ترجمه مقاله استفاده از داده‌کاوی برای کارمند گزینی و بهبود سرمایه‌ی انسانی

عنوان انگلیسی مقاله: Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry

عنوان فارسی مقاله:  استفاده از داده‌کاوی برای کارمند گزینی و بهبود سرمایه‌ی انسانی: بررسی موردی در صنعت مدرن.

دسته: مدیریت - اقتصاد

فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات فایل ترجمه شده: 18

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

_______________________________________

چکیده ترجمه:

کیفیت سرمایه‌ی انسانی برای شرکت‌های مدرن برای دستیابی به عرصه‌ی اقتصادی دانش بسیار حیاتی است. با این حال، شرکت‌های مدرن که درگیر هزینه‌های بالا هستند اغلب از استخدام افراد با استعداد سرباز می‌زنند. به علاوه طبق روش‌های مدیریتی منابع انسانی، نیاز ضروری به توسعه‌ی مؤثر مکانیزم کارمند گزینی برای یافتن استعدادهایی که مناسب‌ترین برای سازمان هستند وجود دارد. این تحقیق این خلأ را با ارائه چارچوب داده‌کاوی بر اساس درخت تصمیم و قانون‌های وابستگی پر می‌کند تا قانون‌های مفیدی برای کارمند گزینی تولید کند. نتایج می‌توانند قوانین تصمیم‌گیری را بر اساس اطلاعات پرسنلی با استفاده از کار روی عملکرد و نگه‌داری تولید کنند. مطالعه‌ی تجربی در یک شرکت نیمه رسانا انجام شد تا اطلاعات استخدام کارگران باواسطه شامل مهندسین و مدیران با کارهای عملیاتی مختلف را جمع‌آوری کند. نتایج، اهمیت تجربی این پژوهش را اثبات کرد. به علاوه، بر اساس بحث‌های داده‌کاوان و متخصصان، روش‌های خاص استخدام و کارگزینی نیز از این نتایج گرفته شده است. 

مقدمه:

سرمایه‌ی انسانی، یکی از صلاحیت‌های شرکت‌های مدرن است تا بتوانند به شایستگی‌های خود در زمینه‌ی اقتصادی دانش برسند. استخدام پرسنل و انتخاب باواسطه روی کیفیت کارمندان تأثیرگذار است. بنابراین، مطالعات مختلف روی رزومه، مصاحبه‌ها، سنجش عملکرد، تست‌های دانش شغلی، تست‌های کاری نمونه، تست‌های ادراکی و تست‌های شخصیتی در مدیریت منابع انسانی صورت گرفته است که به سازمان‌ها کمک می‌کند تا بهتر بتوانند در مورد انتخاب پرسنل تصمیم بگیرند. در واقع، روش‌های انتخاب موجود روی کار و شغلی تمرکز می‌کنند که از طریق وظایف و کارهایی مطابق با خصوصیات ثابت آن‌ها تعریف می‌شوند. با این حال، به علت ذات در حال تغییر دانش در صنعت تکنولوژی، شغل‌ها را نمی‌توان به راحتی توصیف کرد مخصوصاً شغل‌های سطوح مدیریتی. با پیشرفت تکنولوژی و جهانی شدن آن، کارهای میان کارکردی نیز افزایش یافته‌اند در حالی که شغل‌های جدیدی نیز در حال ایجاد است. 

جهت دانلود محصول اینجا کلیک نمایید

ترجمه مقاله سیستم تشخیص نفوذ بر اساس مدل جدید استخراج قوانین وابستگی

عنوان انگلیسی مقاله: Intrusion Detection System Based on New

Association Rule Mining Model

عنوان فارسی مقاله: سیستم تشخیص نفوذ بر اساس مدل جدید استخراج قوانین وابستگی.

