فروشگاه تخصصی فروش فایل ها و تحقیقات دانشجویی و قطعه کدهای برنامه نویسی و ویدیو های آموزشی

دسته بندی محصولات

محبوبترین محصولات

ربات تلگرام فروشگاه جهت دانلود مقالات و فایل های دانشجویی و دانش آموزی دسترسی به اخبار و اطلاعیه های سایت در کانال تلگرام فروشگاه

اطلاعیه فروشگاه

ا توجه : هنگام خرید روی دکمه تکمیل خرید در صفحه بانک کلیک کنید تا پرداخت شما تکمیل شود مراحل پرداخت را تا زمان دریافت کدپیگیری سفارش ادامه دهید ؛ در صورتی که نتوانستید پرداخت الکترونیکی را انجام دهید چند دقیقه صبر کنید و مجددا اقدام کنید و یا از طریق مرورگر دیگری وارد سایت شوید و یا بانک عامل را تغییر دهید توجه : هنگام خرید روی دکمه تکمیل خرید در صفحه بانک کلیک کنید تا پرداخت شما تکمیل شود مراحل پرداخت را تا زمان دریافت کدپیگیری سفارش ادامه دهید ؛ در صورتی که نتوانستید پرداخت الکترونیکی را انجام دهید چند دقیقه صبر کنید و مجددا اقدام کنید و یا از طریق مرورگر دیگری وارد سایت شوید و یا بانک عامل را تغییر دهید

پروژه کامل و جامع بررسی مفصل داده کاوی پويا با استفاده از عامل

پروژه کامل و جامع بررسی مفصل داده کاوی پويا با استفاده از عامل

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 190 صفحه

 

 

 

 

چکيده

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره­گيری از روشهايی همچون داده­کاوی برای استخراج دانش و اطلاعات نهفته در داده­ها، امری غيرقابل اجتناب می­باشد. بدليل حجم بسيار بالای داده­ها در بسياری از کاربردها و اهميت بيشتر داده­های جديد، ذخيره­سازی اين داده­ها امری مقرون به صرفه نيست، لذا داده­هايی که بايد مورد پردازش قرار گيرند، همواره بصوت پويا در حال تغيير و تحول هستند. مساله ديگری که امروزه در بحث داده­کاوی وجود دارد، بحث توزيع شدگی ذاتی داده­ها است. معمولا پايگاههايی که اين داده­ها را ايجاد يا دريافت می­کنند، متعلق به افراد حقيقی يا حقوقی هستند که هر کدام بدنبال اهداف و منافع خود می­باشند و حاضر نيستند دانش خود را بطور رايگان در اختيار ديگران قرار دهند.

با توجه به قابليتهای عامل و سيستمهای چندعامله و مناسب بودن آنها برای محيطهای پويا و توزيع شده بنظر می­رسد که بتوان از قابليتهای آنها برای داده­کاوی در محيطهای پويا و محيطهای توزيع شده بهره برد. اکثر کارهايی که تاکنون در زمينه بهره­گيری از عامل و سيستمهای چندعامله انجام شده است خصوصيتهايی همانند خودآغازی و بخصوص متحرک بودن عاملها را مورد بررسی قرار داده است و در آنها مواردی همچون هوشمندی، يادگيری، قابليت استدلال، هدفگرايی و قابليتهاي اجتماعی عاملها مورد بررسی قرار نگرفته است. در اين تحقيق ما قصد داريم تا ضمن بررسی کارهای موجود در زمينه کاربرد عامل و سيستمهای چندعامله در داده­کاوی، بحث طبقه­بندی جريان داده­ها را در يک محيط پويا مورد بررسی قرار دهيم. ما مساله خود را در دو فاز مورد بررسی قرار خواهيم داد. در فاز اول خصوصيتهای يک عامل تنها مورد بررسی قرار خواهد گرفت و در فاز دوم قابليتهای اجتماعی عاملها مانند مذاکره، دستيابی به توافق و ... برای داده­کاوی در يک محيط پويا و توزيع­شده رقابتی مورد استفاده قرار خواهد گرفت. بطور کلی دستاوردهای اصلی اين تحقيق عبارتند از 1) ارائه يک رويکرد مبتنی بر عامل برای مساله طبقه­بندی جريان داده­های دارای تغيير مفهوم و پويا با استفاده از قابليتهای هدفگرايی، هوشمندی، يادگيری و استدلال 2) ارائه يک رويکرد مبتنی بر سيستمهای چندعامله برای طبقه­بندی جريان داده­های توزيع­شده در يک محيط رقابتی با استفاده از قابليتهای اجتماعی عاملها و دستيابی به توافق. نتايج حاصل از آزمايشات انجام شده در اين پايان­نامه نشان­دهنده برتری استفاده از عاملها و سيستمهای چندعامله برای بحث طبقه­بندی و داده­کاوی در محيطهای پويا و توزيع شده می­باشد.

