Fortschritte in Mathematik

Mathematik + Du = 1

Big Data
Datenverarbeitung Mathe Fakten

Anglizismen in Daten

Der Artikel beginnt schlecht. Daten und Zahlen ist schon ein Anglizismus für sich. Wir könnten sehr wohl sagen die Daten aber nein, wir verwenden Daten. Überblick über die häufigsten Anglizismen in Daten mit ihren Definitionen.

Anglizismen in Berufsbezeichnungen

Daten Scientist : Ich weiß nicht einmal, wie man sagen könnte. Datenwissenschaftler? Dieser Name wird auf Englisch so ausgesprochen, dass ich nicht einmal sicher bin, ob die Leute ihn auf Französisch verwenden. Gemäß Dieser Artikel von developer.com, sollten wir eher sagen Big-Data-Experte. Ich gestehe, dass mich dieser Name nicht wirklich überzeugt.

Data Analyst : Google Übersetzen sagt mir für diesen Job Daten Analyst. Klingt für mich weniger schlimm als Big-Data-Experte. Aber trotz alledem können wir nicht sagen, dass es gut klingt.

Dateningenieur : Data Engineer scheint zumindest etwas schlimmer. Sicherlich, weil wir bereits haben Ingenieure ein alles und nichts. Stadtplanungsingenieur, Informatiker, Elektroniker. Warum also nicht Data Engineer oder Data Engineer.

Datenarchitekt : Der Datenarchitekt, der auch zum Datengeschäft gehört, hilft dabei, die richtigen Datenarchitekturen zu erstellen, um auf Probleme zu reagieren. Das heißt, es hilft, die Daten und ihre Flüsse richtig zu organisieren.

Um mehr über diese Berufe zu erfahren, lesen Sie unseren Artikel auf Berufe nach dem mathestudium !

Anglizismen im Zusammenhang mit Daten im Allgemeinen

Datensatz : Einfach zu übersetzen: Kleidungsset = Zusammen. Daten und Zahlen = Daten. Der Datensatz ist also die Menge der Daten. Vereinfacht gesagt ist es der „Ordner“, in dem wir die Daten ablegen.

Big Data : Wenn wir also der Übersetzung des Datenwissenschaftlers folgen, sollten wir übersetzen Big Data en Große Daten. Big Data zeichnet sich aus durch die 3V. Volume, Schnelligkeit und Vielfalt sind diese 3 Eigenschaften: viele Daten, die wir mit großer Geschwindigkeit zu handhaben wissen und diese Daten sind Vielfache, von großer Vielfalt.

Hauptseite : Der korrekte Begriff auf Französisch ist Dashboard. Es ist ein Tool, mit dem Daten in viel einfacher zu lesenden Formen visualisiert werden können. Dank dieser Visualisierungen verwandeln wir Rohdaten in Informationen.

Monitor : Es kommt von Monitor, was sowohl Bildschirm als auch Monitor bedeutet. Überwachen heißt folgen, überwachen. Außerdem geschieht dies oft über ein Dashboard.

Mapping : Die wörtliche Übersetzung von Mapping ist Kartierung. Vielmehr geht es hier um die Verknüpfung mehrerer Daten. Wir führen ein Mapping durch, um Daten aus mehreren Quellen miteinander zu verknüpfen.

Eimer : Wörtlich der Eimer. Ein Bucket ist ein Objekt, das Daten mit bestimmten sehr spezifischen Eigenschaften enthalten kann. Es ist ein virtueller Speicherort, an dem verschiedene Informationen gespeichert werden können.

Anglizismen in Geschäftsdaten

KPI : Da haben wir also ein Akronym, das auch ein Anglizismus ist. KPI signifie Schlüsselleistungsindikator. Auf Französisch können wir dies mit Key Performance Indicator übersetzen. Es handelt sich also um eine Zahl, die den bestmöglichen Gesamtdatensatz darstellen soll.

