تحلیلگری عظیم‌داده و کسب‌وکار
906 subscribers
44 photos
42 videos
56 files
468 links
📌تحلیلگری عظیم داده و کسب و کار؛

🔎Big Data and Business Analytics

آموزش، پژوهش، اطلاع‌رسانی، ترویج و خدمات مشاوره حوزه تحلیلگری عظیم‌داده

سرپرست کانال: دکتر سعید روحانی، عضو هیأت علمی دانشگاه تهران

وبسایت
www.bdbanalytics.ir

ادمین کانال
@BDBA_UT
Download Telegram
Media is too big
VIEW IN TELEGRAM
📌📌 هدوپ در شش دقیقه
🔹 هدوپ یک چارچوب نرم‌افزاری منبع‌باز است که پردازش توزیع‌شده‌ ‌عظیم داده‌ را بر روی خوشه‌هایی از سرورها ممکن می‌سازد.
در این ویدئو با هدوپ بیشتر آشنا می شویم.

🔸 همچنین شما می‌توانید این ویدئو را از لینک زیر تماشا نمایید.

🔗 https://b2n.ir/y28181

#ويدئو
#عظیم_داده
#هدوپ
#آرش_قاضی_سعیدی

@BigData_BusinessAnalytics
www.bdbanalytics.ir
📌 معرفی مقالات داغ حوزه عظیم‌داده

The state of the art and taxonomy of big data analytics : view from new big data framwork

🖋نویسندگان:

Azlinah Mohamed, Maryam Khanian Najafabadi, Yap Bee Wah, Ezzatul Akmal Kamaru Zaman, Ruhaila Maskat

🔸این مقاله، مروری بر مقالاتی است که استفاده از ابزارهای عظیم ‌داده‌ها و تکنیک‌های تحلیل عظیم داده‌ها را در حوزه‌های مختلف، مانند سلامت و مراقبت‌های پزشکی، شبکه‌های اجتماعی و اینترنت، بخش دولتی، مدیریت منابع طبیعی، بخش اقتصادی و بازرگانی و ... تحلیل کرده‌اند. اهداف این مقاله به شرح زیر هستند:
1. درک ترند تحقیقاتی که در ارتباط با عظیم داده‌ها هستند و همچنین درک فریم‌های فعلی تکنولوژی‌های عظیم داده‌ها
2. شناسایی ترندها در استفاده یا تحقیق در حوزه تکنیک‌های پردازش دسته‌ای و ابزارهای تحلیل عظیم‌داده‌ها
3. کمک به محققان و پیشگامان برای پیدا کردن جایگاه مناسب فعالیت‌های تحقیقاتی خود در این حوزه
یافته‌های این تحقیق، بینش و دانشی در زمینه پلتفرم‌های موجود عظیم‌ داده‌ها و کاربرد آنها در حوزه‌های مختلف، مزایا و معایب ابزارهای عظیم داده، تکنیک‌های تحلیل عظیم داده‌ها و کاربرد آنها و همچنین فرصت‌های تحقیقاتی جدید در توسعه آینده سیستم‌های عظیم داده‌ها فراهم خواهد کرد.

🔹خلاصه و دريافت مقاله:

🔗 https://b2n.ir/z38762

#معرفی_مقاله
#دکتر_سعید_روحانی
#یگانه_صیدی
#عظیم_داده


www.bdbanalytics.ir
@BigData_BusinessAnalytics
📚معرفی کتاب
“Guide to big data applications"

✍️ گردآورنده: S. Srinivasan

✍️ سال انتشار: 2018

✍️انتشارات: Springer

📌این کتاب بر اساس نظر و تجربیات افراد متخصص که در زمینه‌های کاری مختلف از تحلیل عظیم داده بهره می‌برند؛ گردآوری شده است. تمامی کاربردهای تحلیل عظیم داده در چهار بخش اصلی شامل کاربردهای عمومی عظیم داده، کاربرد در علوم، حوزه‌های تخصصی پزشکی و نهایتا کسب و کار همراه با ارائه مطالعه موردی‌های مختلف ارائه شده است.

