This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
Services
Translation, Editing/proofreading, Transcription
Expertise
Specializes in:
Finance (general)
Management
Internet, e-Commerce
Business/Commerce (general)
IT (Information Technology)
Linguistics
Human Resources
Psychology
Social Science, Sociology, Ethics, etc.
Marketing / Market Research
Also works in:
Computers (general)
Anthropology
Education / Pedagogy
Environment & Ecology
General / Conversation / Greetings / Letters
Geography
Nutrition
Science (general)
Other
Retail
Surveying
Investment / Securities
Law (general)
Philosophy
More
Less
Rates
English to Persian (Farsi) - Rates: 0.03 - 0.06 USD per word / 11 - 15 USD per hour / 5.00 - 7.00 USD per audio/video minute Persian (Farsi) to English - Rates: 0.04 - 0.06 USD per word / 12 - 17 USD per hour / 5.00 - 7.00 USD per audio/video minute
English to Persian (Farsi): Alexa, Understand Me General field: Tech/Engineering Detailed field: IT (Information Technology)
Source text - English On August 31, 2012, four Amazon engineers filed the fundamental patent for what ultimately became Alexa, an artificial intelligence system designed to engage with one of the world’s biggest and most tangled data sets: human speech. The engineers needed just 11 words and a simple diagram to describe how it would work. A male user in a quiet room says: “Please play ‘Let It Be,’ by the Beatles.” A small tabletop machine replies: “No problem, John,” and begins playing the requested song.
From that modest start, voice-based AI for the home has become a big business for Amazon and, increasingly, a strategic battleground with its technology rivals. Google, Apple, Samsung, and Microsoft are each putting thousands of researchers and business specialists to work trying to create irresistible versions of easy-to-use devices that we can talk with. “Until now, all of us have bent to accommodate tech, in terms of typing, tapping, or swiping. Now the new user interfaces are bending to us,” observes Ahmed Bouzid, the chief executive officer of Witlingo, which builds voice-driven apps of all sorts for banks, universities, law firms, and others.
Translation - Persian (Farsi) در 31 آگوست 2012، چهار مهندس شرکت آمازون پروانۀ بنیادین اختراع محصولی را به ثبت رساندند که نهایتاً به اَلِکسا تبدیل شد؛ سیستمی مبتنی بر هوش مصنوعی که طراحی شده است تا با یکی از بزرگ‌ترین و پیچیده‌ترین مجموعه داده‌های دنیا، یعنی گفتار انسان، تعامل برقرار کند. این مهندسان تنها به 11 کلمه و نموداری ساده نیاز داشتند تا بتوانند توضیح دهند این محصول چطور کار خواهد کرد. مردی در اتاقی ساکت می‌گوید: «آهنگ « Let It Be» اثر Beatles را پخش کن». یک دستگاه کوچک رومیزی جواب می‌دهد: «مشکلی نیست جان» و شروع می‌کند به پخش کردن ترانۀ درخواستی.
از آن شروع معمولی تا کنون، هوش مصنوعی مبتنی بر صوت مخصوص منازل به تجارتی بزرگ برای آمازون و، به طور روزافزونی، میدان نبرد استراتژیک این شرکت با رقبایش در حوزۀ فناوری تبدیل شده است. هریک از شرکت‌های گوگل، اَپِل، سامسونگ و مایکروسافت هزاران محقق و متخصص تجارت را به کار گماشته‌اند تا دستگاه‌های وسوسه‌انگیز و آسان‌کاربردی را تولید کنند که می‌توانیم با آن‌ها حرف بزنیم. طبق مشاهدات احمد بوزِید، مدیر عامل Witlingo، شرکت سازندۀ انواع برنامه‌های کاربردی مبتنی بر صوت برای بانک‌ها، دانشگاه‌ها، شرکت‌ها و دیگر نهادها: «تاکنون همۀ ما، ازنظر تایپ کردن، ضربه زدن یا کشیدن انگشت، تسلیم سازگاری با فناوری شده‌ایم. اکنون این رابط‌های کاربری جدید هستند که دارند در برابر ما سر تسلیم فرود می‌آورند».
