Sta znaci na Engleskom ВЕЛИКИХ ИЗВОРА ПОДАТАКА - prevod na Енглеском

• big data sources

Примери коришћења Великих извора података на Српском и њихови преводи на Енглески

Најчешће разматрана карактеристика великих извора података је да су БИГ.
The most widely discussed feature of big data sources is that they are BIG..

Затим, у одјељку 2. 3, описујем десет заједничких карактеристика великих извора података.
Then, in Section 2.3, I describe ten common characteristics of big data sources.

Далеко од препознатљивих, много великих извора података имају информацију да је осетљив.
Far from distinctive, many big data sources have information that is sensitive.

Као и природних експеримената, одговарајући је дизајн који такође има користи од великих извора података.
Like natural experiments, matching is a design that also benefits from big data sources.

Слика 3. 12: Два начина комбиновања великих извора података и података истраживања.
Figure 3.12: Two ways to combine big data sources and survey data..

Разумијевање ових 10 општих карактеристика је користан први корак ка учењу из великих извора података.
Understanding these 10 general characteristics is a helpful first step toward learning from big data sources.

Као што сам описао у поглављу 2, већина великих извора података није доступна истраживачима.
As I described in chapter 2, most big data sources are inaccessible to researchers.

За потребе друштвена истраживања, мислим да је корисно да се направи разлика између две врсте великих извора података.
For the purposes of social research, I think it is helpful to distinguish between two kinds of big data sources.

Већина великих извора података је непотпуна, у смислу да немају информације које желите за ваше истраживање.
Most big data sources are incomplete, in the sense that they don't have the information that you will want for your research.

Становањски дрифт, искоришћење дрифта и системски дрифт отежавају кориштење великих извора података за проучавање дугорочних трендова.
Population drift, usage drift, and system drift make it hard to use big data sources to study long-term trends.

Имајући у виду ових десет карактеристике великих извора података и својствене ограничења и савршено посматраних података, каква истраживања стратегија су корисни?
Given these ten characteristics of big data sources and the inherent limitations of even perfectly observed data, what kind of research strategies are useful?

Како овај примјер илуструје, кориштење нерепрезентативних великих извора података за оба извјештавања узорка може бити врло погрешно.
As this example illustrates, using nonrepresentative big data sources to do out-of-sample generalizations can go very wrong.

За приступа машинског учења који покушавају да се аутоматски открити природне експерименте у великих извора података, погледајте Jensen et al.
For machine learning approaches that attempt to automatically discover natural experiments inside of big data sources, see Jensen et al.

Већина друштвених научника већ је упозната са процесом чишћења података великог обима социјалног истраживања, али изгледа да је чишћење великих извора података теже.
Most social scientists are already familiar with the process of cleaning large-scale social survey data, but cleaning big data sources seems to be more difficult.

Ако је истина, чини се да ово озбиљно ограничава оно што се може научити из великих извора података, јер многи од њих нису представници.
If true, this would seem to severely limit what can be learned from big data sources because many of them are nonrepresentative.

Као и многи од великих извора података у поглављу 2, каталистички мастер фајл није укључивао већину демографских, ставничких и понашања које су потребни Ансолабехеру и Херсху.
Like many of the big data sources in chapter 2, the Catalist master file did not include much of the demographic, attitudinal, and behavioral information that Ansolabehere and Hersh needed.

Ови извори промјена су понекад интересантна питања истраживања, али ове промјене компликују способност великих извора података да прате дугорочне промјене током времена.
These sources of change are sometimes interesting research questions, but these changes complicate the ability of big data sources to track long-term changes over time.

Ови четири примера показују да ће моћна стратегија у будућности бити обогаћивање великих извора података, који нису створени за истраживање, уз додатне информације које их чине бољим за истраживање( Groves 2011).
These four examples all show that a powerful strategy in the future will be to enrich big data sources, which are not created for research, with additional information that makes them more suitable for research(Groves 2011).