دسته: فناوری اطلاعات و کامپیوتر

فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات فایل ترجمه شده: 7

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

_______________________________________

چکیده ترجمه:

تشخیص نفوذ یکی از مشکلات مهم برای حفاظت از امنیت سیستم‌های اطلاعاتی است. تکنیک آن به دو دسته تقسیم می‌شود: تشخیص ناهنجاری و تشخیص سوء استفاده؛ که این دو مورد یکدیگر را تکمیل می‌کنند. این تحقیق روی تکنیک‌های تشخیص ناهنجاری برای تشخیص نفوذ تمرکز دارد. در حال حاضر، روش‌های متعددی بر اساس استخراج قوانین وابستگی کلاسیک برای تشخیص نفوذ ارائه شده است. به دلیل دو مشکلی که در مسئله‌ی استخراج قوانین وابستگی، یعنی اینکه با همه‌ی آیتم ست بطور مساوی رفتار می‌شود و یک ساپورت مینیمم و اطمینان مینیمم به عنوان استاندارد سنجش در نظر گرفته می‌شود، بسیاری از قوانین و قوانین جالب تولید می‌شوند که باعث کاهش کارایی سیستم تشخیص نفوذ می‌شود. بر اساس مدل جدید استخراج قوانین وابستگی که li در سال 2002 پیشنهاد داد و قادر به حل این دو مشکل به طور همزمان بود،‌ سیستم تشخیص نفوذ دیگری ارائه شد. از آنجایی که میزان سود و علاقه‌ی یک آیتم به عنوان معیار در نظر گرفته می‌شود و الگوریتم استخراج بر اساس FP-tree است، تجربیات ما نشان داده است که سیستم پیشنهادی مقاوم‌تر و مؤثرتر از الگوریتم APRIORI است.

مقدمه:

با پیشرفت تکنولوژی شبکه‌های کامپیوتری، تشخیص نفوذ که برای ثبت فعالیت‌های بدذات در سیستم‌های شبکه‌ی کامپیوتری استفاده می‌شود، مهم‌ و مهم‌تر می‌شوند. تکنیک‌های تشخیص نفوذ به دو دسته‌ی کلی تقسیم می‌شوند: تشخیص ناهنجاری و تشخیص امضا که یکدیگر را تکمیل می‌کنند. این مقاله روی تکنیک‌های تشخیص برای تشخیص نفوذ تمرکز دارد. امروزه سیستم‌های تشخیص نفوذ تجاری زیادی برای جمع‌آوری اطلاعات فعالیت سیستم و شبکه موجود است که اطلاعات را تحلیل می‌کنند تا ببینند آیا حمله‌ای صورت گرفته است یا خیر. این پیاده‌سازی‌های تجاری در نظارت و تحلیل محدود هستند و تحقیقات بیشتری برای بهبود کارکردها ارائه شده است. 

جهت دانلود محصول اینجا کلیک نمایید

ترجمه مقاله طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس برمبنای EEG

عنوان انگلیسی مقاله: Learners’ Learning Style Classification related to IQ and Stress based on EEG

عنوان فارسی مقاله: طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس برمبنای EEG.

دسته: آموزش و روانشناسی

فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات فایل ترجمه شده: 9

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

_______________________________________

چکیده ترجمه:

اهمیت شناسایی سبک یادگیری (LS) یادگیرنده برای تضمین موفقیت در یک فرایند آموزش و یادگیری ضروری است. درعین حال، IQ و و ویژگی های شخصیتی نظیر استرس نیز در پژوهش های آموزشی مورد بررسی قرار گرفته اند و این پژوهش ها در تلاشند تا به طور دقیق تری یادگیرندگان را بشناسند. با این وجود، این تلاش ها معمولاً به آزمون روانشناسی محدود می گردد. با ظهور تکنولوژی برق نگاری مغز (EEG) می توان مستقیماً به مشخصه های مغزی یادگیرنده دسترسی پیدا کرد و و نتایج می توانند با آزمون های مرسوم مورد پشتیبانی قرار گیرند. در این مطالعه، شرکت کنندگان (n=80) با استفاده از پرسشنامه سبک یادگیری کلب (KLSI) به سبک های یادگیری واگرا، جذب کننده، همگرا یا انطباق دهنده گروه بندی می شوند. درنتیجه، سیگنال های مغز آن ها با استفاده از EEG در حالت چشمان باز و چشمان بسته ثبت گردید. ابزار آماری SPSS 16 با هدف تحلیل داده ها مورد استفاده قرار گرفت. با استفاده از تحلیل خوشه ای دو مرحله ای، مجموعه های داده ای EEG شرکت کنندگان برای LS مربوطه طبقه بندی گردید. سپس دسته آلفا برای ارتباط بین LS، IQ و استرس  انتخاب گردید. این مطالعه نتیجه گرفت که سبک واگرا، سبک یادگیری با بالاترین IQ می باشد درحالیکه سبک همگرا و واگرا سبک های در معرض استرس هستند.

