هوش مصنوعی ( بخش چهارم )

تولید محتوا

 ایجاد محتوا یکی دیگر از مهمترین برنامه های کاربردی هوش مصنوعی در ارتباطات شرکت ها است. هوش مصنوعی تحت عنوان روزنامه نویسی روبات از مناطقی که تاکنون توسط خبرنگاران در خدمت آنها بوده است ، چشم پوشی می کند. الگوریتم های ویژه هوش مصنوعی قادر به نوشتن کمکهای مستقل بر اساس اطلاعات دیجیتالی موجود در اینترنت یا جاهای دیگر هستند. از همین امروز ، گزارش هایی درباره رویدادهای ورزشی یا وضعیت هوا می تواند بطور خودکار تولید شود. این همچنین در مورد اخبار کوتاه از دنیای مالی صدق می کند (به عنوان مثال گزارشی از توسعه قیمت سهام بورس). همچنین می توان گرافیک های اطلاعاتی و جدول های متن ها را بطور خودکار ایجاد کرد. در اینجا ، گیرنده معمولاً دیگر نمی تواند تشخیص دهد که این پیام ها بطور خودکار ایجاد شده اند. در موارد دیگر ، هوش مصنوعی با ارائه جستجوی اطلاعات صحیح و پردازش از آنها ، بدون جایگزینی کامل این وظایف ، از کار خبرنگاران پشتیبانی می کند. مزیت اتوماسیون (جزئی) در سرعت آن (اطلاعات در زمان واقعی) و مقرون به صرفه بودن سیستم های مربوطه است. آژانس خبری و مطبوعات مستقر در نیویورک ، آسوشیتدپرس (AP) از تشخیص گفتار برای تبدیل خودکار مقادیر زیادی از داده های خام به گزارش های قابل استفاده، استفاده می کند. این داده های خام از شرکت های ذکر شده تهیه می شود ، که نتایج شرکت خود را به صورت سه ماهه منتشر می کنند. چالش AP برای استفاده از این داده ها در اسرع وقت و دقیق برای تعیین ارقام مالی مربوطه به منظور ایجاد گزارش های آموزنده برای سرمایه گذاران ایجاد شده است. بنابراین ، هزاران داستان بالقوه مهیج و نگران کننده نانوشته باقی مانده اند. علاوه بر این ، تولید چنین گزارش های روزمره ، زمان  زیادی را برای خبرنگاران در پی داشت ، که برای کارهای خواستار بیشتر قابل استفاده نبود . برای دستیابی به این هدف ، آسوشیتدپرس برای خودکارسازی این فرایندها از بستر Wordsmith از بینش خودکار استفاده می کند. این سکو از تشخیص گفتار برای تبدیل خودکار داده های خام به داستان های AP منتشر شده استفاده می کند. برای این منظور ، موتور تولید زبان برای نوشتن به سبک AP تنظیم شده است. امروز ، AP می تواند 4.400 گزارش مالی سه ماهه ایجاد کند. مهم است که اطمینان حاصل شود که این گزارش ها به همان اندازه دقیق هستند که خوانندگان از هر مقاله ای که توسط AP انتظار دارند. جدا از توضیحی در انتهای داستان ، هیچ مدرکی مبنی بر نوشتن آنها توسط یک الگوریتم وجود ندارد. پس از انجام یک آزمایش گسترده ، مشخص شد که احتمال بروز خطاها در ایجاد خودکار حتی در مقایسه با توسعه دستی نیز کاهش می یابد. در کل ، تقریباً 20٪ از زمان تهیه گزارش سود در هر سهم را می توان پس انداز کرد. برنامه هایی برای گسترش روزنامه نگاری روباتیک به مناطق دیگر ، مانند گزارش ورزشی یا گزارش هایی در مورد رشد ارقام بیکاری وجود دارد. چنین پیشرفت هایی نه تنها در زمینه های روزنامه نگاری تأثیر می گذارد ، بلکه بر همه کسانی که برای متنوع ترین کانال ها محتوا تولید می کنند یا مسئول بازاریابی محتوا هستند نیز تأثیر خواهد گذاشت. با توجه به انتشار روزافزون بازاریابی محتوا ، نیاز قصه گویی به طور مداوم در بیشتر شرکت ها در حال افزایش است.

