IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-46162-1_7.html
   My bibliography  Save this book chapter

Praxisanwendungen

In: Online Machine Learning

Author

Listed:
  • Steffen Moritz

    (Statistisches Bundesamt)

  • Florian Dumpert

    (Statistisches Bundesamt)

  • Thomas Bartz-Beielstein

    (Institut Data Science, Engineering, and Analytics, TH Köln)

  • Eva Bartz

    (Bartz & Bartz GmbH)

Abstract

Zusammenfassung Dieses Kapitel beschäftigt sich mit Voraussetzungen, Herausforderungen, Beispielen und Potenzialen von Online-Lernverfahren im Praxiseinsatz, die anhand von Anwendungsbeispielen aufgezeigt werden. Dabei wird speziell anhand des Gebiets der amtlichen Statistik (Abschnitt 7.1) näher beleuchtet, welche Potenziale für den tatsächlichen Praxiseinsatz vorhanden sind, aber auch welche Herausforderungen bestehen (Abschnitt 7.1.1). Insbesondere wird dabei auf Herausforderungen, Online Machine Learning (OML) mit bestehenden Prozessarchitekturen (Abschnitt 7.1.3) und Qualitätssicherungsverfahren (Abschnitt 7.1.2) zu vereinen, eingegangen. Um bestehende und perspektivische Anwendungsfälle von Online Machine Learning (OML) im Rahmen der amtlichen Statistik aufzuzeigen, wird in Abschnitt 7.1.4 die OML-Nutzung in nationalen und internationalen Statistikinstitutionen evaluiert. Ergänzend werden in Abschnitt 7.2 ausgewählte Beispiele, die denen der amtlichen Statistik sehr nahe sind, dargestellt. Generelle, für den Praxiseinsatz wichtige Aspekte werden in Abschnitt 7.3 kurz zusammengefasst.

Suggested Citation

  • Steffen Moritz & Florian Dumpert & Thomas Bartz-Beielstein & Eva Bartz, 2024. "Praxisanwendungen," Springer Books, in: Thomas Bartz-Beielstein & Eva Bartz (ed.), Online Machine Learning, edition 2, chapter 0, pages 75-94, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-46162-1_7
    DOI: 10.1007/978-3-658-46162-1_7
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-46162-1_7. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.