مقدمه:

1.1 سبک یادگیری

نتایج پیشرفت های علمی در حیطه هوش و ذستاوردهای علمی گذشته، گسترده تر شده است. درحقیقت، مفاهیم زیادی از قبیل ادراک کنترل تحصیلی و انگیزه تحصیلی در رابطه با یادگیری وجود دارند که درهنگام دلسردی درمورد برتری تحصیلی باید مدنظر قرار داد (Cassidy و Eachus، 2000). یکی از مفاهیم مهمی که نکات ارزشمندی را در یادگیری به همراه داشته است، سبک یادگیری (LS) است. LS به این مفهوم اشاره دارد که افراد نسبت به اینکه چه حالتی از آموزش و مطالعه برای آن ها اثربخش تر است، با یکدیگر متفاوتند (Kolb، 1984). LS همچنین فرایندی تعریف می گردد که یک شخص از طریق آن دانش یا مهارت را از طریق درک و حفط اطلاعات کسب می نماید (Adesunloy و سایرین، 2008). پژوهش ها و اقدامات آموزشی نشان داده است که زمانیکه فرایند آموزش با سبک های یادگیری متفاوت دانش آموزان همراه است، یادگیری ارتقاء می یابد (Buch، 2002).

جهت دانلود محصول اینجا کلیک نمایید

ترجمه مقاله استخراج قوانین وابستگی برای بهبود کیفیت فرایند تولید

عنوان انگلیسی مقاله: Mining association rules for the quality improvement of the production process

عنوان فارسی مقاله: استخراج قوانین وابستگی برای بهبود کیفیت فرایند تولید.

دسته: مدیریت - اقتصاد

فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات فایل ترجمه شده: 25

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

_______________________________________

چکیده ترجمه:

افراد تحصیل کرده و شاغل معمولاً علاقه دارند توسعه‌ی روش‌ها و برنامه‌های کامپیوتری را که با کارهای مهندسی و دانش سر و کار دارند دنبال کنند. مدیریت اشتباه عملیات و زمان‌های تولید از دست رفته، مشکلات و مسائل بزرگی هستند که بهره‌وری و کیفیت سیستم‌های صنعتی و هزینه‌ی تولید را تحت تأثیر قرار می‌دهد. استخراج قوانین وابستگی، یک تکنیک داده‌کاوی است که برای پیدا کردن اطلاعات مفید و ارزشمند از پایگاه‌های داده بزرگ استفاده می‌شود. این مقاله، پایه‌ی مفهومی بهتری را برای توسعه‌ی برنامه‌های استخراج قوانین وابستگی ارائه می‌دهد تا دانش را از عملیات و مدیریت اطلاعات به راحتی استخراج کند. تأکید این مقاله روی بهبود فرایندهای عملیاتی است. یک مثال کاربردی، تجربه‌ی صنعتی که استخراج قوانین وابستگی در آن برای تحلیل فرایند تولید استفاده می‌شود را شرح می‌دهد. این مقاله برخی نتایج جدید و جالب در رابطه با تکنیک‌های داده کاوی و کشف دانش که روی فرایند تولید نقش دارد را گزارش می‌دهد. نتایج تجربی روی داده‌هایی که در زندگی واقعی نقش دارند نشان می‌دهد که روش پیشنهادی برای یافتن دانش مرتبط با عملیات نادرست مفید واقع می‌شود.

مقدمه:

کاربردهای مهندسی هوش مصنوعی نظرات محققین و شاغلین حوزه‌ی صنعت را به دلیل توانایی آن در یادگیری و درک اصول و حقایق به منظور کسب دانش و به کارگیری آن در عمل به خود جلب کرده است. پیشرفت‌های مداوم، اشاره به پیشرفت‌های رو به جلو و غیر منتظره در زمینه‌ی عملکرد سازمانی دارد  (Linderman, Schroeder, Zaheer, Liedtke, & Choo, 2004). پیشرفت در مسائلی مانند افزایش ارزش مشتری، کاهش خطاها و عیوب، بهره‌وری بهبود یافته، امنیت عملکرد چرخه‌ی زمانی و انگیزش Evans & Lindsay, 2001)). این مورد معمولاً در روش حل تدریجی مسئله رخ می‌دهد که شامل مراحل ضمنی سازی مسئله، تحلیل مسئله، تعمیم راه‌حل و یادگیری دروس است (Kamsu-Foguem, Coudert, Geneste, & Beler, 2008). روش حل مسئله، روی توصیف فرایند شناختی در کارهای عقلانی و ملاحظات شناختی که با سرمایه‌گذاری دانش روی ساختارهای خاص و قدرت بخشی به تعمیم سر و کار دارد تمرکز می‌کند (Patel, Arocha, &Kaufman, 2001). روش‌های حل مسئله نقش مهمی را در اکتساب دانش و مهندسی بازی می‌کند زیرا سطح دانش انتزاعی برای نیل به اهداف با 