علاوه بر این ، تهیه اطلاعات صحیح برای مسافرت مشتری در نقاط تماس مربوطه مهم است . برای دستیابی به این اهداف ، Acrolinx دو گزینه ارائه می دهد. از یک طرف ، دستورالعمل های زمان واقعی می تواند در طول فرآیند نوشتن به نویسندگان داده شود تا محتوا واضح تر و سازگارتر برای گروه هدف مربوطه باشد. از طرف دیگر ، ارزیابی مبتنی بر هوش مصنوعی از محتوا را می توان بر اساس اهداف از پیش تعریف شده انجام داد. این امر باعث می شود تا محتوای کاملاً مشکل ساز به سرعت و قابل اعتماد در کلیت ارتباطات شرکت شناسایی شود. Acrolinx یک مؤلفه پیشرفته تجزیه و تحلیل را فراهم می کند که شرکت ها را قادر می سازد داده های خود را با توجه به نوع محتوا و گروه هدف در یک بازه زمانی خاص ارزیابی کنند. برخی از شرکت ها نتایج حاصل از این تجزیه و تحلیل ها را با داده های مربوط به عملکرد برای تعیین اینکه کدام محتوا به خوبی کار کرده است و چقدر خوب است، در ارتباط هستند. یک چالش دیگر برای بازاریابی محتوا ، تولید محتوای خودکار تولید شده در کانال هایی است که برای کاربران مهم است. امروزه ، این سیستم عامل های پیام رسان مانند Facebook Messenger ، Snapchat ، WhatsApp و WeChat هستند. در بسیاری از موارد ، کاربران دیگر در فضای دیجیتال عمومی حرکت نمی کنند بلکه در گروه های بسته کاربر قرار دارند. برای یافتن پذیرش و شنیدن در آنجا ، برای دستیابی به پذیرش از طریق ارتباط ، مطالب باید حتی به صورت جداگانه پخش شود. بنابراین ، علاوه بر تولید محتوا با پشتیبانی از AI ، از توزیع محتوای پشتیبانی شده توسط AI نیز استفاده می شود به گونه ای که محتوای هیجان انگیز در واقع به افراد مورد نظر برسد. زمینه جالب برای ایجاد محتوا ، تبدیل خودکار متن به محتوای ویدیویی است.

شکل 4.16

آژانس های خبری مانند بلومبرگ ، NBC ، رویترز و کانال هوا در حال حاضر از این فناوری استفاده می کنند. ارائه دهنده خدمات یکپارچه Wibbitz در سال 2019 ، تأکید می کند که تولید محتوای ویدیویی از متن، بر اساس راه حل های خاص خود و برای کاهش منابع تولید به کار می‌رود.

تشخیص تصویر

انواع برنامه های بازاریابی هیجان انگیز با تشخیص چهره ارائه شده در بخش 1.3.2 همراه است.بر اساس عکس چهره ، می توان خصوصیات بیشتری را از شخص گرفت (رجوع کنید به شکل 4.17). به خصوص نشانگر سن (43 سال!) باعث شد نویسنده هنگام بازدید از Sensetime در پکن در سال 2018 بسیار متحیر شود! پس از این تجزیه و تحلیل ، آگهی های تبلیغاتی برای محصولات آرایشی ارائه شد. بنابراین ارائه دهنده مربوطه حامی این برنامه بود. یکی دیگر از اجرای  فن آوری هوش مصنوعی توسط Sensetime در پکن با استفاده از حماسه های خنده دار در تبلیغات نشان داده شد. از طریق کنترل ژست ، می توان محصولات را در یک نقطه مناسب در زمان توسعه برای مک دونالد در زمان واقعی ، به تصویر واقعی محو کرد. هیچ محدودیتی برای سایر برنامه های سرگرم کننده وجود ندارد. بنابراین ، در شکل 4.18 (سمت چپ) ، قلب ها با کنترل ژست می توانند بطور پویا تولید شوند ، در حالی که در شکل 4.18 (راست) می توان تصور احمقانه ی خود را ایجاد کرد.

 چنین کاربردهای به ظاهر پوچ نباید در حوزه فعالیت آنها دست کم گرفته شود. آنها دقیقاً سرگرمی های دیجیتالی هستند که امکان دسترسی به زندگی دیجیتال همه جانبه را با هوش مصنوعی به همه میدهند. بسیاری از تصمیم گیرندگان در تجارت و سیاست بدون داشتن  تماس دیجیتالی رشد کرده اند.

کارت حافظه

با استفاده از سرگرمی های مختلف ، موانعی در برابر هوش مصنوعی قابل رفع هستند. باید بررسی کنید که آیا این می تواند زمینه جالب توجهی برای شرکت شما باشد یا خیر. آمازون  بستری برای تجزیه و تحلیل تصویر و فیلم را برای کاربران علاقه مند ارائه می دهد. برای استفاده از این چارچوب ، فقط یک تصویر یا ویدئو برای رابط برنامه نویسان برنامه آماده شده است. برای این منظور ، این محتوای باید در Amazon S3 ، سرویس وب محاسبات ابری آمازون ذخیره شود. سپس اشیاء ، اشخاص ، متن ها ، صحنه ها و یا فعالیت ها قابل شناسایی هستند. تشخیص آمازون همچنین می تواند برای تجزیه و تحلیل صورت و تشخیص چهره در تصاویر و فیلم ها استفاده شود. این اجازه می دهد تا چهره ها برای طیف گسترده ای ازشناسایی برنامه ها ، تجزیه و تحلیل شوند. طیف استفاده از تأیید اعتبار کاربر تا شمارش افراد در فضاهای عمومی متغیر است تا بتواند محدودیت ظرفیت میادین و اتاقهای رویداد را در نظر بگیرد. به منظور استفاده از ویژگی های Amazon Rekognition ، API شناخت ارائه شده باید در برنامه مربوطه ادغام شود. این امر به هیچ دانش تخصصی در مورد یادگیری ماشین احتیاج ندارد. مانند سایر سیستم های هوش مصنوعی ، تشخیص تصویر مورد استفاده بطور مداوم با داده های جدید آموزش داده می شود تا توانایی تشخیص اشیاء (به عنوان مثال دوچرخه ، تلفن ، اتومبیل ، ساختمان) ، صحنه ها (به عنوان مثال پارکینگ ، ساحل ، مراکز خرید ، شهرها) و فعالیت ها افزایش یابد. علاوه بر این ، دقت تشخیص مربوطه بهبود می یابد. پرداخت این خدمات براساس تعداد تصاویر مورد بررسی یا طول فیلم ها و همچنین به اندازه مخزن شخصی ارائه شده برای تشخیص تصویر است ، یعنی یک دایرکتوری با تصاویر صورت قابل شناسایی است. علاوه بر این ، Amazon Rekognition گزینه های تجزیه و تحلیل چهره را که قبلاً شرح داده شده است نیز ارائه می دهد.

در تصاویر و فیلمهای آپلود شده برای فیلم ها ، می توانید تغییر دهید که چگونه این ویژگی ها با گذشت زمان تغییر می کنند. احساساتی مانند خوشبختی ، غم و غافلگیری را می توان در تصاویر صورت نیز تشخیص داد. در اینجا امكان تحليل تصاوير زنده (مانند مغازه ها) و تعيين ويژگي هاي عاطفي مورد توجه است.  اینها می توانند به طور مداوم به مکانهای مربوطه ارسال شوند. فیلم ها همچنین می توانند برای تعیین حرکات به منظور تجزیه و تحلیل الگوهای در حال اجرا در مراکز خرید یا حرکات پس از مسابقه فوتبال استفاده شوند. ویژگی جالب دیگر ، شناسایی محتوای ناامن است. تشخیص Amazon می تواند محتوای بالقوه ناامن و نامناسب را در دارایی های تصویر و ویدیو شناسایی کند. سپس با استفاده از برچسب ها به صورت جداگانه می توان تعریف کرد که محتویات مجاز هستند و کدام مجاز نیستند. نوع خاصی از شناسایی ، شناخت شخصیت ها است. از این سیستم می توان برای شناسایی افراد شناخته شده در کتابخانه های ویدیویی و تصویر استفاده کرد. اصطلاحات مشخص شده در این روش می توانند برای برنامه های خاص بازاریابی استفاده شوند. همچنین می توان متن را در تصاویر تشخیص داد. اینها شامل نام خیابان ها و شهرها ، کتیبه ها ، نام محصولات و پلاک های شماره ها می شود . Video Rekognition Amazon می تواند برای ایجاد برنامه هایی که به مکان یابی افراد تحت تعقیب در محتوای ویدئویی در رسانه های اجتماعی کمک می کند ، استفاده شود. چهره ها را می توان با یک بانک اطلاعاتی افراد مفقود یا تحت تعقیب تأمین شده توسط کاربر برای تسریع اقدامات نجات یا جستجو با شناسایی مثبت مقایسه کرد.

