumenstock, who wanted to collect data that would help guide development in poor countries.

В цьому випадку Blumenstock використовували логістичну регресію з 10-кратним перехресної перевірки, але він міг би використовувати цілий ряд інших підходів статистичних або машинного навчання.
In this case, Blumenstock used logistic regression, but he could have used a variety of other statistical or machine learning approaches.

Більш детальну інформацію про дані, які використовуються в Blumenstock, Cadamuro, and On(2015) папір в Blumenstock and Eagle(2010) і Blumenstock and Eagle(2012).
More details on the data used in Blumenstock, Cadamuro, and On(2015) paper are in Blumenstock and Eagle(2010) and Blumenstock and Eagle(2012).

Для оцінки цього емпірично, Blumenstock і наукових співробітників з Кігалі інститут науки і техніки називається зразок близько тисячі клієнтів мобільних телефонів.
To assess this empirically, Blumenstock and research assistants from Kigali Institute of Science and Technology called a sample of about a thousand mobile phone customers.

У більш загальному плані, на малюнку 3. 12 показані для деяких ознак Blumenstock не поліпшився далеко за межі просто зробити простий базовий прогноз, але і для інших ознак є деяке поліпшення.
More generally, figure 3.15 shows that for some traits Blumenstock did not improve much beyond just making the simple baseline prediction, but that for other traits there was some improvement.

Для оцінки цього емпірично, Blumenstock і наукових співробітників з Кігалі інститут науки і техніки називається зразок близько тисячі клієнтів мобільних телефонів.
In order to build and train such a model, Blumenstock and research assistants from Kigali Institute of Science and Technology called a random sample of about a thousand customers.

Blumenstock, Cadamuro, and On(2015) вартості та часу в Blumenstock, Cadamuro, and On(2015) більше стосується змінних витрат- вартість одного додаткового опитування- і не включає фіксовані витрати, такі як вартість очищення та обробки даних дзвінка.
The cost and time estimates in Blumenstock, Cadamuro, and On(2015) refer more to variable cost- the cost of one additional survey- and do not include fixed costs such as the cost to clean and process the call data.

Порівнюючи першу і другу спробу Blumenstock по крайней проблеми також ілюструє важливий урок про перехід від другої ери до третього підходів епохи для обстеження досліджень: початок не кінець.
Comparing Blumenstock's first and second attempt at the problem also illustrates an important lesson about the transition from second era to third era approaches to survey research: the beginning is not the end.

І я хотів би подякувати Arnout ван де Rijt і Девіда Ротшильда для надання даних, що використовуються для відтворення деяких графів з їхніх робіт, і я хотів би подякувати Джош Blumenstock для створення файлів публічних реплікації для його папери.
And, I would like to thank Arnout van de Rijt and David Rothschild for providing data used to recreate some of the graphs from their papers, and I would like to thank Josh Blumenstock for making public replication files for his paper.

В цьому випадку Blumenstock використовували логістичну регресію з 10-кратним перехресної перевірки, але він міг би використовувати цілий ряд інших підходів статистичних або машинного навчання.
In this case, Blumenstock used logistic regression with 10-fold cross-validation, but he could have used a variety of other statistical or machine learning approaches.

Наприклад, 97,3% повідомили, що володіють радіо, так що якщо Blumenstock передбачали, що кожен буде повідомляти про володінні радіо він мав би точність 97,3%, що на диво схоже на виконання його більш складної процедури(точність 97,6%).
For example, 97.3% reported owning a radio so if Blumenstock had predicted that everyone would report owning a radio he would have had an accuracy of 97.3%, which is surprisingly similar to the performance of his more complex procedure(97.6% accuracy).

На закінчення Blumenstock-х ампліфікували з проханням підхід в поєднанні даних обстеження з цифровими даними трасування для отримання оцінок, порівнянних з оцінками обстеження золотим стандартом.
In conclusion, Blumenstock's amplified asking approach combined survey data with digital trace data to produce estimates comparable with gold-standard survey estimates.

Наприклад, для кожної людини, Blumenstock розраховується загальна кількість днів з активністю, число різних людей, людина перебувала в контакті з, кількість грошей, витрачених на ефірний час, і так далі.
For example, for each person, Blumenstock calculated total number of days with activity, the number of distinct people a person has been in contact with, the amount of money spent on airtime, and so on.

Джошуа Blumenstock, Габріель Cadamuro, і Роберт На(2015) об'єднані докладні дані телефонного дзвінка від близько 1, 5 мільйонів чоловік з даними опитування від близько 1000 чоловік, щоб оцінити географічний розподіл багатства в Руанді.
Joshua Blumenstock, Gabriel Cadamuro, and Robert On(2015) combined detailed phone call data from about 1.5 million people with survey data from about 1,000 people in order to estimate the geographic distribution of wealth in Rwanda.

Вартість і час оцінки в Blumenstock, Cadamuro, and On(2015) відносяться більше до змінної витрат вартості одного додаткового обстеження, і не включають в себе фіксовані витрати, такі як вартість, щоб очистити і обробити дані викликів.
The cost and time estimates in Blumenstock, Cadamuro, and On(2015) refer more to variable cost- the cost of one additional survey- and do not include fixed costs such as the cost to clean and process the call data.