اعمال دانش توسط فرایند تدریجی جستجوی مسیر راه‌حل بسیار ارزشمند است. از این روش‌ها می‌توان برای توصیف فرایند استدلال به صورت ساختاری برای هدایت روند کسب دانش و راحت کردن تقسیم دانش و استفاده‌ی مجدد بهره جست (Benjamins & Fensel, 1998).

جهت دانلود محصول اینجا کلیک نمایید

ترجمه مقاله عقیده کاوی از اسناد متنی

عنوان انگلیسی مقاله: Mining Opinion from Text Documents: A Survey

عنوان فارسی مقاله: عقیده کاوی از اسناد متنی.

دسته:فناوری اطلاعات و کامپیوتر - دیجیتال و فناری

فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات فایل ترجمه شده: 9

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.

_______________________________________

چکیده ترجمه:

عقیده کاوی (OM) یک زمینه‌ی تحقیقاتی جدید و نو ظهور است که با بازیابی اطلاعات و استخراج دانش از متن با استفاده از داده کاوی (DM) و پردازش زبان طبیعی (NLP) سروکار دارد. هدف OM این است که کامپیوتر را قادر سازیم که بتواند احساسات را تشخیص و بیان کند. دید یا رفتاری که بر اساس احساسات باشد به جای منطق، احساس گفته می‌شود. بنابراین OM به تحلیل احساسات نیز معروف است. سازمان‌های تجاری پول زیادی را صرف مشاوران و محققان کرده‌اند تا احساسات و عقاید مشتریان را در مورد محصولاتشان بدانند. به طور مشابه، افراد نیز به عقاید دیگران در مورد محصولات، خدمات، موضوعات و رویدادها برای یافتن بهترین انتخاب‌ها علاقه‌مند هستند. این نوع تحقیقات برای جمع‌آوری از میان انجمن‌های وب، بلاگ‌ها، گروه‌های گفتگو و جعبه‌های نظرات در حال حاضر بسیار آسان شده است. عقیده را می‌توان از هر شخص در مورد هر چیزی در جهان را می‌توان از طریق سایت‌های نظرسنجی، بلاگ‌ها و گروه‌های گفتگو و ... به دست آورد. استخراج اطلاعات و کشف دانش یک زمینه‌ی مهم تحقیقاتی است. مسئله‌ی استخراج دانش از شبکه‌ی جهانی، چالش برانگیزتر است زیرا داده‌های ذخیره شده در وب بسیار طبیعت پویایی دارند. داده‌ها به دلیل بروزرسانی‌های دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. می‌توان از وبسایت‌ها برای برنامه‌های مختلفی استفاده کرد. یکی از این برنامه‌های مهم وب، جمع‌آوری عقاید و استخراج الگوهای معنادار از آن‌هاست. در حین فرایند تصمیم‌گیری، اکثر ما از دیگران کمک می‌گیریم. این یک پدیده‌ی طبیعی است که یک تصمیم خوب بر اساس عقیده‌ی دیگران به دست می‌آید. قبل از شبکه‌ی جهانی وب، از عقیده‌ها به طور شفاهی یا توسط کلمات به اشتراک گذاشته می‌شد و ما مجبور بودیم از دوستان خود در مورد اینکه کدام آیتم از دیگران بهتر است سوال کنیم یا بخواهیم توضیح دهد که کدام ویژگی یک آیتم خوب و کدام بد است. با پیدایش شبکه‌ی جهانی وب، اشتراک‌گذاری دانش و کسب مزیت از تجربیات دیگران، ممکن شد. امروزه بیش از 75000 بلاگ جدید با 1.2 میلیون پست جدید روزانه ساخته می‌شود و 40 درصد مردم در جهان مدرن به نظرات، عقاید و توصیه‌های جمع‌آوری شده از بلاگ‌ها، انجمن‌ها و دیگر سایت‌های مربوطه تکیه می‌کنند. این امر اهمیت نیاز به OM را نشان می‌دهد.

جهت دانلود محصول اینجا کلیک نمایید