Истраживачи, наравно, то могу урадити у прошлости, али у дигиталном добу скала је сасвим другачија, чињеница коју су многи обожаватељи великих извора података проглашавали више пута.
Researchers could, of course, do this in past, but in the digital age, the scale is completely different, a fact that has been proclaimed repeatedly by many fans of big data sources.

Истовремено са овим распада друге ере приступи узорковања и интервјуа, постоји све већа доступност великих извора података( види Поглавље 2) који изгледа да прети да замени истраживања.
Simultaneous with this breakdown of second-era approaches to sampling and interviewing, there is increasing availability of big data sources(see Chapter 2) that appears to threaten to replace surveys.

Прво, постоји огромна вриједност и од обогаћивања великих извора података са подацима истраживања и од обогаћивања података истраживања са великим изворима података( можете видети ову студију било који начин).
First, there is tremendous value both from enriching big data sources with survey data and from enriching survey data with big data sources(you can see this study either way).

Али, Књига Живота се такође може назвати базу података пропасти( Ohm 2010), који се може користити за све врсте неморално сврхе, као што је описано више у наставку, када говорим о осјетљивости информација прикупљених од стране великих извора података испод и у поглављу 6( Етхицс).
But, the Book of Life could also be called a database of ruin(Ohm 2010), which could be used for all kinds of unethical purposes, as described more below when I talk about the sensitive nature of the information collected by big data sources below and in Chapter 6(Ethics).

Практичне и основне ограничења великих извора података, и како они могу бити превазиђени са истраживањима, илустровани су Моира Бурке и Роберта Швабо је( 2014) о томе како је снага пријатељства под утицајем интеракције на Фацебоок.
The practical and fundamental limitations of big data sources, and how they can be overcome with surveys, are illustrated by Moira Burke and Robert Kraut's(2014) research on how the strength of friendships was impacted by interaction on Facebook.

Ово поглавље има три дела. Прво, у члану 2. 2, ја описати велике податке детаљније и разјаснити фундаменталну разлику између ње и података који су генерално користи за друштвена истраживања у прошлости. Затим, у одељку 2. 3, ја описати десет заједничких карактеристика великих извора података.
This chapter has three parts. First, in Section 2.2, I describe big data in more detail and clarify a fundamental difference between it and the data that have generally been used for social research in the past. Then, in Section 2.3, I describe ten common characteristics of big data sources.

Мислим да је крајњи извор ове потешкоће тај што многи од ових великих извора података никада нису имали намеру да буду искоришћени за истраживање, тако да се они не прикупљају, чувају и документују на начин који олакшава чишћење података..
I think the ultimate source of this difficulty is that many of these big data sources were never intended to be used for research, and so they are not collected, stored, and documented in a way that facilitates data cleaning.

Ово поглавље има три дијела. Прво, у одјељку 2. 2, детаљније описујем велике изворе података и разјашњавам основну разлику између њих и података који су у прошлости обично кориштени за друштвена истраживања. Затим, у одјељку 2. 3, описујем десет заједничких карактеристика великих извора података.
This chapter has three parts. First, in section 2.2, I describe big data sources in more detail and clarify a fundamental difference between them and the data that have typically been used for social research in the past. Then, in section 2.3, I describe ten common characteristics of big data sources.

Мјерење у великим изворима података је много мање вјероватно да ће промијенити понашање.
Measurement in big data sources is much less likely to change behavior.

Велики извори података могу бити напуњен са смећа и спам.
Big data sources can be loaded with junk and spam.

У закључку, велики извори података за данас( и сутра) обично имају десет карактеристике.
In conclusion, the big data sources of today(and tomorrow) generally have ten characteristics.

Велики извори података данас, и вероватно сутра, имају тенденцију да имају 10 карактеристика.
The big data sources of today, and likely tomorrow, tend to have 10 characteristics.