کارت حافظه

لازم به ذکر است برای کامل بودن همه این برنامه های تشخیص چهره ، قوانین مربوط به حفاظت از داده های کشورهای مربوطه باید در نظر گرفته شود.

تشخیص جعلی

 تشخیص جعلی یک زمینه مهم هوش مصنوعی است. این در اصل موضوع شناسایی گزارش های دروغین از پیام های صحیح در منابع مختلف آنلاین است. در توسعه چنین الگوریتم های هوش مصنوعی ، دستیابی به داده های آموزشی اغلب بزرگترین چالش را ایجاد می کند.

این می تواند منجر به محتوا شود که به طور ناگهانی امروزه به طور اشتباه می تواند به چندین روش اتفاق بیفتد:

 • مشارکت ها به معنای غیرقابل اعتماد بودن می توانند آشکارا نادرست باشند.

 • مشارکت ها می توانند نتیجه صحیحی را نشان دهند ، اما تفسیرهای اشتباه را انجام دهند.

 • مشارکتها می توانند خود را “شبه علمی” پنهان کنند ، یعنی یک مرجع علمی را ایجاد کنند که به صورت واقعی ارائه نشده باشد .

 • مشارکتها می توانند به عنوان نظرات ، پیشنهادات و  یا توصیه های شرکت مبدل شوند.

• مشارکتها ممکن است جعلی باشند زیرا یک اثر طرفدار دوستی وجود دارد.

• مشارکتها می توانند بر خلاف آنچه واقعاً منظور شده است ، به صورت طعنه بیان شوند.

• مشارکتها ممکن است شامل نقل قول هایی از منابع دیگری باشد که نویسنده با آنها موافق است یا مخالف است.

 • مشارکت ها می توانند از متن زمینه تحریف شوند و بنابراین یک محتوای کاملاً متفاوت از آنچه در ابتدا توسط فرستنده منظور شده است ، منتقل می شوند.

چیزی که ارزش فکر کردن دارد

تحولات در مبارزات انتخاباتی ایالات متحده و رأی Brexit به تازگی نشان داده است که کشف اخبار راستین یا دروغین چقدر مهم است. مشاهدات کنونی در مورد چگونگی تلاش گروه های فردی برای تفکیک هدفمند بخش های وسیع از جمعیت و در نتیجه تضعیف دموکراسی های غربی نیز حاکی از اهمیت این منطقه مهم است. این واقعیت که چشم انسان هنوز در این چالش ها ضروری است ، با استخدام های جدید در فیس بوک ، گوگل و شرکت در مراکز خدمات نشان می دهد ، کارمندان مربوطه وظیفه دارند محتوا را چک کنند که قبل از مسدود شدن یا انتشار آنها به روشنی قابل ارزیابی نباشد. یکی از وظایفی که در اینجا باید به آن تسلط پیدا کنید ، شناسایی حساب های جعلی است که خود را در رسانه های اجتماعی تأسیس کرده اند. به این حساب ها، حسابهای جعلی گفته می شود.  حساب های جعلی به حسابهای کاربری  که اهداف مختلفی را هدف قرار می دهند اشاره دارد. استفاده از ان برای محافظت از حریم شخصی قانونی است. اما آنها همچنین می توانند برای بیان نظرات در جامعه با چند صدا برای تحریف احساسات، استفاده شوند. همچنین از حساب های جعلی برای تضعیف قوانین یک جامعه استفاده می شود و به طور عمد گفتگوها را تحریک یا مختل می کند. این در حالی است که مرتباً گزارش می شود که فیس بوک یا توییتر دوباره صدها حساب جعلی را شناسایی و بسته اند. می توان فرض کرد که در همین زمان حساب های جعلی جدیدی به همان میزان از کارخانه های به اصطلاح ترول افتتاح می شود.

