Datasets:

fhswf
/

german_handwriting

image imagewidth (px) 42 4.28k	text stringlengths 2 128 ⌀
	- Terminvorschlag bis
	- Module an Michael
	Handschrift
	Datenschutz bei
	-> Urheberrecht
	Die Seerose blüht auf dem Teich.
	Studienfinanzierung erfordert Planung.
	Misserfolgsszenario: 1. Tabelle beinhaltet fehlerhafte Eigenschaften
	2. Änderungen verwerfen/auf vorherige Werte zurücksetzen
	Erfolgsgarantie: Speicherung der veränderten Werte
	Vorbedingungen: Tabelle zum Bearbeiten existiert
	Mindestgarantie: Speicherung der momentane Eigenschaften
	- MCAR = zufälliges Fehlen von Daten, unsystematische Fehler
	- MCAR - MAR - NMAR
	- Mechanismen die zu Fehldaten führen
	ausgewählten Merkmalsträger
	- Item-Nonresponse / Fehlende Werte: es fehlen einzelne Daten bei einem
	den man gewählt hat, zu bekommen
	- Unit-Nonresponse / Totalausfälle: keine Daten von einem Merkmalsträger
	=> Die Zielpersonen die bereit sind mitzumachen.
	minus systematische Ausfälle.
	- Nettostichprobe: realisierte Stichprobe. d.h bereinigte Bruttostichprobe
	z.B. Verstorbene werden aus Umfrage rausgenommen
	- Bereinigte Bruttostichprobe: Bruttostichprobe minus stichprobenneutrale Ausfälle
	- Bruttostichprobe: gezogene Stichprobe vor Realisierung
	- Definitionen: Ausschöpfung, Nonresponse, Fehldaten
	- Schwächen von ZSP und Gegenmaßnahmen
	- bessere statistische Auswertung
	weniger Gewicht, damit ausgeglichen
	(keine Zufallsschwankung) -> "seltenere" Gruppen häufiger, aber
	- Vorteil gegenüber einfacher
	statistische Auswertungen machen zu können
	- Jedes Element der GG eine bekannte Wahrscheinlichkeit, in die SP zu kommen
	- Zufallsstichprobe aus jeder Gruppe
	- Jedes Element der GG gehört nur zu einer Gruppe der AG
	Mittelwert des Populationsparameters = Gausche Normalverteilung.
	-> Der Mittelwert der Mittelwerte der ZSP ist der tatsächliche
	- Berechnung der Mittelwerte der ZSP.
	- Bedingung: Zufallsauswahl
	der wahre GG-Parameter mit einer bestimmten Wahrscheinlichkeit befindet
	- Konfindenzintervalle kennzeichnen einen Wertebereich, in welchem sich
	- Jede ZufallsSP ergibt nur eine mögliche Realisierung
	- Schätzung Populationsparameter / Grundgesamtheit
	=> Je größer SP, desto eher passt sie zu GG
	Statistiken der SP von Parametern der GG abweichen
	-> Je größer die SP, desto geringer die Wahrscheinlichkeit, dass
	- Aussage über Wahrscheinlichkeiten von Eigenschaften der Stichprobe:
	-> Seltene Ereignisse der GG gelangen selten in SP
	- Aussage über Wahrscheinlichkeiten des Auftretens einzelner Ereignisse:
	- Gesetz der großen Zahl für ALLE ZufallsSP
	- Nicht-zufällige Stichprobe: - willkürliche Auswahl -> keine Möglichkeit
	- Zufallsstichprobe -> Statistische Gesetze
	- Wie kann man wissen, ob gefundene Muster der SP auch für Grundgesamtheit gelten?
	- Ziele: Identifikation typischer Muster, Überprüfung vorhandener Theorie
	- Von der Stichprobe zur Grundgesamtheit
	- Forschungsdesign
	- Datenlage
	- Ressourcen
	- Abhängig von: - Forschungsfrage Stichprobe
	die Stichprobe zu kommen.
	- Die Wahrscheinlichkeit, aller Elemente des Auswahlgrundgesamtheit in
	- Ziele: - Jedes Element der Stichprobe Teil der Auswahlgrundgesamtheit
	- Situationen / Ereignisse \ - Texte/Bilder/Filme
	- Individuen \| Personen \ - soziale Kollektive / Organisationen
	- Gegenstand der Auswahl
	Datenlage
	- Auswahlgesamtheit: empirisch mögliche Grundgesamtheit der gegebenen
	innerhalb der Reichweite der Theorie sein.
	- In der (angestrebten) Grundgesamtheit müssen alle Merkmalsträger
	- Quelle für Auswahl
	- Brückenhypothesen zwischen zwei datenorientierten Grundgesamtheiten eventuell
	- Menge an ausgewählten Merkmalsträgern: objekt-/elementorientierte Stichprobe
	anderen Merkmalsträger etwas wissentschaftliches sagen zu können.
	mit dem Ziel, über die Merkmalsausprägungen der Merkmalsträger und
	- Eine Auswahl ist die nachvollziebare Selektion von Merkmalsträgern
	- Notwendigkeit der Auswahl
	- Bestimmung der Skala mit gewichteter Zusammensetzung der gegebenen Antworten
	- Analyse der Antworten (Korrelationen)
	potenziellen Indikatoren für Skala.
	- Bildung der Likert-Skala: - Auswahl einer großen Anzahl von
	- Befragte müssen zustimmen oder ablehnen in Abstufungen.
	- Likert-Skala: - Metrische Variable, sehr häufig in Umfrageforschung
	besseres Bild
	- Idee: Durch das zusammenführen mehrerer Messdaten bekommen wir ein
	- Eine Skala bildet nur eine Dimension eines Konstruktes ab.
	von Werten mehrerer Indikatorvariablen, zustande kommt.
	- Skala: - Eine Variable, die aus einer gewichteten Zusammensetzung
	in mehreren Dimensionen mit dem zu messenden Konzept korrelieren.
	- Index: Eine zusammengefasste Maßzahl von Indikatoren welche
	- Dimensionen korrelieren nicht
	- Typologie: - Klassifikationsschema mit mindestens 2 Dimensionen
	Außerdem kann sie nur durch manifeste Variablen direkt gemessen werden.
	deren Dimensionen nur in einem Index/Skala korrelieren können.
	- Viele theoretische Konzepte bestehehen aus mehreren Dimensionen,
	- Grundidee der Mehr-Variablen-Messung: (Messung latenter Variablen)
	= Hat einen tatsächlichen Wert in der Wirklichkeit
	Abstände zwischen den Objekten in der Rangfolge
	- Metrisch = Unterscheidung mit Rangfolge und bedeutung auf die
	- Ordinal = Unterscheidung mit Rangfolge
	- Nominal = Unterscheidung von vorhanden oder nicht vorhanden

End of preview. Expand in Dataset Viewer.

German handwriting

This dataset contains German handwriting images and corresponding text labels. In total, the dataset contains around 10,000 entries with handwriting from 15 different people. The data was created with the help of transcripts from school and university. The dataset was created as part of a handwriting recognition project at the FH-SWF.

How to use:

from datasets import load_dataset

dataset = load_dataset('fhswf/german_handwriting')

Downloads last month: 100

Edit dataset card

Size of downloaded dataset files:

1.8 GB

Size of the auto-converted Parquet files:

1.8 GB

Number of rows:

10,854

Models trained or fine-tuned on fhswf/german_handwriting

fhswf/TrOCR_german_handwritten

Image-to-Text • Updated Jun 18 • 305 • 4