 

کلمات کليدی:

داده­کاوی[1]، طبقه­بندی[2]، جريان داده[3]، عامل[4].

 

 

فهرست مطالب

 

  1. فصل اول - معرفی و آشنايی با مفاهيم اوليه. 1

1-1- مقدمه­ای بر داده­کاوی.. 2

1-1-1- خوشه­بندی.. 3

1-1-2- کشف قواعد وابستگی.. 4

1-1-3- طبقه­بندی.. 4

1-1-3-1- طبقه­بندی مبتنی بر قواعد. 5

1-2- داده­کاوی توزيع­شده 7

1-3- عاملها و سيستمهای چندعامله. 8

1-3-1- عامل.. 8

1-3-1-1- مقايسه عامل با شی.. 9

1-3-1-2- معماری عاملها 11

1-3-1-3- معماری BDI 12

1-3-2- سيستم­های چندعامله. 14

1-3-2-1- مذاکره 17

1-4- بهره­گيری از عامل برای داده­کاوی.. 19

1-4-1- سيستم­های چندعامله، بستری برای داده­کاوی توزيع شده 19

1-5- جمع­بندی.. 22

  1. فصل دوم - داده­کاوی پويا 23

2-1- مقدمه­ای بر داده­کاوی پويا 24

2-2- جريان داده 25

2-3- طبقه­بندی جريان داده 26

2-3-1- موضوعات پژوهشی.. 27

2-4- جمع­بندی.. 31

  1. فصل سوم - مروری بر کارهای انجام شده 33

3-1- مقدمه. 34

3-2- داده­کاوی توزيع­شده ايستا 35

3-2-1- روشهای غيرمتمرکز. 36

3-2-2- روشهای مبتنی بر توزيع ذاتی داده­ها 37

3-3- کارهای مهم انجام شده در زمينه داده­کاوی با استفاده از عامل.. 38

3-4- کارهای انجام شده در زمينه طبقه­بندی جريان داده­ها 41

3-4-1- روشهای طبقه­بندی Ensemble-based. 41

3-4-2- درختهای تصميم بسيار سريع. 43

3-4-3- طبقه­بندی On-Demand. 46

3-4-4- OLIN.. 48

3-4-5- الگوريتمهای LWClass. 49

3-4-6- الگوريتم ANNCAD.. 51

3-4-7- الگوريتم SCALLOP. 51

3-4-8- طبقه­بندی جريان داده­ها با استفاده از يک روش Rule-based. 53

3-5- جمع­بندی.. 54

  1. فصل چهارم - تعريف مساله. 55

4-1- مقدمه. 56

4-2- تعريف مساله برای فاز اول. 56

4-2-1- جريان داده 57

4-2-2- مفهوم يا مدل موجود در جريان داده 57

4-2-3- مساله طبقه­بندی جريان داده­های دارای تغيير مفهوم. 57

4-3- تعريف مساله برای فاز دوم. 59

  1. فصل پنجم - رويکردهای پيشنهادی.. 62

5-1- مقدمه. 63

5-2- رويکرد پيشنهادی برای فاز اول پروژه 63

5-2-1- عامل و ويژگيهای آن در اين مساله. 64

5-2-2- عملکرد کلی عامل.. 65

5-2-3- معماری عامل.. 66

5-2-3-1- حسگرها 67

5-2-3-2- پايگاه دانش عامل.. 68

5-2-3-3- تابع ارزيابی محيط.. 70

5-2-3-3-1- نحوه تشخيص اطلاعات و نگهداری الگوهای recur در جريان داده 70

5-2-3-3-2- نحوه استخراج الگوهای recur 70

5-2-3-3-3- نحوه بروزرسانی اطلاعات مربوط به الگوهای recur 73

5-2-3-3-4- نحوه محاسبه وقوع احتمال وقوع يک الگوی خاص... 74

5-2-3-4- تابع سودمندی.. 75

5-2-3-5- بخش تصميم­گيری و Planning. 79

5-2-3-5-1- بخش تصميم­گيری.. 79

5-2-3-5-2- Planning. 83

5-2-3-6- بخش Action. 86

5-3- رويکرد پيشنهادی برای فاز دوم مساله. 87

5-3-1- عاملهای مشتری.. 88

5-3-2- عامل صفحه زرد. 90

5-3-3- عاملهای داده­کاو 91

5-3-3-1- معماری عاملهای داده­کاو 92

5-3-3-1-1- تابع BRF. 94

5-3-3-1-2- تابع Generate Options. 95

5-3-3-1-3- تابع فيلتر. 95

5-3-3-1-4- بخش Actions. 96

5-3-3-1-5- Plan های عامل.. 97

5-3-3-1-5- 1- Plan مربوط به طبقه­بندی.. 97

5-3-3-1-5-2- Plan مربوط به تطبيق طبقه­بند 98

