Sta znaci na Srpskom BLUMENSTOCK - prevod na Српском

• блуменстоцк

Примери коришћења Blumenstock на Енглеском и њихови преводи на Српски

Adapted from Blumenstock.
Прилагођено из Blumenstock.

Blumenstock was interested in measuring wealth and well-being.
Блуменстоцк је био заинтересован за мерење богатства и благостања.

Figure 3.16: Schematic of the study by Blumenstock, Cadamuro, and On(2015).
Слика 3. 16: Схема студије Blumenstock, Cadamuro, and On( 2015).

Adapted from Blumenstock, Cadamuro, and On(2015), figures 1a and 3c.
Прилагођено од Blumenstock, Cadamuro, and On( 2015), слике 1а и 3ц.

Peer to peer economic transfers earthquake mobile money data Blumenstock, Fafchamps, and Eagle(2011).
Пеер то пеер економске трансфера земљотрес мобилни подаци новац Blumenstock, Fafchamps, and Eagle( 2011).

In particular, Blumenstock split his data into 10 chunks of 100 people each.
Конкретно, Блуменстоцк дели своје податке у 10 комада од по 100 људи.

For more about the machine learning approaches in Blumenstock, Cadamuro, and On(2015), see James et al.
За више информација о приступима машинског учења у Blumenstock, Cadamuro, and On( 2015), види James et al.

Recall that Blumenstock was interested in measuring wealth and well-being.
Подсетимо се да Блуменстоцк био заинтересован за мерење богатство и благостање.

Finally, for more about the machine learning approaches in Blumenstock, Cadamuro, and On(2015), see James et al.
На крају, за више информација о приступима за учење машина у Blumenstock, Cadamuro, and On( 2015), погледајте James et al.

For example, Blumenstock could predict with 97.6% accuracy if someone owned a radio.
На пример, Блуменстоцк би могао предвидети 97, 6% тачност ако је неко радио у радију.

These dramatically faster and lower cost estimates create new possibilities for researchers, governments, and companies(Blumenstock, Cadamuro, and On 2015).
Ове драматично брже и ниже процене трошкова створити нове могућности за истраживаче, влада, а компаније( Blumenstock, Cadamuro, and On 2015).

To start, Blumenstock partnered with the largest mobile phone provider in Rwanda.
За почетак, Блуменстоцк партнерство са највећим телефона провајдера мобилне телефоније у Руанди.

To get a sense of the quality of their estimates, Blumenstock and colleagues needed to compare them with something else.
Да би имали осећај квалитета својих процјена, Блуменстоцк и колеге требали су их упоређивати са нечим другим.

Thus, Blumenstock and colleagues might suffer from the types of coverage errors that biased the 1936 Literary Digest survey that I described earlier.
Стога, Блуменстоцк и колеге могу патити од врста грешака покривања које су пристизале на истраживање Литерарног Дигест из 1936.

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.
Уз милионе позива од породице, пријатеља и пословних сарадника, око 1. 000 Рвандана примило је позив од Јосхуа Блуменстоцк и његове колеге.

In addition to the survey data, Blumenstock and colleagues also had the complete call records for all 1.5 million people.
Поред података истраживања, Блуменстоцк и колеге имали су и потпуну евиденцију позива за свих 1, 5 милиона људи.

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.
Поред милиона позива између породицом, пријатељима и пословним сарадницима, око 1. 000 Руанде добио позив од Јосхуа Блуменстоцк и његових колега.

If this was possible, then Blumenstock could use this model to predict the survey responses of all 1.5 million customers.
Ако је то било могуће, Блуменстоцк би могао да користи овај модел да предвиде одговоре на испитивање свих 1, 5 милиона корисника.

First, in the feature engineering step, for everyone that was interviewed, Blumenstock converted the call records into a set of characteristics about each person;
Прво, у кораку карактеристика инжењеринга, за све који су интервјуисани, Блуменстоцк конвертује записе позива на скуп карактеристика око сваке особе;

In this case, Blumenstock used logistic regression, but he could have used a variety of other statistical or machine learning approaches.
У овом случају, Блуменстоцк је користио логистичку регресију, али је могао да користи различите друге приступе статистичком или машинском учењу.

In other words, by combining a small amount of survey data with the call records, Blumenstock and colleagues were able to produce estimates comparable to those from gold-standard approaches.
Другим ријечима, комбиновањем малих количина података истраживања са евиденцијом позива, Блуменстоцк и колеге су успјели произвести процјене упоредиве са онима из златно-стандардних приступа.

Thus, Blumenstock and colleagues might suffer from the types of coverage errors that biased the 1936 Literary Digest survey that I described earlier.
Стога, Блуменстоцк и колеге могу патити од врста грешака покривања које су пристизале на истраживање Литерарног Дигест из 1936. године које сам описао раније.

In order to evaluate the performance of his predictive model, Blumenstock used cross-validation, a technique commonly used in data science but rarely in social science.
Да би оценио перформансе свог предиктивног модела, Блуменстоцк је користио унакрсну проверу, технику која се обично користи у науци података, али ретко у друштвеним наукама.

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.
У овом случају, Блуменстоцк је користио логистичку регресију, али је могао да користи различите друге приступе статистичком или машинском учењу.

Next, in the supervised learning step, Blumenstock built a model to predict the survey response for each person based on their features.
Затим, у надзираном кораку учења, Блуменстоцк је направио модел за предвиђање анкетног одговора за сваку особу на основу њихових карактеристика.

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.
У овом случају, Блуменстоцк користи логистичку регресију са 10-струком унакрсног провере, али је могао да употреби низ других приступа статистичка или машина за учење.

Next, in the supervised learning step, Blumenstock built a statistical model to predict the survey response for each person based on their features.
Затим, у надгледане корак учења, Блуменстоцк изградио статистички модел за предвиђање одговора анкете за сваку особу на основу њихових карактеристика.

In conclusion, Blumenstock's amplified asking approach combined survey data with digital trace data to produce estimates comparable with gold-standard survey estimates.
У закључку, Блуменстоцк је појачан тражи податке из анкете прилазне у комбинацији са дигиталним подацима у траговима за израцунавање упоредиви са проценама истраживања злата стандард.

Putting these two estimates together, Blumenstock and colleagues produced an estimate of the geographic distribution of subscriber wealth at extremely fine spatial granularity.
Узимајући ове две процене заједно, Блуменстоцк и колеге произвели су процену географске расподеле богатства претплатника у изузетно финој просторној грануларности.

In conclusion, Blumenstock's amplified asking approach combined survey data with a big data source to produce estimates comparable to those from a gold-standard survey.
У закључку, Блуменстоцк-ов појачани приступ питању комбинује податке истраживања са великим изворима података како би произвео процјене упоредиве са онима из златног стандардног истраживања.