Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/237400 
Autor:innen: 
Erscheinungsjahr: 
2021
Quellenangabe: 
[Journal:] WISTA – Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 73 [Issue:] 4 [Publisher:] Statistisches Bundesamt (Destatis) [Place:] Wiesbaden [Year:] 2021 [Pages:] 53-63
Verlag: 
Statistisches Bundesamt (Destatis), Wiesbaden
Zusammenfassung: 
Die High-Level-Group for the Modernization of Official Statistics der Wirtschaftskommission der Vereinten Nationen für Europa hatte für die Jahre 2019 und 2020 ein Machine-Learning-Projekt initiiert. Das Projekt ermöglichte die Durchführung von Pilotstudien, um den Mehrwert maschinellen Lernens in der amtlichen Statistik zu zeigen, sowie Arbeiten an einem Qualitätsrahmenwerk. Die Potenziale von maschinellem Lernen wurden dabei ebenso deutlich wie die Fallstricke und Hindernisse für dessen Einführung. Der Aufsatz beleuchtet die verschiedenen Arbeitsgebiete des Projekts und ordnet die Ergebnisse für die deutsche amtliche Statistik ein.
Zusammenfassung (übersetzt): 
The machine learning project of the High-Level Group for the Modernization of Official Statistics of the United Nations Economic Commission for Europe facilitated pilot studies in 2019 and 2020 to demonstrate the added value of machine learning in official statistics, as well as work on a quality framework. The potential of machine learning became clear, as did the pitfalls and barriers to its adoption. The article highlights the different work areas of the project and discusses the results for German official statistics.
Schlagwörter: 
maschinelles Lernen
Klassifikation
Plausibilisierung
Imputation
Bildanalyse
Qualität
machine learning
classification
data editing
imputation
imagery
quality
Dokumentart: 
Article

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.