Trend : Wir könnten verwenden Trend auf Französisch, aber wir tun es nicht immer. Es handelt sich hier also um die generelle Richtung, die ein Phänomen nimmt.

Motiv : Wörtlich übersetzt als Regelmäßigkeit, das Muster ist ein Muster, das sich wiederholt und hilft, bestimmte Phänomene zu unterscheiden. Das Entdecken eines Musters ermöglicht es, Regeln aufzustellen oder ein Muster zu erstellen Feature passend zu diesem Muster.

Anglizismen im maschinellen Lernen

Maschinelles Lernen : Beginnen wir mit dem Titel. Ich hatte eine Übersetzung dieses Ausdrucks in einem meiner Kursnamen. Der für die Übersetzung verwendete Begriff lautete Statistisches Lernen. bin ich auch schon gestoßen maschinelles Lernen. Wenn wir wörtlich übersetzen wollen, könnte auch haben maschinelles Lernen. Maschinelles Lernen ist der Akt der Verwendung von Algorithmen, um Maschinen Aufgaben ohne explizite Anweisung beizubringen.

Überanpassung : Wikipedia bietet 3 mögliche Übersetzungen: Overfitting, Overfitting und Overinterpreting. Es ist die Tatsache, dass ein Modell zu genau über die ihm gegebenen Daten lernt und daher nicht gut auf andere vergleichbare Daten verallgemeinern kann. Dies geschieht normalerweise, wenn dem Modell zu viele Daten übergeben werden.

Unteranpassung : Under-learning, under-fitting? Dies ist der Fall, wenn ein Modell nicht über genügend Parameter verfügt, um lernen zu können, die ihm gestellte Aufgabe zu erledigen.

Lernrate : Die Lernrate ist ein Parameter, der in einigen Lernalgorithmen vorhanden ist und bei jedem Schritt des Algorithmus bestimmt, wie schnell der Algorithmus lernt. Wenn es zu langsam lernt, dauert es lange, bis der Algorithmus optimiert ist. Wenn es zu schnell lernt, wird den erhaltenen Informationen zu viel Bedeutung beigemessen, und der Algorithmus kann möglicherweise abweichen.

Eigenschaften : Wir haben ein klares Wort auf Französisch: caractéristiques. Ein Modell hat Merkmale, also Eigenschaften. Ein Modell wird umso effizienter, wenn seine Eigenschaften gut gewählt und repräsentativ für die Realität sind.

Ausreißer : Wir können auf Französisch übersetzen Ausreißer. Es ist ein statistisch gesehen "ferner" Wert. Er hebt sich stark von den anderen Messwerten ab. In der Praxis kann es sich sowohl um eine Ausnahme als auch um einen Mess- oder Eingabefehler handeln (Beispiel: ein negatives Alter, eine Körpergröße von mehr als 3 Metern usw.).

Spezifische Anglizismen für Deep Learning

Tiefes Lernen : Für den VF, sagen wir tiefes Lernen. Es ist ein Teilgebiet des maschinellen Lernens, das tiefe neuronale Netze verwendet, also mit vielen Schichten.

Deepfake : Eine Mischung aus tiefe Lernen et Fälschung. Also eine Mischung aus Deep Learning und Fake. Wenn Sie mehr über sie erfahren möchten, siehe unseren Artikel über Deepfakes.

Schichten : Dies bedeutet Schichten. Es ist ein Begriff, der hauptsächlich im Deep Learning verwendet wird. Wir sprechen von Schichten neuronaler Netze.

Batch-Größe : Dies ist die Stichprobengröße, die in jeder Phase des Trainings verwendet wird. Wir verwenden im Allgemeinen nicht alle Daten während eines bestimmten Schritts. Wir nehmen eine (möglicherweise zufällige) Teilstichprobe einer bestimmten Größe, die Chargengröße.

Hat Ihnen dieser Artikel gefallen? Bei all dem sollten Sie mehr über Daten wissen! Nachfolgend finden Sie unsere letzten 5 Artikel:

Hinterlassen Sie einen Kommentar