English to Persian (Farsi): Cognitive Technology General field: Science Detailed field: Science (general)
Source text - English In recent years, as brain science headlines have become common, the public awareness of neuroscience has skyrocketed. President George H.W. Bush’s “Decade of the Brain” in the 1980s led to the grassroots movement, “Decade of the Mind,” in the first decade of the twenty-first century and most recently the White House BRAIN initiative (Sacktor 1996; Albus et al. 2007; Alivisatos et al. 2012). This public awareness was not always so. Indeed, scientists who studied the brain, while being well represented among the Nobel Prizes of the twentieth century, did not even call themselves neuroscientists until the 1970s with the founding of the Society for Neuroscience. Even until the turn of the millennium, the popular view of the brain scientist was as primarily a psychologist (in a white lab coat) studying rats exploring a T-maze (Tolman and Honzik 1930). Relevant to the subject matter of this chapter, in the technological fields, the public also viewed transistor-based solid-state devices as inherently separated from the human brains that created them. All of the above have rapidly changed over the last decade, and we will argue in this chapter that the driver of change was a set of convergent neurotechnologies (NTs) that, taken together, are revolutionizing the discipline and, more importantly, are offering the potential for practical application in many areas of human activity. Arguably, NTs were first introduced in the mid-twentieth century as tools to conduct intracellular electrophysiological recordings from individual neurons (Barbara 2006). These early NTs fundamentally changed the context of the questions that scientists could ask about nervous systems. In a sense, for investigators, the study of the brain was transformed from investigating a “black box” (with behavior as the main dependent variable) (Skinner 1953) to studying a “machine” with constituent parts. The “brain machine” was subject to reductionist approaches such as those used in the more mature fields such as physics or chemistry. Over time, this change in scientific approach, from mostly behavioral studies to neurophysiological ones (and subsequently to imaging and genetic approaches), allowed for investigators to ask scientific questions that had immediate practical applications, whether in the public health or industrial sectors. While in the past, researchers had largely confined their research questions to those limited ones that can be asked about animal models, in the new paradigm, human brain diseases, memories, human cognition, and emotion all became fair game, both for the bench-top scientist and for the clinician. ......
Translation - Persian (Farsi) در سال‌های اخیر، آگاهی مردم از علم عصب‌شناسی به دلیل رواج اخبار مربوط به علوم مغز و اعصاب به سرعت افزایش یافته است. استفاده عبارت «دهه مغز» ازسوی رئیس جمهور وقت، جرج اچ. دبلیو. بوش در دهه 1980 سبب شکلگیری جنبش مردمی «دهه ذهن» در اوایل قرن بیست و یکم شد و اخیراً هم برنامه جامع مغز کاخ سفید را کلید زد (سکتر، 1996؛ الباس و همکاران، 2007؛ الیویساتوس، 2012). آگاهی عمومی از این علم همیشه در چنین وضعی نبوده است. درحقیقت، دانشمندانی هم که درمورد مغز مطالعه می‌کردند، با این که درمیان جوایز نوبل قرن بیستم کاملاً به چشم می‌آمدند، تا دهه 1970 و تشکیل جامعه عصب‌شناسی، خود را حتی عصب‌شناس هم نمی‌خواندند. حتی تا آغاز هزاره سوم، مردم دانشمند مغز و اعصاب را روانشناسی (با روپوش آزمایشگاه) می‌دانستند که با مطالعه روی موش‌ها به جستجوی هزارتویی تی‌شکل می‌پردازد (تالمن و هانزیک، 1930). در حوزه‌های مربوط به فناوری، دیدگاه عام دیگری (که به موضوع این فصل نیز مرتبط است) این بود که دستگاه‌های جامد مبتنی بر ترانزیستور از مغز انسان جدا شده‌اند و مغز انسان سازنده این ابزارها است. در دهه اخیر، تمامی دیدگاه‌های فوق سریعاً دستخوش تغییر شده‌اند. در ادامه این فصل خواهیم گفت که محرک چنین تغییری مجموعه‌ای همگرا از فناوری‌های عصبی (NT ) است که در کنار هم به ایجاد تحول در این حوزه از علم منجر می‌شوند و، مهم‌تر از آن، ظرفیت‌هایی کاربردی را برای زمینه‌های مختلف فعالیت‌های انسانی ایجاد می‌کنند. .....
English to Persian (Farsi): shame management General field: Social Sciences Detailed field: Psychology
Source text - English ...
Moving away (avoidance, withdrawal, and concealment)
As mentioned in the literature on coping and emotion regulation, the methods of engagement versus disengagement or avoidance versus approach (situation selection) are recognised as common means for dealing with emotions. According to the shame- management model (Nathanson, 1992), avoidance and withdrawal are the two main strategies for dealing with shame; this model is based on the idea that each person develops a series of schemas or scripts for managing shame according to his or her previous personal experiences (Nathanson, 1992).
...
Translation - Persian (Farsi) ...
دورشدن (اجتناب، کناره‌گیری و اختفا)
چنان‌که در تحقیقات مربوط به مدارا و تنظیم هیجان گفته شده است، روش‌های درگیری و عدم درگیری ذهنی یا اجتناب و گرایش (انتخاب شرایط) ابزاری رایج برای برخورد با هیجانات محسوب می‌شوند. براساس مدل مدیریت شرم (ناتانسون، 1992)، اجتناب و کناره‌گیری دو راهبرد اصلی مقابله با شرم هستند؛ این مدل بر ایده‌ای استوار است مبنی بر این‌که هر فرد با توجه به تجربیات قبلی خود، طرح‌واره‌ها و الگوهایی را برای مقابله با شرم شکل می‌دهد (ناتانسون، 1992).
...