5-3-3-1-5-3- Plan مربوط به خريد و فروش قواعد با استفاده از مذاکره 101

5-4- جمع­بندی.. 111

  1. فصل ششم - آزمايشات و نتايج. 113

6-1- مقدمه. 114

6-2- محيط عملياتی.. 114

6-3- مجموعه داده­های مورد استفاده 116

6-3-1- مجموعه داده­های استاندارد. 116

6-3-2- مجموعه داده­های واقعی.. 117

6-4- معيارهای ارزيابی و روشهای مورد استفاده برای مقايسه. 117

6-5- آزمايشات انجام شده 118

6-5-1- آزمايشات مربوط به فاز اول. 119

6-5-2- آزمايشات مربوط به فاز دوم. 128

6-6- جمع­بندی.. 130

  1. فصل هفتم- جمع­بندی و نتيجه­گيری.. 132

 فهرست مراجع. 136

 

فهرست اشکال

 

  1. شکل 1-1- معماری BDI در عامل.. 15
  2. شکل 3-1- درخت تحقيق مربوط به طبقه­بندی در مبحث داده­کاوی.. 34
  3. شکل 3-2- طبقه­بندی مبتنی بر Ensemble. .44
  4. شکل 3-3- چارچوب روش On-Demand. 47
  5. شکل 3-4- نمايی از سيستم OLIN.. 49
  6. شکل 3-5- پروسه SCALLOP. 53
  7. شکل 5-1- نمودار ترتيب عملکرد عامل پيشنهادی.. 66
  8. شکل 5-2- معماری عامل پيشنهادی.. 67
  9. شکل 5-3- پنجره نظاره بر روی جريان داده­ها 68
  10. شکل 5-4- گراف ايجاد شده از روی رشته مفهوم­ها 71
  11. شکل 5-5- محل تجمع الگوهای استخراج شده از رشته مفهوم­ها 73
  12. شکل 5-6- ميزان محاسبه شده احتمالها به ازای مقادير مختلف K.. 81
  13. شکل 5-7- شبه کد Plan کلی عامل.. 83
  14. شکل 5-8- نسبت واريانس به حاصلضرب 50 متغير دارای مجموع ثابت.. 85
  15. شکل 5-9- وزن دهی چند داده مختلف.. 86
  16. شکل 5-10- نمايی کلی از سيستم چندعامله ايجاد شده 88
  17. شکل 5-11- معماری BDI عامل داده­کاو 93
  18. شکل 5-12- بخشی از جريان داده و قواعد استخراج شده از آن. 99
  19. شکل 5-13- بخشی از جريان داده و قواعد استخراج شده از آن. 101
  20. شکل 6-1- کد نمونه برای استفاده از بسته نرم افزاری weka. 115
  21. شکل 6-2- زمان لازم بر حسب ميلی ثانيه برای داده­های Stagger 120
  22. شکل 6-3- زمان مصرف شده برای تطبيق طبقه­بند. 120
  23. شکل 6-4- نمودار مربوط به زمان پردازش روشهای مختلف برای داده­های HyperPlan 121
  24. شکل 6-5- زمان مصرف شده برای تطبيق طبقه­بند 121
  25. شکل 6-6- نمودار مربوط به زمان پردازش روشهای مختلف برای داده­های Nursery 122
  26. شکل 6-7- زمان مصرف شده برای تطبيق طبقه­بند برای داده­های Nursery 122
  27. شکل 6-8- عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan 124
  28. شکل 6-9- نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در يک بازه کوچکتر 124
  29. شکل 6-10- نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در يک بازه کوچکتر 125
  30. شکل 6-11- زمان مصرف شده برای تطبيق طبقه­بند برای داده­های HyperPlan 125
  31. شکل 6-12- عملکرد روشهای مختلف بر روی مجموعه داده Stagger 126
  32. شکل 6-13- زمان مصرف شده برای تطبيق طبقه­بند برای داده­های Stagger 126
  33. شکل 6-14- عملکرد روشهای مختلف بر روی مجموعه داده Nursery 127
  34. شکل 6-15- زمان مصرف شده برای تطبيق طبقه­بند برای داده­های Nursery 127
  35. شکل 6-16- نمودار نتايج حاصل از طبقه­بندی توزيع ­شده مجموعه داده Nursery 130

