دانلود ترجمه مقاله کاربرد هوش مصنوعی در مدیریت کسب و کار و تجارت الکترونیک

1. مقدمه 2. تفاوت تکنیک های هوش مصنوعی و یادگیری ماشین 3. کاربردهای هوش مصنوعی در مدیریت کسب و کار، تجارت الکترونیک و امور مالی 4. نتیجه گیری

چکیده – در تجارت الکترونیک و صنایع مالی، هوش مصنوعی به منظور دستیابی به تجربه بهتر مشتری، مدیریت کارامد زنجیره تامین، بهبود کارایی عملیاتی و کاهش اندازه جفت با هدف اصلی طراحی روش های قابل اطمینان کنترل کیفیت محصول و جستجوی راه های جدید دستیابی و ارائه خدمات به مشتریان با حفظ هزینه پایین به کار گرفته می شود. یادگیری ماشین و یادگیری عمیق دو مورد از پرکاربردترین روش های هوش مصنوعی است. افراد، کسب و کارها و سازمان های دولتی از این مدل ها به منظور پیش بینی و یادگیری داده ها استفاده می کنند. در حال حاضر، مدل های یادگیری ماشین برای پیچیدگی و تنوع داده ها در صنعت غذا توسعه یافته است. این مقاله به بحث در رابطه با کاربردهای یادگیری ماشین و هوش مصنوعی در تجارت الکترونیک، مدیریت شرکتی و امور مالی می پردازد. رشد فروش، به حداکثر رساندن سود، پیش بینی فروش، مدیریت موجودی، امنیت، تشخیص تقلب و مدیریت پورتفولیو برخی از کاربردهای اصلی هوش مصنوعی و یادگیری ماشین است. مقدمه: معمولا هوش مصنوعی اشاره به ساخت مصنوعی ذهن انسان دارد که می تواند زبان طبیعی را آموخته، آن را برنامه ریزی، درک یا پردازش کند [1]. نظریه و توسعه سیستم های کامپیوتری به طور کلی می تواند فعالیت های مورد نیاز هوش مصنوعی مانند درک بصری، تشخیص گفتار، تصمیم گیری و ترجمه زبان را انجام دهد [3]. هوش مصنوعی صنعت فناوری اطلاعات بوده که عمدتا با ماشین هایی سروکار داشته که برای کار همانند انسان ساخته شده اند. جان مک کارتی (پدر هوش مصنوعی)، هوش مصنوعی را به عنوان "دانش علمی و فنی توسعه برنامه های کامپیوتری هوشمند" توصیف کرد. یادگیری ماشین و یادگیری عمیق دو مورد از پرکاربردترین روش های هوش مصنوعی است. این مدل ها از داده ها آموزش داده شده و برای پیش بینی توسط افراد، شرکت ها و سازمان های دولتی مورد استفاده قرار می گیرند. امروزه، مدل های یادگیری ماشین برای پیچیدگی و تنوع داده ها در تجارت مواد غذایی در حال توسعه است[2، 3].

In the e-commerce and financial industries, AI has been deployed to achieve better customer experience, efficient supply chain management, improved operational efficiency, and reduced mate size, with the main goal of designing standard, reliable product quality control methods and the search for new ways of reaching and serving customers while maintaining low cost. Machine learning and deep learning are two of the most often used AI approaches. Individuals, businesses, and government agencies utilize these models to anticipate and learn from data. Machine learning models for the complexity and diversity of data in the food industry are being developed at the moment. This article discusses machine learning and artificial intelligence applications in e-commerce, corporate management, and finance. Sales growth, profit maximization, sales forecast, inventory management, security, fraud detection, and portfolio management are some of the major uses. Introduction: Artificial intelligence usually refers to the artificial fabrication of human minds that can learn natural language, plan it, perceive it or process it [1]. It is the theory and development of computer systems that can generally carry out activities requiring human intelligence, such as visual perception, recognition of speech, decision-making and language translation [3]. Artificial intelligence is an IT industry that mostly works with machines which are built to operate like a human being. John McCarthy (AI’s dad) described AI as ‘‘the scientific and technical knowledge of developing smart computer programs in particular”. Machine learning and profound learning are two of the most often utilized AI methods. These models learn from data and are used for predicting by individuals, firms and government organizations. Machine learning models for the complexity and diversity of data in the food business are nowadays being developed [2,3].

ترجمه این مقاله در 8 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.