تیمور بهرامی

تیمور بهرامی [ کد 15603 ]

2 روز پیش فعال بوده | 5 سال و 9 ماه در ترنسیس
این صفحه را به اشتراک بگذارید

تیمور بهرامی [ کد 15603 ]

2 روز پیش فعال بوده | 5 سال و 9 ماه در ترنسیس
امتیاز کارفرمایان

مترجم رشته کامپیوتر-مدیریت-عمومی

حدودا دو سال در زمینه ترجمه کار کردم

سفارش اختصاصی(ابتدا وارد شوید)

مهارت‌های ترجمه متن

مهارت‌های ترجمه متن

  • عمومی
  • مهندسی کامپیوتر
  • مدیریت

نمونه‌کار های انجام شده

  • مدیریت
    انگلیسی به فارسی
    متن اصلی:

    Business model innovation as a turnaround strategy Chesbrough (2007) also argued that in order to achieve innovation, the development of technology and R&D is not sufficient, and business models should be innovated, and it can be done after “trial and error and ex-post adaptation. As the key actions taken by these firms were categorized under the different dimensions of business model, the findings of this research exactly emphasized that business model innovation can be considered as a turnaround strategy at the time of decline.

    متن ترجمه شده:

    نوآوری در مدل کسب و کار به عنوان یک استراتژی احیا چسبرو (2007) همچنین استدلال کرد که برای دستیابی به نوآوری ، توسعه فناوری و تحقیق و توسعه کافی نیست و مدلهای تجاری باید نوآورانه باشند و این امر را تنها می توان پس از "آزمون و خطا و سازگاری پس از آن" انجام داد. از آنجایی که کارهای انجام گرفته توسط شرکت در ابعاد گوناگونی از مدل های کسب و کار دسته بندی شده اند، یافته های این پژوهش دقیقا بر این مسئله صحه می گذارند که نوآوری مدل کسب و کار در زمان های رکود می تواند به عنوان استراتژی احیا تلقی شود

  • مهندسی کامپیوتر
    انگلیسی به فارسی
    متن اصلی:

    Abstract— Deep Neural Networks (DNNs) have shown significant advantages in many domains, such as pattern recog- nition, prediction, and control optimization. The edge computing demand in the Internet-of-Things (IoTs) era has motivated many kinds of computing platforms to accelerate DNN operations. However, due to the massive parallel processing, the performance of the current large-scale artificial neural network is often limited by the huge communication overheads and storage requirements. As a result, efficient interconnection and data movement mech- anisms for future on-chip artificial intelligence (AI) accelerators are worthy of study.

    متن ترجمه شده:

    چکیده - شبکه های عصبی عمیق (DNN) مزایای قابل توجهی را در بسیاری از حوزه ها مانند شناسایی الگو ، پیش بینی و بهینه سازی کنترل نشان داده اند.نیاز به رایانش مرزی در عصر اینترنت اشیا باعث شده انواع مختلفی از پلتفرم های محاسباتی برای تسریع محاسبات شبکه های عصبی عمیق بوجود بیاید. با این حال ، به دلیل پردازش موازی گسترده ، عملکرد شبکه عصبی مصنوعی که معمولا در مقیاس بزرگ عمل می کنند بواسطه سربار ارتباطی و همچنین نیازهای ذخیره سازی محدود شده است. در نتیجه ، مکانیسم های انتقال داده ای و همچنین ارتباطات موثر برای تسریع دهنده های هوش مصنوعی روی تراشه نیازمند مطالعه می باشند

رضایت کلی کارفرمایان

کاملا راضی -
راضی -
متوسط -
ناراضی -