 

فهرست جدولها

 

  1. جدول 1-1- ويژگيهای يک عامل 11
  2. جدول 3-1- ماتريس حاصل از روش LWClass. 51
  3. جدول 3-2- مقايسه تکنيکهای ذکر شده 54
  4. جدول 5-1- ساختار اطلاعاتی ذخيره شده برای هر مفهوم و الگو. 69
  5. جدول 5-2- ساختار اطلاعاتی مربوط به وقوع الگوی "CFDA". 75
  6. جدول 5-3- نمونه ای از خروجی تابع سودمندی عامل.. 81
  7. جدول 5-4- اطلاعات مورد استفاده برای تخمين سودمندی يک قاعده 105
  8. جدول 6-1- دقت طبقه­بندی روشهای مختلف.. 128
  9. جدول 6-2- نتايج حاصل از طبقه­بندی توزيع شده مجموعه داده Nursery در سه مفهوم مختلف.. 130

 

 

فصل اول

 

معرفی و آشنايی با مفاهيم اوليه

 

1-1- مقدمه­ای بر داده­کاوی

داده­کاوی به معنای يافتن نيمه خودکار الگوهای پنهان موجود در مجموعه داده­های[5] موجود می­باشد[38]. داده­کاوی از مدلهای تحليلی ، کلاس بندی و تخمين و برآورد اطلاعات و ارائه نتايج با استفاده از ابزارهای مربوطه بهره می گيرد. می­توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بين داده­های فعلی و پيش­بينی موارد نامعلوم و يا مشاهده نشده عمل می­کند. برای انجام عمليات داده­کاوی لازم است قبلا روی داده­های موجود پيش­پردازشهايی انجام گيرد. عمل پيش پردازش اطلاعات خود از دو بخش کاهش اطلاعات و خلاصه­سازی و کلی­سازی داده­ها تشکيل شده است. کاهش اطلاعات عبارت است از توليد يک مجموعه کوچکتر، از داده­های اوليه، که تحت عمليات داده­کاوی نتايج تقريبا يکسانی با نتايج داده­کاوی روی اطلاعات اوليه به دست دهد[38]. پس از انجام عمل کاهش اطلاعات و حذف خصايص غير مرتبط نوبت به خلاصه­سازی و کلی­سازی داده­ها می رسد. داده­های موجود در بانک­های اطلاعاتی معمولا حاوی اطلاعات در سطوح پايينی هستند، بنابراين خلاصه­سازی مجموعه بزرگی از داده­ها و ارائه آن به صورت يک مفهوم کلی اهميت بسيار زيادی دارد. کلی­سازی اطلاعات، فرآيندی است که تعداد زيادی از رکوردهای يک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می نمايد. خود روشهای داده­کاوی به سه دسته کلی تقسيم می­شوند که عبارتند از خوشه­بندی، طبقه­بندی و کشف قواعد وابستگی. در ادامه هر يک از اين روشها را بطور کلی معرفی می­نماييم.