جدا از شبکه های اجتماعی ، این ترول ها به ویژه در گروه های بحث ، وبلاگ ها و اتاق های گفتگو فعال هستند. این موافقان همچنین سعی می کنند مشارکت خود را در ویکی ها قرار دهند تا بتوانند برداشت و افکار عمومی را دستکاری کنند. در اینجا ، بررسی فیلم ها و سایر مشارکت ها در رسانه های اجتماعی جعلی است. در همین زمان ، تلاش می شود تا به پست های خود بیشتر توجه کنند. برای این منظور ، افراد یا چت بات ها می توانند برای اظهار نظر یا اشتراک گذاری پست های خاص تشویق شوند. بدین ترتیب محبوبیت فرضی یک پیام به طرز چشمگیری قابل جعل است. از طرف اپراتورهای سیستم عامل برای شناسایی و مستثنی کردن این اطلاعات سیاه هیچ تلاشی بی اهمیت نیست. اگر معیارها بیش از حد تنظیم شده باشند ، حساب های نامفهوم نیز بسته می شود  احتمالاً به دلیل اینکه آنها گزارشهای دروغینی را برای جلب توجه به مسئله تکرار کرده اند. اگر معیارها بیش از حد مبهم باشند ، بسیاری ازاطلاعات ناشناخته مانده اند. هوش مصنوعی می تواند نقش بسزایی در شناخت الگوهایی داشته باشد که به ربات ها و پست های دستکاری کننده اشاره می کنند. محرک های مربوطه می توانند زمان و تعداد دفعات ارسال ، تمرکز بر روی مخاطب هدف خاص ، محتوای غالب و میزان آن باشند.

چیزی که ارزش فکر کردن دارد

با پیشرفت هوش مصنوعی در شناسایی اخبار جعلی ، استفاده از آن برای تولید اخبار جعلی نیز بهبود می یابد. کشف زود هنگام اطلاعات غلط می تواند برای مناطق بسیار مختلف یک شرکت مرتبط باشد. اول از همه ، باید به حوزه بازاریابی فکر کرد که باید به سرعت بازنمایی های تمایل (نادرست) را تشخیص دهد. مدیریت ریسک ، تحقیق و توسعه ، فروش و حتی منابع انسانی نیز می توانند از شناسایی زود هنگام بهره مند شوند. شرکتها به روشهای زیر مورد حمله قرار می گیرند که عاری از همپوشانی نیستند :

 • انتشار محتوای مضرات شهرت از طریق شرکت ، نمایندگان آن ویا پیشنهادات آن

• انتشار مشتریان بالقوه با سوء اطلاعات در مورد کیفیت محصولات و  یا خدمات

• اختلال در تصویر کارفرما به دلیل بررسی های غلط توسط کارمندان که هرگز در آنجا کار نکرده اند. مجموعه و بویژه ارزیابی تلفیقی و تفسیر اطلاعات به دست آمده از این طریق چالشی بزرگ برای شرکتها محسوب می شود. شما باید بررسی کنید که آیا نصب یک مفهوم اتاق خبر راه حل خوبی برای شرکت شما است . این مفهومی است که در آن مشابه روند کار در دفاتر تحریریه روزنامه ها و ایستگاه های رادیویی و تلویزیونی  تمام اخبار فعلی درباره پیشنهادات ، مارک ها ، استراتژی ها و شرکت به طور کلی در یک نقطه مرکزی همگرا می شوند تا بتوانند سریع واکنش نشان دهند.

پس از آن نیز لازم است تا موضوعات مرکزی را به صورت پیش فرض تعریف کرده و کانالها و محتوای  مربوط به پردازش آنها را در کل شرکت هماهنگ کنید. این تضمین نمای 360 درجه از بازارها ، که اغلب مورد تقاضا است. اثرات کلی که در بازاریابی و فروش از طریق استفاده از هوش مصنوعی در سالهای آینده حاصل می شود ، در زیر آورده شده است. این نتایج مبتنی بر تحلیل استناد شده McKinsey در مورد بیش از 400 مورد استفاده مرتبط با هوش مصنوعی در شرکت های مختلف است. مقادیر زیر بیانگر ارزش اضافی است که می تواند در زمینه های مختلف بازاریابی و فروش حاصل شود:

