هر پروپوزال یک طرح برای برآورده ساختن یک نیاز پیشنهاد می نماید و دریافت کننده آن، طرح پیشنهادی را با توجه به اینکه پروپوزال مزبور به سوالات زیر تا چه اندازه خوب پاسخ می دهد، ارزیابی می نماید:

1. پیشنهاد ما چیست؟
2. برای انجام آن چگونه طرح ریزی کرده ایم؟
3. چه زمانی را برای انجام آن برنامه ریزی کرده ایم؟
4. چقدر هزینه برای انجام این طرح لازم است؟

در نگارش پروپزال سطح دانش مخاطبین  و نیز موقعیت آنان بایستی در نظر گرفته شود. اگر مخاطب پروپوزال دارای دانش فنی کافی نیست، باید همراه در ابتدای آن یک مقدمه اجرایی به زبان غیرفنی و ساده آورده شود.

شاید اولین سوالی که به ذهن شما خطور میکند این باشد که تعریف پروپوزال قوی چیست؟

تعریف عملیاتی برای یک پروپوزال قوی عبارت است از امتیاز یا نمره اولویت (priority score) که  توسط بخش بررسی مطالعات در یک نهاد  یا موسسه تحقیقاتی اعطا کننده بودجه به آن پروپوزال داده میشود. کیفیت پروپوزال پژوهشی شما نه تنها به کیفیت پروژه تحقیقاتی شما بستگی دارد بلکه به کیفیت نگارشی پروپوزال نیز بستگی دارد.  در عین حال یک پروپوزال نمیتواند قوی باشد مگر اینکه محتوای علمی آن قوی باشد. مفهوم قوی بودن محتوای علمی مستلزم اعتبار علمی ذاتی کار میباشد و همچنین دلالت بر به کارگیری تکنیک هایی منطبق بر آخرین پیشرفت های علمی دارد.

مهمترین بخشهای پروپوزال شما، چکیده و اهداف اختصاصی هستند. ممکن است یکی از این دوبخش،  تنها  قسمتی باشد که برخی از داوران (reviewers) آن را میخوانند. برای درک علت اهمیت این دو قسمت همواره سناریویی را که در جلسات بخش بررسی مطالعات در National Institute of Healthرخ میدهد در نظر داشته باشید: اعضا دور یک میز بزرگ نشسته اند؛ دو نفر از آنها داور اختصاصی (assigned reviewer) هستند و پروپوزال را به تفصیل خوانده اند و نتیجه بازبینی خود را برای سایر اعضای گروه خواهند گفت. این برنامه در مورد هر پروپوزال حدود 15 تا 20 دقیقه به طول می انجامد و طی این مدت سایر اعضای گروه، پروپوزال را از نظر میگذرانند. بنابراین اگر قرار باشد بخشی از پروپوزال در این مدت خوانده شود، آن بخش احتمالا چکیده و اهداف اختصاصی خواهد بود. اعضای بخش بررسی مطالعات سبک بازبینی خاص خود را دارند، اما معمولا بازبینی یک پروپوزال را با نگاهی اجمالی به بخش اهداف اختصاصی شروع میکنند. برخی از این اعضا نیز که با موضوع کلی تحقیق آشنا هستند، اما داور ویژه آن پروپوزال نیستند، ممکن است قسمت اهداف اختصاصی را قبل از جلسه بخوانند تا آمادگی بیشتری برای بحث در مورد آن پیدا کنند. درواقع یک پروپوزال خوب قادر است با تمام افرادی که آن را داوری میکنند ارتباط برقرار کند؛ نه فقط با افرادی که در رشته مرتبط با موضوع پروپوزال تخصص دارند.

مقالات مجله Scientific American میتوانند الگویی برای استاندارد طلایی نگارش پروپوزال باشند. این مقالات برای خوانندگانی نوشته میشوند که اهل علم و دانش هستند اما با موضوع آن مقاله خاص آشنایی ندارند. در این مقالات نثر نگارش ساده است ، از عبارات مخفف پرهیز میشود و هر صفحه حداقل دارای یک دیاگرام یا شکل میباشد. به کاربردن دیاگرام در پروپوزال نیز به خصوص هنگام بیان ایده های پیچیده بسیار مفید است.