 

1-1-1- خوشه­بندی

فرآيند خوشه­بندی سعی دارد که يک مجموعه داده را به چندين خوشه­ تقسيم نمايد بطوريکه داده­های قرار گرفته در يک خوشه با يکديگر شبيه بوده و با داده­های خوشه­های ديگر متفاوت باشند. در حال حاضر روشهای متعددی برای خوشه­بندی داده­ها وجود دارد که بر اساس نوع داده­ها، شکل خوشه­ها، فاصله داده­ها و غيره عمل خوشه­بندی را انجام می­دهند. مهمترين روشهای خوشه­بندی در زير معرفی شده­اند:

  • روشهای تقسيم­بندی : روشهای خوشه­بندی که بروش تقسيم بندی عمل می­کنند، داده­های موجود در يک مجموعه داده را به k خوشه تقسيم می­کنند، بطوريکه هر خوشه دو خصوصيت زير را داراست :
    • هر خوشه يا گروه حداقل شامل يک داده می­باشد.
    • هر داده موجود در مجموعه داده دقيقا به يک گروه يا خوشه تعلق دارد.

معيار اصلی در چنين مجموعه داده­هايی ميزان شباهت داده­های قرار گرفته در هر خوشه می­باشد. در حاليکه داده­های قرار گرفته در دو خوشه مختلف از نظر شباهت با يکديگر فاصله زيادی دارند. مقدار k که بعنوان پارامتر استفاده می­گردد، هم می­تواند بصورت پويا تعيين گردد و هم اينکه قبل از شروع الگوريتم خوشه­بندی مقدار آن مشخص گردد.

 

  • روشهای سلسله مراتبی : روشهای سلسله مراتبی به دو دسته کلی روشهای bottom-up و روشهای top-down تقسيم می­گردند. روشهای سلسله مراتبی bottom-up به اين صورت عمل می­کنند که در شروع هر کدام از داده­ها را در يک خوشه جداگانه قرار می­دهد و در طول اجرا سعی می­کند تا خوشه­هايی نزديک به يکديگر را با هم ادغام نمايد. اين عمل ادغام تا زمانی که يا تنها يک خوشه داشته باشيم و يا اينکه شرط خاتمه برقرار گردد، ادامه می­يابد. روشهای top-down دقيقا بطريقه عکس عمل می­کنند، به اين طريق که ابتدا تمام داده­ها را در يک خوشه­ قرار می­دهد و در هر تکرار از الگوريتم، هر خوشه به خوشه­های کوچکتر شکسته می­شود و اينکار تا زمانی ادامه می­يابد که يا هر کدام از خوشه­ها تنها شامل يک داده باشند و يا شرط خاتمه الگوريتم برقرار گردد. شرط خاتمه معمولا تعداد کلاستر يا خوشه می­باشد.

 

  • روشهای مبتنی بر چگالی : اکثر روشهای خوشه­بندی که بروش تقسيم­بندی عمل می­کنند معمولا از تابع فاصله بعنوان تابع معيار خود بهره می­برند. استفاده از چنين معياری باعث می­گردد که الگوريتم خوشه­بندی تنها قادر به ايجاد خوشه­هايی با اشکال منظم باشد. در صورتيکه اگر خوشه­های واقعی در داده­ها دارای اشکال غيرمنظمی باشند، اين الگوريتم­ها در خوشه­بندی آنها با مشکل مواجه می­گردند. برای حل اينگونه مشکلات يکسری از روشها برای خوشه­بندی پيشنهاد گرديده­اند که عمل خوشه­بندی را بر مبنای چگالی داده­ها انجام می­دهند. ايده اصلی در اين روشها بر اين اساس است که خوشه­ها تا زمانی که داده­های قرار گرفته همسايگی خوشه­ها از حد معينی بيشتر باشد، رشد می­کنند و بزرگ می­شوند. چنين روشهايی قادرند خوشه­هايی با شکلهای نامنظم نيز ايجاد نمايند.

البته دسته ديگری از روشهای خوشه­بندی مانند روشهای مبتنی بر گريد، روشهای مبتنی بر مدل و ... وجود دارند که می­توانيد آنها را در ]38[ مطالعه نماييد.