 • مدیریت خدمات به مشتری: 400-800 میلیارد دلار ایالات متحده

 • محصول بعدی برای خرید (توصیه های خرید شخصی): 300- 500 میلیارد دلار ایالات متحده

 • کمپین های قیمت و تبلیغاتی: 300-500 میلیارد دلار

 • خرید چشم انداز و مشتریان: 100–300 میلیارد دلار آمریکا

 • جلوگیری از عزل: 100–200 میلیارد دلار

 • مدیریت کانال: ایالات متحده – 100-200 میلیارد دلار

 • چرخه توسعه محصول : 200 میلیارد دلار آمریکا.

حتی قبل از مدیریت و تولید زنجیره تأمین ، اینها بالاترین پتانسیلهای ایجاد ارزش هستند که در جریان تحلیل تعیین می شوند. لازم نیست با جزئیات به چهره های فردی اعتماد کنید. این مهم است که شما بتوانید پتانسیل استفاده از هوش مصنوعی در بازاریابی و فروش را بشناسید تا بتوانید به سفر هوش مصنوعی خود بروید.

خلاصه:

. پیش بینی سرب و پروفایل سرب یک زمینه مهم کاربرد هوش مصنوعی به منظور اقتصادی تر شدن سود مشتری است.

• این شامل شناسایی مخاطبان یکسان در دستیابی به مشتریان جدید است.

• براساس یافته های مبتنی بر هوش مصنوعی ، می توان کیفیت تجزیه و تحلیل پیش بینی را بهبود بخشید.

• تدوین توصیه های شخصی می تواند به افزایش ارزش مشتری کمک کند.

• برنامه ریزی رسانه ها توسط سیستم عامل های AI قابل پشتیبانی یا اجرای هستند.

• ارزیابی مبتنی بر هوش مصنوعی از اطلاعات مهم زیست محیطی ، بازاریابی متن را ممکن می کند.

• برنامه های هوش مصنوعی از توسعه تجارت مکالمه پشتیبانی می کنند.

• روندی که در طولانی مدت مورد توجه قرار می گیرد ، فقط صدا است!

• سیستم های هوش مصنوعی می توانند از طریق وب و رسانه های اجتماعی از طریق تجزیه و تحلیل میزان ویژگی کمکها از طریق تحلیل احساسات ، پشتیبانی کنند.

• اجرای فرایند قیمت گذاری پویا توسط فرآیندهای هوش مصنوعی قابل کنترل است.

• تولید محتوا و توزیع محتوا توسط سیستم های هوش مصنوعی انجام می شود.

• ارزیابی تصویر و فیلم تعدادی از امکانات جالب برنامه را باز می کند.

• تشخیص حساب های جعلی و اخبار جعلی یک چالش بزرگ برای فرآیندهای هوش مصنوعی محسوب می شود.

• مفهوم اتاق خبر ، امکان پردازش جامع و كنترل جریان داده های مربوط به شركت را نشان می دهد.

جدید ترین ها

جدید ترین محصولات ما

محصولات بیشتر
ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی در تحقیقات حسابداری )

ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی...

10000 تومان

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded Asset Classes (ترجمه مقاله  آیا کلاسهای دارایی گسترده و معامله شده دارای اثرات ناپایداری هستند )

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded...

10000 تومان

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و بهینه سازی فرکانس شبکه بی سیم با استفاده از پیش بینی ترافیک )

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و...

35000 تومان

Automatic  Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی بر پوشش خودکار: یک پیاده سازی مبتنی بر ابر )

Automatic Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی...

35000 تومان

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری بلوغ تراز تجاری IT- از طریق DoDAF 2.0 )

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری...

35000 تومان

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی بورس اوراق بهادار تهران با استفاده از تحلیل احساسات نظرات متنی آنلاین )

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی...

35000 تومان

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی با استفاده از الگوریتم های نظارت شده )

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی...

35000 تومان

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on the fixation of soil Cd ( ترجمه مقاله مکانیسم تشکیل بار منفی سطح بر روی بیوچار(کود حاصل از ضایعات گیاهی) و تأثیر آن بر روی ثابت شدن سی دی خاک )

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on...

10000 تومان

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات و سرویس ها => سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ با شماره تلفن 09191732587 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+