Persian (Farsi) to English: نقش فرهنگ سازمان در تمایل مدیران به پذیرش فناوری تولید سبز در صنعت ریخته‌گری General field: Social Sciences Detailed field: Mathematics & Statistics
Source text - Persian (Farsi) هدف از اﻧﺠﺎم اﯾﻦ ﭘﮋوﻫﺶ ﺑﺮرﺳﯽ ﺗﺄﺛﯿﺮ فرهنگ سازمانی بر تمایل مدیران به پذیرش فناوری تولید سبز است. ﺟﺎﻣﻌﻪ آﻣﺎري پژوهش با استفاده از روش نمونه تصادفی ساده از میان کارکنان ستادی و اجرایی در رده‌های کارشناسان، رؤسا و مدیران صنعت ریخته‌گری کشور ایران در ﺳﺎل 1394 به ﺗﻌﺪاد 115 ﻧﻔﺮ انتخاب گردید. ﺑﺮ اﺳﺎس فرمول کوکران حجم نمونه لازم جهت بررسی این پژوهش، 88 نمونه بوده که تعداد90 نمونه مطابق با جدول کرجسی و مورگان مورد بررسی قرار گرفت. تجزیه‌وتحلیل داده‌ها از طریق معادلات ساختاری انجام شد، که با توجه به غیر نرمال بودن داده‌ها در آزمون کولموگروف اسمیرنوف، از آزمون‌های ناپارامتریک در تحلیل روابط استفاده گردید. در بررسی داده‌ها پایایی مرکب، سازگاری درونی و اعتبار درونی مدل، همچنین روایی تشخیصی در سطح سازه مورد تأیید قرار گرفت که مثبت بودن مقادیر در شاخص CV Com نشان‌دهنده کیفیت مناسب مدل بوده و درنهایت شاخص GOF در این مدل عدد 0.723 به دست آمد. با توجه به سه مقدار 0.1 ، 0.25 و 0.36 که به‌عنوان مقادیر ضعیف، متوسط و قوی برای شاخص GOF معرفی‌شده است مقدار 0.723 نشان‌دهنده مطلوبیت کلی و برازش خوب مدل می¬باشد و در یک پیوستار ضعیف تا قوی، در سمت قوی قرارگرفته است. بر اساس یافته‌های این پژوهش مؤلفه فرهنگ سازمانی بر پذیرش فناوری تولید سبز تأثیر مستقیم دارد.
Translation - English Abstract:
This study is aimed at investigating the role of Organizational Culture in Manager’s Inclination toward Accepting the Green Production Technology. Using simple randomization of administerial and executive staff, a population of 115 Iranian casting industry experts, administrators, and managers in the year 2015 was selected for the present study. The size of the sample required in this study was 88 according to Cochran’s formula and, a sample of 90 members was examined investigated based on Krejcie and Morgan Table. The data were analyzed using structural equations. Attending to the non-normal distribution of the data as indicated by Kolmogorov-Smirnov test, a non-parametric test was used to analyze the relationships. Combined reliability, internal consistency, and internal validity of the model, as well as the predictive validity at construct level, were proved during data analysis. Positive values of the CV Com index were suggestive of the high quality of the model. Finally, the GOF index was found to be .723. Considering .1, .25, and .36, proposed as weak, moderate, and strong values for the GOF index respectively, the obtained value of .723 indicates the overall appropriateness and good practice of the model and stands in a strong point on a weak-strong continuum. Based on the findings of this study, organizational culture has a direct impact on the acceptance of the Green Production Technology.
More
Less
Translation education
Master's degree - University of Isfahan
Experience
Years of experience: 11. Registered at ProZ.com: Feb 2017.
Adobe Acrobat, Microsoft Excel, Microsoft Word, endnote, IBM SPSS Statistics, Powerpoint, XTM
CV/Resume
CV available upon request
Professional objectives
Meet new translation company clients
Meet new end/direct clients
Screen new clients (risk management)
Network with other language professionals
Build or grow a translation team
Get help with terminology and resources
Learn more about translation / improve my skills
Learn more about the business side of freelancing
Help or teach others with what I have learned over the years
Improve my productivity
Bio
BA in English Literature with the University
of Isfahan, with a top AVG mark of 18.56/20.
MA
in Translation Studies with the University of Isfahan, with a top AVG mark of
19.47/20.
Professional
Translator and proofreader at "Transnet" translation agency since
2013. Translator in Amookhteh Publishing since 2019. Translator in Aryana Ghalam Publishing since 2022.
Having
translated over 1,500,000 words from English to Persian and vice versa, including nine published and a dozen of upcomming books.
Hard-working,
committed, and meticulous.
When
I was younger, I had a real interest in learning English as my foreign language
and becoming a professional translator. Therefore, I tried hard and managed to
graduate in English Literature and then Translation Studies. Because of my
genuine interest in translation, I started my career during my undergraduate
studies. Since then, I've done my best to improve and grow as a professional
translator. I think I've been fairly successful in this, as my translation record shows. Surely I am one of the most flourishing blind translators in Iran, having published many books and prepared a bulk of others for publication. I can provide potential clients with my professional CV upon request.
This user has earned KudoZ points by helping other translators with PRO-level terms. Click point total(s) to see term translations provided.
Expertise