 

1-1-2- کشف قواعد وابستگی

بحث قواعد وابستگی به مقوله کشف عناصری يا المان­هايی در يک مجموعه داده می­پردازد که معمولا با يکديگر اتفاق می­افتند و بعبارتی رخداد آنها بنوعی با يکديگر ارتباط دارد. بطور کلی هر قاعده يا rule که از اين مجموعه داده­ بدست می­­آيد، دارای شکل کلی بصورت  می­باشد که نشان می­دهد چنانچه الگوی X اتفاق بيفتد، با احتمال بالايی الگوی Y نيز اتفاق خواهد افتاد. برای مطالعه بيشتر در مورد مقوله کشف قواعد وابستگی می­توانيد به ]38[ مراجعه نماييد.

 

1-1-3- طبقه­بندی

فرايند طبقه­بندی در واقع نوعی يادگيری با ناظر می­باشد که در طی دو مرحله انجام می­گردد. در مرحله اول مجموعه­ای از داده­ها که در آن هر داده شامل تعدادی خصوصيت دارای مقدار و يک خصوصيت بنام خصوصيت کلاس می­باشد، برای ايجاد يک مدل داده بکار می­روند که اين مدل داده در واقع توصيف کننده مفهوم و خصوصيات مجموعه داده­هايی است که اين مدل از روی آنها ايجاد شده است. مرحله دوم فرآيند طبقه­بندی اعمال يا بکارگيری مدل داده ايجاد شده بر روی داده­هايی است که شامل تمام خصوصيات داده­هايی که برای ايجاد مدل داده بکار گرفته­ شده­اند، می­باشد، بجز خصوصيت کلاس اين مقادير که هدف از عمل طبقه­بندی نيز تخمين مقدار اين خصوصيت می­باشد.

الگوريتم­ها و روشهای مختلفی برای طبقه­بندی تاکنون پيشنهاد شده­اند که برای مثال می­توان از روشهای طبقه­بندی با استفاده از درخت تصميم، طبقه­بندی بيزين، SVM ، طبقه­بندی با استفاده از شبکه­های عصبی، طبقه­بندی مبتنی بر قواعد و ... ]56[ نام برد. در اينجا ما قصد نداريم وارد مباحث مربوط به الگوريتم­ها و روشهای طبقه­بندی شويم و تنها روش طبقه­بندی مبتنی بر قواعد را بدليل استفاده از آن در فاز دوم پروژه در اينجا معرفی خواهيم نمود. در صورت نياز به مطالعه بيشتر می­توانيد به فصل ششم مرجع ]38[ مراجعه نماييد.

 

1-1-3-1- طبقه­بندی مبتنی بر قواعد

در اين قسمت قصد داريم نگاهی به بحث طبقه­بندی مبتنی بر قواعد داشته باشيم. دراين روش مدل ايجاد شده از روی داده­ها بصورت مجموعه­ای از قواعد می­باشد. می­توان گفت که هر قاعده بصورت يک قاعده IF P THEN C می­باشد که در آن P مجموعه­ای از شرايط بوده و C نيز مشخص کننده برچسب يک کلاس يا طبقه­ خاص می­باشد. يک قاعده بدست آمده از مجموعه داده­های آموزشی با استفاده از دو معيار coverage و accuracy می­تواند ارزيابی گردد. اين دو معيار بصورت زير تعريف می­گردند:

                                                                          (1-1)

 

                                                                                      (1-2)

 

که در تعاريف مذکور  تعداد داده­هايی در مجموعه داده D است که توسط قاعده پوشش داده می­شوند.  تعداد داده­هايی است که توسط قاعده بدرستی طبقه­بندی شده­اند.  تعداد داده­های موجود در D می­باشد.