📌برای خواندن ادامه مطلب و دریافت کتاب به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/s41745

#معرفی_کتاب
#تحلیل_عظیم_داده
#کاربرد_عظیم_داده
#علی_محمدی

@BigData_BusinessAnalytics
www.bdbanalytics.ir
📌📌 معرفی ابزار : Weka

🖌 ابزار Weka مجموعه‌ای از الگوریتم‌های یادگیری ماشین برای داده کاوی است. الگوریتم‌ها می‌توانند به صورت مستقیم روی یک مجموعه داده اعمال شوند یا از طریق کد جاوا خود فراخوانی شوند. Weka شامل ابزاری برای پیش پردازش داده‌ها، طبقه‌بندی، رگرسیون، خوشه‌بندی و بصری‌سازی است.

متن کامل یادداشت را در لینک زیر بخوانید:

🔗 https://b2n.ir/p36984


#معرفی_ابزار

#Waikato_Environment_for_Knowledge_Analysis(WEKA)
#بهاران_قیاسوند

@BigData_BusinessAnalytics
www.bdbanalytics.ir
📖 کتاب بخوانیم؛

"تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها"
"Big Data Analytics: Systems, Algorithms, Applications"


📌 بخش هشتم: اینترنت اشیا و تحلیلگری عظیم‌داده

🔸در این فصل یک حوزه کاربردی بسیار مهم دیگر از تحلیلگری عظیم‌داده (Big Data) مورد بررسی قرار گرفته است که عبارتست از اینترنت اشیا (IOT). اینترنت اشیا را می‌توان به عنوان تعامل و قابلیت همکاری فعالیت حوزه‌های مختلف نظیر صنعت مخابرات، نرم‌افزار، سخت‌افزار و صنایع تولید دستگاه دانست که نویدبخش فرصت‌های بزرگی برای بخش‌های مختلف صنعت و تجارت است.

🔹افزایش قابل توجه در دستگاه‌های متصل، منجر به افزایش نمایی در اندازه داده‌هایی است که انتظار می‌رود توسط شرکت‌ها مدیریت و تحلیل، و بر اساس آن اقدام شود. بنابراین اینترنت اشیا یک شریک طبیعی برای عظیم‌داده محسوب می‌شود چرا که حجم داده مورد نیاز برای تحلیلگری عظیم‌داده را فراهم می‌نماید. تمام داده‌های بلادرنگی که از منابع مختلف از جمله لوازم خانگی، ماشین آلات، مسیرهای قطار، کانتینرهای حمل و نقل، برق ایستگاه‌ها و غیره به دست می‌آید باید مورد تحلیل قرار گرفته و جهت اقدام مورد استفاده قرار گیرد.

🔸تلفیق عظیم‌داده با اینترنت اشیا وابسته به محیط زیرساخت است. این محیط شامل زیرساخت ابری و ذخیره‌سازی است. سازمان‌های بسیاری تلاش می‌کنند تا به سمت پلتفرم به عنوان سرویس (PaaS) ابری برای میزبانی و تحلیل داده‌های بزرگ اینترنت اشیا حرکت کنند چرا که در اختیار داشتن و نگهداشت فضای ذخیره‌سازی بسیار هزینه‌بر است. انتظار می‌رود PaaS ابری مقیاس‌پذیری، انعطاف‌پذیری و معماری پیچیده و موثر برای ذخیره داده‌های ابری که از دستگاه‌های اینترنت اشیا دریافت می‌شود را داشته باشد. اگر داده‌ها حساس باشد، معماری ابر خصوصی می‌تواند استقرار یابد. در غیر اینصورت خدمات ابر عمومی مانند AWS (آمازون) یا Azure (مایکروسافت) قابل استقرار می‌باشند.

برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/w69325

#کتاب_بخوانیم
#فصل_هشتم
#فاطمه_مظفری
#تحلیل_عظیم‌داده_سیستم‌ها_الگوریتم‌ها_و_کاربردها

www.bdbanalytics.ir
@BigData_BusinessAnalytics
📣 آغاز به‌کار کانال واتس‌اپ گروه تحلیلگری عظیم‌داده و کسب و کار

📌📌 با سلام خدمت تمام دوستان و همراهان گرامی

🔸 ضمن تشکر بابت همراهی شما عزیزان با کانال گروه تحلیلگری عظیم‌داده و کسب و کار، به استحضار می‌رساند، از این پس می‌توانید مطالب کانال را در واتس‌اپ نیز از طریق لینک زیر دنبال فرمایید.


https://chat.whatsapp.com/JPD9GYRQfMwFFLEB5YmmLv


#WhatsApp

www.bdbanalytics.ir
@BigData_BusinessAnalytics
📌 معرفی مقالات داغ حوزه عظیم‌داده

Significant Application of Big Data in COVID-19 Pandemic

نویسندگان:
Abid Haleem, Mohd Javid, Ibrahim Haleem Khan, Raju Vaishya
May 2020

🔸هدف این مقاله بررسی کاربردهای عظیم داده در پندمیک کوويد١٩ است. بیگ‌ دیتا به ما در درک هرچه بهتر ماهیت این بیماری کمک می‌کند. از داده‌های بدست آمده که می‌تواند مربوط به مبتلایان، بهبودیافتگان، از دست‌ رفته‌ها باشد برای پیشگیری و کنترل این بیماری استفاده می‌شود.
برخی از کاربردها عبارتند از شناسایی موارد مبتلا- تاریخچه سفرها- کمک به شناسایی ویروس در مراحل ابتدایی- ورود و خروج افراد به مناطق آلوده‌شده به ویروس

🔹خلاصه و دريافت مقاله:

🔗 https://b2n.ir/u46873

#معرفی_مقاله
#فاطمه_واضحی_فرد
#عظیم_داده


www.bdbanalytics.ir
@BigData_BusinessAnalytics
✍️مصاحبه :
🖌 آینده انبارهای داده‌
نقش هوش تجاری سلف سرویس در حال پررنگ تر شدن است. از طرفی امروزه با حجم زیادی از داده‌ها با سرعت و تنوع بالا مواجه هستیم که از منابع مختلف (شبکه‌های اجتماعی، دستگاه‌های موبایل، اینترنت اشیا، ابرهای پردازشی و غیره) دریافت می‌شوند. این داده‌ها هرکدام بخشی از واقعیت‌های مرتبط با کسب‌ و کارها را در خود دارند. کاربران هوش تجاری سلف سرویس، توقع دارند که بلادرنگ (یا نزدیک به بلادرنگ) بتوانند این داده‌ها را تجزیه و تحلیل کنند. بدیهی است که در چنین فضایی، روش‌های سنتی ساخت انبارداده، نمی‌توانند همه انتظارات را برآورده سازند.
این موضوع باعث در پیش گرفتن رویکرد جدیدی تحت عنوان انبار داده‌های منطقی شده است. انبار داده‌های منطقی مکانیزم‌های متنوعی را برای مشاهده داده‌های داخل انبارداده فیزیکی و هر منبع داده دیگر فراهم می‌کنند. در واقع، انبار داده‌های منطقی، انبارداده‌های فیزیکی را تکمیل کرده و ارتقاء می‌دهند.
انبار داده‌های منطقی، یکی از موضوعات مورد بحث در سال‌های اخیر بوده است. تاثیر انبار داده‌های منطقی بر انبارسازی داده‌ها، در این مصاحبه مطرح شده است.

مصاحبه ترجمه شده با آقای Dan Linstedt با موضوع آینده انبارهای داده را در لینک زیر بخوانید:

🔗 https://b2n.ir/k63274

#مصاحبه
#هدوپ
#BI
#DanLinstedt
#ترجمه
#آرش_قاضی_سعیدی
www.bdbanalytics.ir
@BigData_BusinessAnalytics
This media is not supported in your browser
VIEW IN TELEGRAM
🔺 معرفی دوره MBA یکساله تحلیل‌گری کسب‌وکار
🔺 MBA in Business Analytics
▫️ ارائه گواهینامه دو زبانه از دانشگاه تهران
▫️ گرایش‌های کاربردی و مهارت‌محور (MBA in Data Analytics و MBA in Decision Analytics)
▫️ مدیرعلمی: دکتر سعید روحانی

🔗 https://postmba.org/bussiness-analytics

#دکتر_سعید_روحانی

@BigData_BusinessAnalytics
www.bdbanalytics.ir
🍃 بهارنامه

ماحصل پانزدهمین فصل از فعالیت‌های گروه تحلیلگری عظیم‌داده و کسب‌وکار، (بهار ١٤٠٠) در پست بعد قابل دریافت می‌باشد.

