ترنسیس | Transis Transis | ترنسیس

پرتو اخوان مدرس

  • 1 روز پیش فعال بوده
  • 2 سال و 2 ماه در ترنسیس
این صفحه را به اشتراک بگذارید

پرتو اخوان مدرس

  • 1 روز پیش فعال بوده
  • 2 سال و 2 ماه در ترنسیس
امتیاز کارفرمایان
9.6 از 10
توسط کارفرمایان
[ از 56 رأی ]
امتیاز ترنسیس
9.2 از 10
توسط تیم ارزیابی ترنسیس
[ از2 رأی ]
67 ترجمه موفق
0 ترجمه ناموفق

مترجم انواع متون انگلیسی به خصوص در زمینه مهندسی کامپیوتر

دارای مدرک تخصصی و سابقه تدریس و ترجمه زبان انگلیسی به خصوص زمینه علوم کامپیوتر

67 ترجمه موفق
0 ترجمه ناموفق

نمونه ترجمه های انجام شده

متن اصلی:

A BACnet device is often comprised of a microprocessor-based controller and software combination that is designed to understand and use the BACnet protocol. A BACnet device is typically a controller, gateway, or user interface. Every BACnet device contains a device object that defines certain device information, including the device object identifier or instance number. A BACnet device object instance number must be field-configurable to be unique across the entire BACnet network where the device in installed. For brevity this number is often called the device instance.

متن ترجمه شده:

یک دستگاه BACnet عموما از یک کنترل گر مبتنی بر ریزپردازنده و ترکیبی از نرم افزارها که برای درک و استفاده از پروتکل BACnet طراحی شده اند، تشکیل شده است.

متن اصلی:

Cloud systems are inefficient in processing delaysensitive applications due to the WAN latency associated. To augment the processing of cloud services and provide delay-free computation, fog computing is used. The delay-sensitivity of the tasks and heterogeneity of the fog-cloud hybrid architecture calls for efficient resource allocation policies. The decision-making must be precise and also multiple criteria must be considered while deciding which resources to allocate. In this work, we propose two variants of AHP-based resource allocation policies for fog-cloud hybrid systems.

متن ترجمه شده:

سیستم‌های ابری، به علت تاخیرات مرتبط به WAN، در پردازش برنامه‌های حساس به تاخیر، ناکارآمد هستند. در جهت افزایش کیفیت پردازش سرویس‌های ابری و ارائه توان محاسباتی بدون تاخیر، از رایانش مِه (Fog computing) استفاده می‌شود. معماری حساس به تاخیر و سلسله‌مراتبی عملیات‌های رایانش مه سبب می‌شود تا استفاده آن از منابع بسیار بهینه شود. در تخصیص منابع در این رایانش، تصمیم گیری برای انتخاب منابع مورد نیاز، باید بسیار با دقت انجام شود. در این مقاله، دو روش مبتنی بر AHP را برای تخصیص منابع در سیستم‌های رایانش مه دوگانه، بررسی می‌کنیم.‌ در این روش‌ها، در مرحله تصمیم‌گیری، میزان بار شبکه نیز علاوه بر میزان بار محاسباتی، در نظر گرفته می‌شود. هدف کلی این روش‌های تخصیص منابع، کاهش میزان تاخیر هر عملیات است.

رضایت کلی کارفرمایان

کاملا راضی 79%
راضی 20%
متوسط 2%
ناراضی 0%

رضایت کلی تیم ارزیابی ترنسیس

کاملا راضی 50%
راضی 50%
متوسط 0%
ناراضی 0%
کیفیت ترجمه
9 از 10
تحویل به موقع
9.9 از 10
رعایت اصول نگارشی
9.7 از 10
امیرحسین بیگدلو
1400/02/14
  • تخصصی-مهندسی کامپیوتر
  • انگلیسی به فارسی
  • خوب
  • متن
کاملا راضی
کیفیت ترجمه
10 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
امیرحسین بیگدلو
1400/02/11
  • تخصصی-مهندسی کامپیوتر
  • انگلیسی به فارسی
  • خوب
  • متن

واقعا از کار کردن با ایشون لذت میبرم

کاملا راضی
کیفیت ترجمه
10 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
امتیازهای بیشتر
کیفیت ترجمه
9.5 از 10
تحویل به موقع
9 از 10
رعایت اصول نگارشی
9 از 10
سایت ترنسیس
تیم ارزیابی ترنسیس
  • تخصصی-مهندسی کامپیوتر
  • فارسی به انگلیسی
  • خوب
  • متن
راضی
کیفیت ترجمه
9 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
سایت ترنسیس
تیم ارزیابی ترنسیس
  • تخصصی-مهندسی کامپیوتر
  • انگلیسی به فارسی
  • معمولی
  • متن
کاملا راضی
کیفیت ترجمه
10 از 10
تحویل به موقع
8 از 10
رعایت اصول نگارشی
8 از 10
با ما گفتگو کنید