در دنیای امروزی، نیاز شدیدی به فناوری های پیشرفته در ترجمه احساس میشود. اگر شرکتها بتوانند به سرعت بر فرهنگ و زبان کشورهای مختلف تسلط پیدا کنند، با همان سرعت می توانند کسب و کار خود را در این کشورها گسترش دهند. زمان و هزینه ای که شرکت های بزرگ و کوچک باید برای فعالیت های محلی خود صرف کنند، معمولا مانع گسترش آن ها در مرزهای بیرونی می شود.
سه مساله در مدل های سنتی ترجمه وجود دارد که در ادامه به آن ها می پردازیم.
1. زمان و هزینه به کار گرفتن یک مترجم حرفه ای در همه شرایط و موقعیت ها، برای همه سازمان ها، مگر سازمان های بزرگ، مانعی مهم است. با توجه به محدود بودن تعداد مترجم های حرفه ای، دستمزد این عده بسیار بالا است و همچنین اتمام یک پروژه به کمک این افراد ممکن است هفته ها یا ماه ها به طول بینجامد.
2. کمبود ابزارها برای کمک به افراد در ترجمه به صورت آنلاین و تحت وب نیز مانعی برای شرکت ها است. همچنان بسیاری از پروژه های ترجمه در نرم افزار ورد انجام می شود. فرآیند انتقال مطالب از یک صفحه در اینترنت به نرم افزار ورد و سپس انتقال متن ترجمه فارسی به انگلیسی شده از نرم افزار ورد به صفحه های وب، زمان زیادی را تلف می کند، ناکارآمد است و مشکلات و خطاهایی را ایجاد می کند.
3. حتی اگر همه مترجم متن انگلیسی به فارسی های حرفه ای حاظر در جهان به کار گرفته شوند، نمی توانند همه اطلاعات موجود را ترجمه کنند. در حال حاضر، منابع اطلاعاتی از منابع استخدام مترجم ها سبقت گرفته اند.
به علاوه، راه کار کارآمدی وجود ندارد که مشخص کند چه مطالبی باید به چه زبان هایی ترجمه شوند. بنابراین، ریسک ترجمه همه مطالب موجود به همه زبان ها باعث می شود زمان زیادی صرف ترجمه مطالبی شود که تقاضایی برای آن ها وجود ندارد و مخاطبی ندارند.
روشی هنرمندانه برای آموزندگان دیداری یا افرادی که به هنر و نقاشی علاقه دارند. تصویری از کلمه مورد نظر خود را طراحی کنید یا پرینت بگیرید. سپس کلمه را در اطراف یا درون تصویر بنویسید و آن را در محلی که هر روز در دید شما باشد، قرار دهید. تفسیر این تصویرها را برای اطرافیانتان توضیح دهید.
اگر روشهای مدرن برای شما جذابترند، برنامههای طراحی را بر روی تبلت یا گوشی خود نصب کنید و اجازه دهید که قدرت تخیلتان آشکار شود. روزانه یک تصویر پسزمینه روی تبلت یا گوشی میتواند بدون صرف زمان محسوس، دایره لغات شما گسترش دهد.
وبسایتی مانند Wordleیا سایر نمونههای مشابه آن، به شما اجازه میدهند ابر کلمات خود را با هر سبک عجیب و غریبی طراحی کنید
حتی اگر تمایلی به نمایش خلاقیت خود به دیگران ندارید، باز هم میتوانید امیدوار باشید، چراکه تنها ترسیم کردن یک شکل، شما را یک قدم به یادگیری دائمی کلمه الهام بخش این تصویر نزدیک میکند.
به سادگی با کلمه مورنظر جمله بسازید. برای ترجمه تخصصی مدیریت مغز شما قواعد مربوط به استفاده از آن کلمه را برای دفعات بعد حفظ میکند. خود را موظف کنید با شخصی صحبت کنید و آن کلمه جدید را در صحبت خود به کار ببرید.
شاید به ترکیبهای جالب و عجیبی برسید. مطمئن باشید که ذهن شما آن را حفظ خواهدکرد.
بی شک در زبان هدف شما کلماتی وجود دارند که مشابه برخی واژهها در زبان مادری شما است. این واژهها را به بهترین شکل در ذهن خود به هم مرتبط کنید. برای مثال کلمه Bigoute که در اسپانیایی به معنی نان است، مشابه ترکیب Big goatee در انگلیسی است. با یادآوری کلمه مرتبط در زبان مادری خود، آن لغت جدید را نیز به خاطر میآورید.
اگر در حال یادگیری کلمه اسپانیایی siempre به معنی «همیشه» هستید، میتوانید از چنین عباراتی استفاده کنید: «من siempre دوستانم را پنجشنبه زمان ناهار ملاقات میکنم.»
یکی دیگر از راه های جذاب برای یادگیری واژه، استفاده از برنامه های موبایل است.
برای افرادی که یادگیری حرکتی دارند، برقراری ارتباط بین یک کلمه و یک حرکت فیزیکی، ترجمه متن فنی میتواند مفید باشد. مثلا اگر در حال آموختن کلمهی «توپ» هستید، سعی کنید با دستتان یک توپ انتزاعی رسم کنید و در حالیکه کلمه را با صدای بلند تکرار میکنید، آن را به سمت دیوار پرتاب کنید. یک نمونه پیچیدهتر را بررسی کنیم. در آرژانتین، سائیدن سر انگشتان به زیر چانه، مفهوم شبیه «Qué me importa?» به معنی «چه اهمیتی دارد؟» دارد. اشارههای منحصر به فرد خود را اختراع کنید.
دادهکاوی (به انگلیسی: Data Mining) به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از دادهها در یک یا چند بانک اطلاعاتی بزرگ است. بسیاری از مردم داده کاوی را مترادف واژه های رایج کشف دانش از دادهها (KDD) میدانند. دادهکاوی، پایگاهها و مجموعه حجیم دادهها را در پی کشف و استخراج، مورد تحلیل قرار میدهد. این گونه مطالعات و کاوشها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینهها و کاربردها، و نیز ابعاد و اندازههای دادههای امروزین است که شیوههای ماشینی مربوط به یادگیری، مدلسازی، و آموزش را طلب مینماید.
در سال ۱۹۶۰ آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از دادهها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن دادهها در پایگاه داده اصطلاح داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفتهاند.
مقدمه
بسیاری از شرکتها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیکهای دادهکاوی به طور تاریخی به گونهای گسترش یافتهاند که به سادگی میتوان آنها را بر ابزارهای نرمافزاری و ... امروزی تطبیق داده و از اطلاعات جمعآوری شده بهترین بهره را برد.
در صورتی که سیستمهای دادهکاوی بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، میتوان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.