#فصلنامه_الکترونیک
#بهارنامه

www.bdbanalytics.ir
@BigData_BusinessAnalytics
بهارنامه.pdf
1.5 MB
فایل پانزدهمین شماره فصلنامه گروه "تحلیلگری عظیم‌داده و کسب‌وکار"

#فصلنامه_الکترونیک
#بهارنامه

www.bdbanalytics.ir
@BigData_BusinessAnalytics
📚معرفی کتاب
“The Decision Maker’s Handbook To Data Science "

✍️ نویسنده: Stylianos Kampakis

✍️ سال انتشار: 2020

✍️انتشارات: Apress

📌 کتاب راهنمای تصمیم‌گیری برای علم داده: یک راهنما برای مجریان غیرفنی، مدیران و بنیان‌گذاران
📌علم داده با سرعت بالایی در حال گسترش در صنایع مختلف است و شرکت‌هایی که در ابتدا بهترین روش‌ها را اتخاذ کنند، از مزیت قابل توجهی برخوردار می‌شوند. برای بهره‌مندی از مزایای علم و تحلیل داده، تصمیم‌گیرندگان باید درک مطمئنی از علم داده و کاربرد آن در سازمان خود داشته باشند. تازه‌کارها با دیدن این کلمه احساس فلج شدن و ترس می‌کنند اما چیزی که خیلی‌ها متوجه نمی‌شوند این است که علم داده در واقع یک علم کاملا چند رشته‌ای است که برای تحلیل‌گران کسب‌وکار، استراتژیست‌ها و طراحان مفید است.
📌با چاپ دوم کتاب راهنمای تصمیم‌گیری برای علم‌داده، شما یاد خواهید گرفت که چگونه مانند یک دانشمند باسابقه داده فکر کنید و به راه‌حل‌های کاملاً جدید نزدیک شوید. Stylianos Kampakis، نویسنده کتاب، تخصص و ابزار لازم برای توسعه یک استراتژی داده را در اختیار شما قرار می‌دهد. اصول اخلاقی و حقوقی پیرامون جمع‌آوری داده‌ها و سوگیری الگوریتمی برخی از مشکلات متداول است که کامپاکیس به شما کمک می کند تا از آنها جلوگیری کنید. همچنین در این کتاب ابزارهای ارزیابی پروژه و محتوای گسترده برای استخدام و مدیریت دانشمندان داده نیز ارایه شده است. .


📌برای خواندن ادامه مطلب و دریافت کتاب به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/s13077

#معرفی_کتاب
#عظیم_داده
#علم_داده
#هادی_صداقت

@BigData_BusinessAnalytics
www.bdbanalytics.ir
📖 کتاب بخوانیم؛

"تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها"
"Big Data Analytics: Systems, Algorithms, Applications"


📌 بخش نهم: تجزیه و تحلیل ‌عظیم‌داده برای خدمات مالی و بانکی

🔸 در این فصل روش‌های احتمالی کاربرد تحلیلگری عظیم‌داده در بخش خدمات بانکی و مالی مورد بررسی قرار گرفته است.در یک تجارت مالی بسیار رقابتی، شرکت‌هایی داریم که برای جلب مشتریان بالقوه خود با یکدیگر رقابت می‌کنند. این امر خواستار نظارت دقیق آنها بر نظرات و بازخورد مشتری در همه سیستم عامل‌های مختلف جهان با اینترنت که داده‌های بی‌سابقه‌ای را برای ترسیم بینش ارائه می‌دهد، می‌باشد. پدیده عظیم‌داده منجر به گسترش طیف وسیعی از انواع داده قابل پردازش شده است که به بانک‌ها و موسسات مالی امکان هضم، جذب و پاسخ بهتر به تعاملات فیزیکی و دیجیتالی آنها با مشتریان را می‌دهد.