 

اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 6,500 تومان
عملیات پرداخت با همکاری بانک انجام می شود

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
dade-kavi-pouya_598394_8075.zip495.1k





پکیج استثنایی و کم نظیر کسب درآمد میلیونی در منزل(فقط با یک کامپیوتر و اینترنت)

پکیج استثنایی و کم نظیر  کسب درآمد میلیونی در منزل(فقط با یک کامپیوتر و اینترنت)  کامل ترین ، معتبرترین و موفق ترین بسته آموزشی کسب درآمد اینترنتی و درآمدزایی در منزل در این محصول قرارداده شده است. در حال حاضر افراد زیادی میلیون ها تومان در ماه از این بسته ویدیویی درآمد کسب می کنند و تمام درآمد سایت ما هم از اجرای و انجام همین پکیج است.شما براحتی میتواند در منزل و در هر جایی که هستید کار خود را شروع کنید و خیلی سریع و راحت در کمتر از چند ساعت بدون هیچ تخصصی با ...

توضیحات بیشتر - دانلود 99,000 تومان

فروش پکیج فایل 1000 تایی پاورپوینت (پکیج شماره 1) جدید و پرفروش با قیمت 25 هزار تومان

فروش پکیج فایل 1000 تایی پاورپوینت (پکیج شماره 1) جدید و پرفروش با قیمت 25 هزار تومان فرمت فایل ها : powerpoint (همه فایل ها قابل ویرایش هستند) تعداد فایل ها : 1000 عدد فایل   توضیح محصول : این مجموعه پکیج فایل شامل 1000 عدد از فایلهای فروشگاه پارس میباشد که از پرفروش ترین فایلهای فروشگاه میباشد که با قیمت بسیار مناسب در سایت منتشر شده است این پکیج برای مدیران فروشگاه ها و کافی نت ها بسیار مناسب و دارای ارزش فراوانی است و هیچ سایتی چنین پکیج ارزشمندی را با این قیم ...

توضیحات بیشتر - دانلود 25,000 تومان

بسته ویدیویی آموزش کامل ایمیل مارکتینگ و بازاریابی اینترنتی

بسته ویدیویی آموزش کامل ایمیل مارکتینگ و بازاریابی اینترنتی فرمت فایل : Mp4 (قابل نمایش بر روی کامپیوتر و گیرنده های دیجیتال)           تعداد دقایق آموزش : 160 دقیقه(2 ساعت و 40 دقیقه آموزش) نوع محصول : دانلودی کیفیت محصول : عالی حجم ویدئو : 250 مگابایت تعداد ویدئوها : 10 ویدیوی آموزشی(در شش جلسه کامل)   همراه با نکته ها و تکنیکهای اساسی کسب ثروت و پولسازی با ایمیل مارکتینگ صحیح توضیح محصول :  در این محصو ...

توضیحات بیشتر - دانلود 19,000 تومان

بسته ویدیویی آموزشی ایجاد و ساخت فروشگاه اینترنتی رایگان {مثل همین فروشگاه}

بسته ویدیویی آموزشی ایجاد و ساخت فروشگاه اینترنتی رایگان {مثل همین فروشگاه} فرمت فایل : Mp4 (قابل نمایش بر روی کامپیوتر و گیرنده های دیجیتال)          با تهیه این بسته ویدیویی و با آموزشهای ساده و روان در این بسته ویدیویی در کمتر از دو ساعت فروشگاه خود را مثل همین فروشگاه بسازید و در همان روز شروع به قراردادن محصولات و فایلهای خود برای فروش روی سایت کنید   تعداد دقایق آموزش : 115 دقیقه   نوع محصول : دانلودی   کیفیت محصول : ع ...

توضیحات بیشتر - دانلود 15,000 تومان

بسته ویدیویی آموزش تکنیکهای روانشناسی فروش در کسب و کارهای اینترنتی

بسته ویدیویی آموزش تکنیکهای  روانشناسی فروش در کسب و کارهای اینترنتی فرمت فایل : Mp4 (قابل نمایش بر روی کامپیوتر و گیرنده های دیجیتال)           تعداد دقایق آموزش : 78 دقیقه نوع محصول : دانلودی کیفیت محصول : عالی حجم ویدئو : 46 مگابایت   توضیح محصول :  محصول فوق یکی از بی نظیر ترین و جدید ترین محصولات در حوزه کسب و کار اینترنتی روانشناسی فروش میباشد این محصول با تحقیق و مطالعه فراوان بر روی کتابهای روانشناسی فروش و ک ...

توضیحات بیشتر - دانلود 15,000 تومان

نظرسنجی

کدام نوع از فایل های زیر مورد نیاز شماست

تصویر ثابت

هاست filesell هاست