هر آنچه در پروپوزال آمده است باید دقیق و واضح و منسجم باشد. نباید هیچ تناقض یا مغایرتی بین بخشهای مختلف یک پروپوزال وجود داشته باشد. فراموش نکنید که پروپوزال به عنوان نمونه ای از ما حصل کاری که از محققین انتظار میرود، در نظر گرفته میشود و بودجه های تحقیقاتی در یک جو رقابتی اعطا میشوند.

بنابر این پیشنهاد می شود برای ارائه پروپوزال مناسب مراحل زیر را طی کنید .

1? قبل از هر کاری باید توجه کنیم که این پروپوزال را برای چه کسی یا چه نهادی تنظیم می کنیم. برخی از سازمانها یا نهادها فرمت مشخصی دارند . معمولا تحصیلات تکمیلی دانشگاه برای پایان نامه های ارشد یا  دکتری فرمت مشخصی دارد که باید در آن قالب ارائه شود. بنابراین بهتر است که از همان ابتدا فرم مربوطه را دریافت کنید و بعد اقدام کنید. برای دیدن یک نمونه از این فرم ها اینجا را کلیک کنید.اگر فرمت مشخصی در دست نیست می توانید با توجه به نیاز خودتان تعریف کنید اما برخی بخشها در همه پروپوزال های تحقیقاتی لازم است.

1. نوشتن پروپوزال رسمی زمان بر و هزینه بر است. پروپوزال رسمی در واقع پشنهادی است که توسط یک سازمان بررسی می شود و در صورت تایید مزایا و منافعی را برای نگارنده به همراه دارد. مثلا دانشگاههای خارجی برای پذیرش دانشجوی دکترای از طریق پروپوزال تحقیقاتی تصمیم گیری می کنند در نتیجه دارا بودن یک پروپوزال رسمی می تواند منجر به دریافت بورس و پوزیشن دانشگاهی شود. برای نوشتن چنین پروپوزالی  باید وقت زیادی صرف شود تا نتیجه کار قابل ارائه باشد.

3? داشتن یه ایده خوب برای نوشتن پروپوزال مطلوب است  اما کافی نیست.تبدیل یک ایده خوب به پروپوزال مناسب و کارآمد نیازمند طی کردن مراحل مشخصی است که در مقالات بعدی در مورد آنها توضیح خواهیم داد . اما می توانید به جای پروپوزال، Draftتحقیق یا Brief Proposal را بنویسید که ساده تر است.

Draft درواقع پروپوزال غیر رسمی است که می توانید به راحتی تهیه کنید که اصصلاحا One page Proposal هم گفته می شود. دوستانی که قصد تحقیق برای کار کلاسی دارند و یا می خواهند نوشتن پروپوزال راتمرین کنند می تونند ابتدا یه پروپوزال یک صفحه ای بنویسند.

در واقع پروپوزال یک صفحه ای به استاد راهنما کمک می کند که بتواند پاسخ سوالات زیر را بدهد:

– آیا موضوع تحقیق در حیطه تخصصی او قرار داد؟

– آیا موضوع پیشنهاد در چهارچوب زمانی دانشجو قابل انجام است؟

– آیا دانشجو در زمینه پیشنهادی ، پشتوانه علمی  دارد؟

– آیا منابع کافی برای انجام تحقیق وجود دارد؟

4? پروپزال یک صفحه ای باید شامل موارد زیر باشد:

1? Candidate name (نام دانشجو)

2? Title (عنوان )

3? Aim/Objectives (اهداف تحقیق)

4? Research method ( روش تحقیق)

5? Expected outcomes (نتایج مورد انتظار)

6? Resources required (منابع مورد نیاز)

برای نوشتن بخش های این پروپزال باید نسبت به موضوع اشراف داشته باشید تا بتوانید عنوان مناسبی برای تحقیق پیدا کنید و روش تحقیق مناسب را بیان کنید.

« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. »   همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟تعریف دیگری که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
   « هوش مصنوعی، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
   «هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.»   به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است.   هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است.   علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند.   بدین ترتیب، آیا می‌توان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). به این نکته نیز باز خواهیم گشت.   اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل کرد که کامپیوترهای امروزین،

بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

   رؤیای طراحان اولیه کامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود که قادر به حل تمامی  مسائل باشد، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائلقادر به حل تمامی مسائل بود. اما نکته در اینجاست که این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی که فون‌نیومان سازنده اولین کامپیوتر، در حال طراحی این ماشین بود، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، کلید اصلی، منطق(از نوع به کار رفته در کامپیوتر) نیست، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک!

       به هرحال، کامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست.

   بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از کامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.   در برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است.   مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده است. تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورون‌های شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اکنون کاملاً به صورت یک جنجال(debate) علمی در جریان است.

   در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.

تاریخ هوش مصنوعی

   هوش مصنوعی به خودی خود علمی است کاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی که آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می‌کرد. این روش بیشتر به یک بازی شبیه بود.

  فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و  شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یک ماشین بوده که پاسخ شما را می‌داده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.   باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.

   در هر حال هر چند تاکنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML   (زبانی برای نوشتن برنامه‌‌‌‌هایی که قادر به chat کردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.

   همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:
1ـ نمونه کامل هوشمندی انسان است.
2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است.   درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار می‌بردند تا فیلسوفان امروزین که یا زبان را خانه وجود می‌دانند، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است.   با این ملاحظات می‌توان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند.   تست تورینگ اندکی کمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کم‌اهمیت‌تری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند.به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند.   در سال‌های آغازین AI تمرکز کاملاً برروی توسعه سیستم‌هایی بود که بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیت‌هایی را در زمینه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعالیت‌های تخصصی حرف‌های، درک زبان طبیعی، و…. می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد.

   در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مک‌کارتی که پیشتر اشاره شد، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند که می‌گوید:
   «محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،….. توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی که به نظر می‌رسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد.

افق‌های هوش مصنوعی   در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقاله‌ای، دیده‌های آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورون‌ها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام می‌گرفت.    امروز پس از گذشته نیم‌قرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است.   پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط می‌داند.   شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شده‌اند و کاربرد آن در زمینه‌های متنوعی مانند سیستم‌های کنترلی، رباتیک، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.

   علاوه بر این کار بر روی توسعه سیستم‌های هوشمند با الهام از طبیعت (هوشمندی‌های ـ غیر از هوشمندی انسان) اکنون از زمینه‌های کاملاً پرطرفدار در هوش مصنوعی است.    الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روش‌های دیگری نیز مانند استراتژی‌های تکاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند.    دراین زمینه هر گوشه‌ای از سازو کار طبیعت که پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیرد. زمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System) که در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا کردن کوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیک هستند.   گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستم‌های ارائه شده مقید نمی‌کند.   CASE-BASED REASONING یکی از گرایش‌های فعال در این شاخه می‌باشد. بعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR است به این ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماری‌های شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه‌های موجود در ذهن خویش تطبیق داده، شبیه‌ترین نمونه را به عنوان بیماری بیابد.   به این ترتیب مشخصات، نیازمندی‌ها و توانایی‌های CBR به عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.

   البته هنگامی که از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های ترکیبی غفلت کنیم. گرایش‌هایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها می‌اندیشند. شاید بتوان پیش‌بینی کرد که چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد.

1- Jon Mccarthy
2-NP-Complete Problems
3-Von Neumen
4-Artificial Intelligence Markup Language

برگرفته از سایت www.srco.ir

با سلام

برای دریافت مجموعه کامل مقالات چاپ نشده و پروپوزال و پایان نامه های دفاع نشده و آماده با استفاده از لینک زیر مبلغ 5000 تومان واریز و نام رشته و شماره موبایلتون رو تو قسمت توضیحات ارسال کنین تا براتون یه پک کامل ارسال بشه.هزینه دریافتی توسط لینک زیر صرفا پیش پرداخته و هزینه پک هر رشته بین 30 الی 100 هزار تومان میباشد.

https://idpay.ir/amirmortezasaeedi