🔹بینش مشتری و تجزیه و تحلیل بازاریابی، تجزیه و تحلیل احساسات برای ادغام بازخورد مشتری، تجزیه و تحلیل پیش‌بینی برای استفاده از بینش مشتری، ایجاد مدل، کشف تقلب و مدیریت ریسک، ادغام تجزیه و تحلیل ‌عظیم‌داده در عملیات، بهترین روشهای تجزیه و تحلیل داده‌ها در بانکداری برای جبران بحران و مدیریت از جمله موارد مورد بررسی در این فصل است.


برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/r41438

#کتاب_بخوانیم
#فصل_نهم
#ساینا_رتبه‌ای
#تحلیل_عظیم‌داده_سیستم‌ها_الگوریتم‌ها_و_کاربردها

www.bdbanalytics.ir
@BigData_BusinessAnalytics
📌📌 معرفی کسب‌وکار داده‌محور: Huma

🖌 بیمارستان دیجیتال

🔸 این شرکت که قبلا با نام تجاری Medopad شناخته می‌شد، یک شرکت فناوری مراقبت‌های بهداشتی در انگلیس است که در لندن مستقر است. این شرکت اپلیکیشن‌هایی را تولید می‌کند که داده‌های پزشکی موجود در پایگاه داده‌های بیمارستان‌ها، داده‌های بدست آمده از دستگاه‌های پوشیدنی توسط بیمار و سایر دستگاه‌ها مانند تلفن همراه بیمار را با یکدیگر یکپارچه می‌کند و این اطلاعات را به شکلی ایمن در اختیار پزشکان قرار می‌دهند.



🔻 برای خواندن ادامه این متن به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/m26560

#کسب‌وکار‌_داده‌محور
#تحلیل_داده
#بیمارستان_دیجیتال
#بهاران_قیاسوند

www.bdbanalytics.ir
@BigData_BusinessAnalytics
📌 معرفی مقالات داغ حوزه عظیم‌داده

What we talk about when we talk about (big) data

🖋نویسنده:

Matthew Jones

🔸اخیرا بسیاری از مقالات در حوزه عظیم‌داده‌ها در ژورنال Strategic Information Systems بر روی تاثیرات داده‌های عظیم بر روی افراد، سازمان‌ها و جامعه متمرکز است. به طور کلی، صرف نظر از چنین تحلیلی، در نظر گرفتن خود داده‌ها نیز بسیار اهمیت دارد (اینکه چه چیزی باعت این تاثیرات می‌شود).
در این مقاله، یک تحلیل انتقادی از چندین فرضیه گسترده در ارتباط با داده‌ها ارائه شده است. در این مقاله به این مسئله پرداخته می‌شود که داده‌ها جزئی و احتمالی هستند و از طریق روش‌های مستقر در مفهوم سازی، ذخیره شده و مورد استفاده قرار می‌گیرند. عظیم‌داده‌ها نیز به اندازه‌ای که اغلب ارائه می‌شوند، حجیم، جهانی یا جامع نیستند. بنابراین، برخی از مفاهیم اولیه از این تصور، بررسی شده‌اند. میان "داده‌هایی که ذخیره می‌شوند" و "داده‌هایی که در عمل مورد استفاده قرار می‌گیرند" تفاوت وجود دارد. داده‌هایی که مورد استفاده قرار می‌گیرند، غالبا کوچکتر بوده و لزوما نماینده داده‌های ذخیره شده که مستقیما به اثرات داده‌پردازی کمک می‌کنند، نیستند.

🔹خلاصه و دريافت مقاله:

🔗 https://b2n.ir/d24229

#معرفی_مقاله
#دکترسعیدروحانی
#یگانه_صیدی
#عظیم_داده


www.bdbanalytics.ir
@BigData_BusinessAnalytics
📚 معرفی کتاب
“Big Data Systems: A 360-degree Approach "
✍️ نویسنده: Jawwad Ahmed Shamsi, Muhammad Ali Khojaye
✍️ سال انتشار: 2021
✍️انتشارات: CRC Press
📌 کتاب سیستم‌های عظیم داده: یک رویکرد 360 درجه ای
📌 سیستم‌های عظیم داده شامل چالش‌های سنگینی مرتبط با پراکندگی داده، مکانیزم‌های ذخیره سازی و نیازمندی‌های توان محاسباتی می‌شوند. علاوه بر این، قابلیت‌های عظیم داده با توجه به نوع مسائل فرق می‌کند. برای مثال، سیستم‌های توزیع شده مموری برای الگوريتم‌های تکرار شونده مناسب نیستند. به طور مشابه، تفاوت در سیستم‌های عظیم داده با توجه به سازگاری و آستانه تحمل خطا نیز ایجاد می‌شوند.
📌هدف این کتاب، ارائه توضیحات مفصل از سیستم‌های عظیم داده است. کتاب، موضوعات مختلفی شامل شبکه سازی، امنیت، حریم خصوصی، ذخیره سازی، محاسبات، محاسبات ابری، سیستم های NoSQL و NewSQL، محاسبات با عملکرد بالا و یادگیری عمیق را شامل می‌شود. یک رویکرد تصویری و کاربردی برای این منظور به کار گرفته شده است.
📌ویژگی های کلیدی کتاب عبارتند از:
▫️معرفی مفاهیم و تکامل فناوری عظیم داده
▫️ارائه مثال های نمایشی برای فهم موضوع
▫️شامل مثال‌های برنامه‌نویسی برای توسعه عملی
▫️توضیح موضوعات مختلف شامل شبکه سازی، امنیت، حریم خصوصی، ذخیره سازی، محاسبات، محاسبات ابری، سیستم های NoSQL و NewSQL، محاسبات با عملکرد بالا و یادگیری عمیق
▫️ارائه مثال در خصوص فناوری‌های مشهور و استفاده شده عظیم داده مانند هدوپ و اسپارک
▫️شامل بحث در خصوص مطالعات موردی و مسائل باز
▫️ارائه سوالات در پایان هر فصل جهت بهبود یادگیری

📌برای دریافت کتاب به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/a74619

#معرفی_کتاب
#عظیم_داده
#میثم_عسگری

@BigData_BusinessAnalytics
www.bdbanalytics.ir
📖 کتاب بخوانیم؛

"تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها"
"Big Data Analytics: Systems, Algorithms, Applications"


📌 بخش دهم: تکنیک‌های تحلیل‌ عظیم داده در بازارهای مالی

🔸 تولید حجم بالای داده به صورت برخط و تاثیرگذاری عوامل بیرونی چون اخبار و شبکه‌های اجتماعی در بازارهای مالی؛ دو انگیزه اصلی برای بررسی کاربردهای الگوریتم‌های تحلیل عظیم داده در این نوع بازارها می‌باشند که در بخش دهم کتاب مورد بررسی قرار گرفته‌اند. این کاربردها شامل مدل‌های یادگیری ماشین، تحلیل متون، الگوریتم‌های تریدینگ داده محور و تکنیک‌های شبیه سازی می‌باشند.

برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/d58898

#کتاب_بخوانیم
#فصل_دهم
#علی_محمدی
#تحلیل_عظیم‌داده_سیستم‌ها_الگوریتم‌ها_و_کاربردها

www.bdbanalytics.ir
@BigData_BusinessAnalytics
🔵استفاده از هوش مصنوعی برای مبارزه با خبرهای جعلی و اسپم باتها در توییتر

🔸هر روزه تعداد زیادی توییت توسط 330 میلیون کاربر توییتر نوشته می‌شود. مردم سراسر جهان برای سهولت برقراری ارتباط با دوستان خود، پیگیری افراد مشهور مورد علاقه خود و اطلاع از اخبار، علاقه زیادی به استفاده از این شبکه اجتماعی دارند ولی به علت اینکه تعداد زیادی از افرادی که از این شبکه اجتماعی استفاده می‌کنند، ناشناس هستند، اخبار جعلی فراوانی در این شبکه اجتماعی منتشر می‌شود. هوش مصنوعی یکی از راه‌هایی است که توییتر با استفاده از آن از انتشار اخبار جعلی جلوگیری کرده است.

برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/w84470

#نمونه_موردی
#توییتر
#هوش_مصنوعی