دانلود ترجمه مقاله استفاده از الگوریتم یادگیری ماشین در آموزش بازاریابی (اسپرینگر ۲۰۲۳)

 

 

این مقاله انگلیسی ISI در نشریه الزویر در سال ۲۰۲۳ منتشر شده که ۱۰ صفحه می باشد، ترجمه فارسی آن نیز ۱۴ صفحه میباشد. کیفیت ترجمه این مقاله عالی بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

استفاده از الگوریتم یادگیری ماشین در آموزش بازاریابی

عنوان انگلیسی مقاله:

Application of Machine Learning Algorithm in Marketing Education

 

 

مشخصات مقاله انگلیسی 
نشریه اسپرینگر – Springer
سال انتشار ۲۰۲۳
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
تعداد صفحات مقاله انگلیسی ۱۰ صفحه
نوع مقاله ISI
نوع نگارش Conference Paper
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی کامپیوتر – مدیریت – مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله بازاریابی – تجارت الکترونیک – هوش مصنوعی – مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال) EAI International Conference
کلمات کلیدی الگوریتم یادگیری ماشینی – مدیریت بازاریابی
کلمات کلیدی انگلیسی Machine learning algorithm – Marketing management
نویسندگان Qianyu Wang
شناسه دیجیتال – doi https://doi.org/10.1007/978-3-031-23950-2_35
لینک سایت مرجع https://link.springer.com/chapter/10.1007/978-3-031-23950-2_35
بیس نیست
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
فرضیه ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۳۶۳۹

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله ورد تایپ شده با قابلیت ویرایش و pdf
وضعیت ترجمه ترجمه شده و آماده دانلود
کیفیت ترجمه عالی (مناسب استفاده دانشگاهی و پژوهشی)
تعداد صفحات ترجمه ۱۴ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه تایپ شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱ مقدمه

۲ تحقیقات مرتبط

۳ موقعیت فعلی ترکیب حالت بازاریابی

۴ ایده بازاریابی پایگاه داده مبتنی بر الگوریتم یادگیری ماشینی

۵ یادگیری ماشینی پنج دلیل برای بازاریابی آینده است

۶ نتیجه گیری

منابع

 

بخشی از ترجمه

چکیده

تکامل علمی و فناورانه بشر، شناخت فروشندگانی را که بیش از یک دهه قبل تنها با راه اندازی مغازه های کوچک آشنا بودند، دچار تغییر کرده است. در این دوره، تغییر از کسب و کارهای ساده مرتبط با مبادلات آنلاین پیچیده نه تنها توسعه علم و فناوری و پیشرفت چند برابری را نشان می دهد، بلکه همچنین تغییر در روش ها و ابزارهای بازاریابی را نشان می دهد. در زمینه بازاریابی در داخل و خارج از کشور، بازاریابی پایگاه داده بعنوان یک روش بازاریابی مقرون به صرفه در سالهای اخیر همانند یک فروشنده تازه کار در بازار فروش مورد توجه زیادی قرار گرفته است. با این حال، بازاریابی پایگاه داده بعنوان پیش بینی کننده بازار غیرقابل پیش بینی یا الکترونیک های نوترونی از طریق تحلیل داده ساده کامل می شود که به شیوه خاصی استفاده می شود. بنابراین، این مقاله مبتنی بر کاربرد الگوریتم یادگیری ماشینی در زمینه بازاریابی است. 

 

۲- تحقیقات مرتبط
۲-۱- رویه های اصلی بازاریابی پایگاه داده
     بازاریابی پایگاه داده نه تنها می تواند مدیریت و کنترل کیفی جامع را ارائه دهد، بلکه همچنین یک مدل بازاریابی جدید را براساس فناوری اطلاعات توسعه می دهد، که در شیوه فعلی و تایید به سطح جدیدی رسیده است. با بهبود بازاریابی پایگاه داده، استفاده گسترده ای در خدمات تجاری، خدامت سفارش، بازاریابی کلان داده، سازمان های غیر انتفاعی و حتی تامین مالی تولید صنعتی شده است. بازاریابی پایگاه داده نیاز به کنترل کلان منطقی و برنامه بازاریابی متفکرانه دارد. بازاریابی پایگاه داده در طبقه بندی و موقعیت یابی کمی و دقیق تر است، و یک برنامه بازاریابی موثر است. باید اعتماد و «رابطه صمیمی» با مصرف کنندگان ایجاد شود [۳]. این مورد رابطه انسان-ماشین را نشان می دهد، یک هسته مصنوعی ایجاد می کند، حقوق مصرف کنندگان و فروشندگان را ارزیابی می کند. همانطور که در شکل ۲ نشان داده شده است، به طور کلی رویه های اصلی بازاریابی پایگاه داده را می توان به صورت زیر خلاصه کرد:

 

۲-۲- بررسی الگوریتم های یادگیری ماشینی
     یادگیری ماشینی روش خود تعلیمی و خود بهبودی و بهینه سازی عملکرد میزان زیادی از داده های موجود است. الگوریتم طبقه بندی یادگیری ماشینی عمدتا به دو فرایند تقسیم می شود: ایجاد و طبقه بندی مدل. ابتدا، الگوریتم طبقه بندی انتخاب می شود، و یک مدل طبقه بندی با آموزش پارامترهای مدل از طریق آموزش مجموعه داده بدست می آید، و سپس مدل آموزش دیده برای برچسب گذاری داده نمونه ناشناخته آموزش دیده استفاده می شود. یادگیری ماشینی عمدتا شامل طبقه بندی بدون نظارت و طبقه بندی نظارت شده می شود.

 

     طبقه بندی بدون نظارت عمدتا برای خوشه بندی استفاده می شود، یعنی بدون آگاهی از طبقه بندی مجموعه داده آموزشی به صورت خودکار قوانین را از مجموعه داده برای ایجاد خوشه ها پیدا کنید. هر خوشه را برای تشکیل یک طبقه علامت گذاری کنید.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا