ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ജനാധിപത്യവൽക്കരണത്തിന് നന്ദി, ഉപയോക്തൃ അനുഭവങ്ങളിലേക്കും വികസന വർക്ക്ഫ്ലോകളിലേക്കും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അധിഷ്ഠിത തീരുമാനമെടുക്കലും ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ള ഉൾക്കാഴ്ചകളും രൂപകൽപ്പന ചെയ്യാനും സംയോജിപ്പിക്കാനും ഡവലപ്പർമാർക്ക് ഇപ്പോൾ എളുപ്പമാണ്. വ്യവസായത്തിലുടനീളമുള്ള യഥാർത്ഥ ലോക ആപ്ലിക്കേഷനുകളിലേക്ക് ഡാറ്റാ സയൻസ് എങ്ങനെ “പ്രയോഗിക്കുന്നു” എന്നതിന്റെ ചില ഉദാഹരണങ്ങൾ ഇതാ:

ഡാറ്റാ സയൻസ് ടെക്നിക്കുകൾ പ്രയോഗിക്കുന്നതിനുള്ള മറ്റ് ഡൊമെയ്നുകളും ഉദാഹരണങ്ങളും ചിത്രം കാണിക്കുന്നു. മറ്റ് ആപ്ലിക്കേഷനുകൾ പര്യവേക്ഷണം ചെയ്യണോ? ചുവടെയുള്ള അവലോകനവും സ്വയം പഠന വിഭാഗവും പരിശോധിക്കുക.

ഡാറ്റാ സയൻസ് + ഗവേഷണം

യഥാർത്ഥ ലോക ആപ്ലിക്കേഷനുകൾ പലപ്പോഴും വ്യവസായ ഉപയോഗ കേസുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോൾ, ഗവേഷണ ആപ്ലിക്കേഷനുകളും പ്രോജക്റ്റുകളും രണ്ട് വീക്ഷണകോണുകളിൽ നിന്ന് ഉപയോഗപ്രദമാകും:

ഇന്നൊവേഷൻ അവസരങ്ങൾ – നൂതന ആശയങ്ങളുടെ ദ്രുത പ്രോട്ടോടൈപ്പിംഗ് പര്യവേക്ഷണം ചെയ്യുക, അടുത്ത തലമുറ ആപ്ലിക്കേഷനുകൾക്കായി ഉപയോക്തൃ അനുഭവങ്ങളുടെ പരിശോധന.

വിന്യാസ വെല്ലുവിളികൾ – യഥാർത്ഥ ലോക സന്ദർഭങ്ങളിൽ ഡാറ്റാ സയൻസ് സാങ്കേതികവിദ്യകളുടെ സംഭവ്യമായ ദോഷങ്ങളോ അപ്രതീക്ഷിത പ്രത്യാഘാതങ്ങളോ അന്വേഷിക്കുക.

വിദ്യാർത്ഥികളെ സംബന്ധിച്ചിടത്തോളം, ഈ ഗവേഷണ പ്രോജക്റ്റുകൾക്ക് വിഷയത്തെക്കുറിച്ചുള്ള നിങ്ങളുടെ ധാരണ മെച്ചപ്പെടുത്താനും താൽപ്പര്യമുള്ള മേഖലകളിൽ പ്രവർത്തിക്കുന്ന പ്രസക്തമായ ആളുകളുമായോ ടീമുകളുമായോ നിങ്ങളുടെ അവബോധവും ഇടപഴകലും വിപുലീകരിക്കാനും കഴിയുന്ന പഠന, സഹകരണ അവസരങ്ങൾ നൽകാൻ കഴിയും. ഗവേഷണ പ്രോജക്റ്റുകൾ എങ്ങനെ കാണപ്പെടുന്നു, അവയ്ക്ക് എങ്ങനെ സ്വാധീനം ചെലുത്താൻ കഴിയും?

ഒരു ഉദാഹരണം നോക്കാം – ജോയ് ബ്യൂലംവിനി (എംഐടി മീഡിയ ലാബ്സ്) ൽ നിന്നുള്ള എംഐടി ജെൻഡർ ഷേഡ്സ് പഠനം, ടിംനിറ്റ് ഗെബ്രുവുമായി (അന്ന് മൈക്രോസോഫ്റ്റ് റിസർച്ചിൽ) സഹകരിച്ച് എഴുതിയ ഒരു സിഗ്നേച്ചർ ഗവേഷണ പ്രബന്ധം

എന്താണ്: ലിംഗഭേദത്തെയും ചർമ്മ തരത്തെയും അടിസ്ഥാനമാക്കി ഓട്ടോമേറ്റഡ് ഫേഷ്യൽ അനാലിസിസ് അൽഗോരിതങ്ങളിലും ഡാറ്റാസെറ്റുകളിലും ഉള്ള പക്ഷപാതം വിലയിരുത്തുകയായിരുന്നു ഗവേഷണ പദ്ധതിയുടെ ലക്ഷ്യം.

എന്തുകൊണ്ട്: നിയമ നിർവ്വഹണം, വിമാനത്താവള സുരക്ഷ, നിയമന സംവിധാനങ്ങൾ തുടങ്ങിയ മേഖലകളിൽ മുഖ വിശകലനം ഉപയോഗിക്കുന്നു – കൃത്യതയില്ലാത്ത വർഗ്ഗീകരണങ്ങൾ (ഉദാഹരണത്തിന്, പക്ഷപാതം കാരണം) ബാധിച്ച വ്യക്തികൾക്കോ ഗ്രൂപ്പുകൾക്കോ സാമ്പത്തികവും സാമൂഹികവുമായ ദോഷങ്ങൾക്ക് കാരണമാകും. പക്ഷപാതങ്ങൾ മനസ്സിലാക്കുക (ഇല്ലാതാക്കുക അല്ലെങ്കിൽ ലഘൂകരിക്കുക) ഉപയോഗത്തിലെ ന്യായബോധത്തിന് പ്രധാനമാണ്.

എങ്ങനെ: നിലവിലുള്ള മാനദണ്ഡങ്ങൾ പ്രധാനമായും ഇളം തൊലിയുള്ള വിഷയങ്ങൾ ഉപയോഗിക്കുന്നുവെന്ന് ഗവേഷകർ തിരിച്ചറിയുകയും ലിംഗഭേദവും ചർമ്മ തരവും അനുസരിച്ച് കൂടുതൽ സന്തുലിതമായ ഒരു പുതിയ ഡാറ്റാ സെറ്റ് (1000+ ഇമേജുകൾ) തയ്യാറാക്കുകയും ചെയ്തു. മൂന്ന് ലിംഗ വർഗ്ഗീകരണ ഉൽപ്പന്നങ്ങളുടെ (മൈക്രോസോഫ്റ്റ്, ഐബിഎം, ഫെയ്സ് ++ എന്നിവയിൽ നിന്ന്) കൃത്യത വിലയിരുത്താൻ ഡാറ്റാ സെറ്റ് ഉപയോഗിച്ചു.

മൊത്തത്തിലുള്ള വർഗ്ഗീകരണ കൃത്യത നല്ലതാണെങ്കിലും, വിവിധ ഉപഗ്രൂപ്പുകൾക്കിടയിൽ പിശക് നിരക്കിൽ ശ്രദ്ധേയമായ വ്യത്യാസമുണ്ടെന്ന് ഫലങ്ങൾ കാണിച്ചു – സ്ത്രീകൾക്കോ ഇരുണ്ട ചർമ്മ തരങ്ങളുള്ള വ്യക്തികൾക്കോ തെറ്റായ വ്യത്യാസം കൂടുതലാണ്, ഇത് പക്ഷപാതത്തെ സൂചിപ്പിക്കുന്നു.

പ്രധാന ഫലങ്ങൾ: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സൊല്യൂഷനുകളിൽ മുമ്പ് അത്തരം പക്ഷപാതങ്ങൾ തിരിച്ചറിയാനും ഇല്ലാതാക്കാനും ലഘൂകരിക്കാനും ഡാറ്റാ സയൻസിന് കൂടുതൽ പ്രാതിനിധ്യ ഡാറ്റാസെറ്റുകളും (സന്തുലിതമായ ഉപഗ്രൂപ്പുകൾ) കൂടുതൽ ഉൾക്കൊള്ളുന്ന ടീമുകളും (വൈവിധ്യമാർന്ന പശ്ചാത്തലങ്ങൾ) ആവശ്യമാണെന്ന് അവബോധം വളർത്തുക. ഇതുപോലുള്ള ഗവേഷണ ശ്രമങ്ങൾ പല ഓർഗനൈസേഷനുകളും അവരുടെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉൽപ്പന്നങ്ങളിലും പ്രക്രിയകളിലുടനീളം നീതി മെച്ചപ്പെടുത്തുന്നതിന് ഉത്തരവാദിത്തമുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് തത്വങ്ങളും സമ്പ്രദായങ്ങളും നിർവചിക്കുന്നതിൽ പ്രധാന പങ്കുവഹിക്കുന്നു.

ഡാറ്റാ സയൻസ് + ഹ്യുമാനിറ്റീസ്

ഡിജിറ്റൽ ഹ്യൂമാനിറ്റീസിനെ “കമ്പ്യൂട്ടേഷണൽ രീതികളും മാനവിക അന്വേഷണവും സംയോജിപ്പിക്കുന്ന സമ്പ്രദായങ്ങളുടെയും സമീപനങ്ങളുടെയും ഒരു ശേഖരം” എന്നാണ് നിർവചിച്ചിരിക്കുന്നത്. “ചരിത്രത്തെ റീബൂട്ട് ചെയ്യുക”, “കാവ്യാത്മക ചിന്ത” തുടങ്ങിയ സ്റ്റാൻഫോർഡ് പ്രോജക്റ്റുകൾ ഡിജിറ്റൽ ഹ്യൂമാനിറ്റീസും ഡാറ്റാ സയൻസും തമ്മിലുള്ള ബന്ധം ചിത്രീകരിക്കുന്നു – നെറ്റ്വർക്ക് വിശകലനം, വിവര വിഷ്വലൈസേഷൻ, സ്പേഷ്യൽ, ടെക്സ്റ്റ് വിശകലനം തുടങ്ങിയ സാങ്കേതിക വിദ്യകൾക്ക് ഊന്നൽ നൽകുന്നു.

ഈ സ്ഥലത്ത് ഒരു പ്രോജക്റ്റ് പര്യവേക്ഷണം ചെയ്യാനും വിപുലീകരിക്കാനും ആഗ്രഹിക്കുന്നുണ്ടോ?

പരിചിതമായ കവിതകൾ പുനരവലോകനം ചെയ്യാനും അതിന്റെ അർത്ഥവും പുതിയ സന്ദർഭങ്ങളിൽ അതിന്റെ രചയിതാവിന്റെ സംഭാവനകളും വീണ്ടും വിലയിരുത്താനും ഡാറ്റാ സയൻസ് എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ചോദിക്കുന്ന ജെൻ ലൂപ്പറിൽ നിന്നുള്ള ഒരു മികച്ച ഉദാഹരണമായ “എമിലി ഡിക്കിൻസൺ ആൻഡ് ദി മീറ്റർ ഓഫ് മൂഡ്” പരിശോധിക്കുക. ഉദാഹരണത്തിന്, ഒരു കവിതയുടെ സ്വരമോ വികാരമോ വിശകലനം ചെയ്തുകൊണ്ട് ഒരു കവിത രചിക്കപ്പെട്ട സീസൺ നമുക്ക് പ്രവചിക്കാൻ കഴിയുമോ – പ്രസക്തമായ കാലയളവിൽ രചയിതാവിന്റെ മാനസികാവസ്ഥയെക്കുറിച്ച് ഇത് നമ്മോട് എന്താണ് പറയുന്നത്?

ആ ചോദ്യത്തിന് ഉത്തരം നൽകുന്നതിന്, ഞങ്ങളുടെ ഡാറ്റാ സയൻസ് ജീവിതചക്രത്തിന്റെ ഘട്ടങ്ങൾ ഞങ്ങൾ പിന്തുടരുന്നു:

ഡാറ്റാ അക്വിസിഷൻ – വിശകലനത്തിനായി പ്രസക്തമായ ഡാറ്റാസെറ്റ് ശേഖരിക്കാൻ. API (ഉദാഹരണത്തിന്, Poetry DB API) അല്ലെങ്കിൽ സ്ക്രാപ്പി പോലുള്ള ഉപകരണങ്ങൾ ഉപയോഗിച്ച് വെബ് പേജുകൾ (ഉദാ. പ്രോജക്റ്റ് ഗുട്ടൻബർഗ്) സ്ക്രാപ്പ് ചെയ്യുന്നത് ഉൾപ്പെടെയുള്ള ഓപ്ഷനുകൾ.

ഡാറ്റ ക്ലീനിംഗ് – വിഷ്വൽ സ്റ്റുഡിയോ കോഡ്, മൈക്രോസോഫ്റ്റ് എക്സെൽ തുടങ്ങിയ അടിസ്ഥാന ഉപകരണങ്ങൾ ഉപയോഗിച്ച് ടെക്സ്റ്റ് എങ്ങനെ ഫോർമാറ്റ് ചെയ്യാനും സാനിറ്റൈസ് ചെയ്യാനും ലളിതമാക്കാനും കഴിയുമെന്ന് വിശദീകരിക്കുന്നു.

ഡാറ്റ വിശകലനം – ഡാറ്റ സംഘടിപ്പിക്കുന്നതിനും ദൃശ്യവൽക്കരിക്കുന്നതിനും പൈത്തൺ പാക്കേജുകൾ (പാണ്ടകൾ, നമ്പി, മാറ്റ്പ്ലോട്ട്ലിബ് പോലുള്ളവ) ഉപയോഗിച്ച് വിശകലനത്തിനായി ഡാറ്റാസെറ്റ് ഇപ്പോൾ “നോട്ട്ബുക്കുകളിലേക്ക്” എങ്ങനെ ഇറക്കുമതി ചെയ്യാമെന്ന് വിശദീകരിക്കുന്നു.

വികാര വിശകലനം – ഓട്ടോമേറ്റഡ് ഡാറ്റ പ്രോസസ്സിംഗ് വർക്ക്ഫ്ലോകൾക്കായി പവർ ഓട്ടോമേറ്റ് പോലുള്ള ലോ-കോഡ് ടൂളുകൾ ഉപയോഗിച്ച് ടെക്സ്റ്റ് അനലിറ്റിക്സ് പോലുള്ള ക്ലൗഡ് സേവനങ്ങൾ എങ്ങനെ സംയോജിപ്പിക്കാമെന്ന് വിശദീകരിക്കുന്നു.

ഈ വർക്ക്ഫ്ലോ ഉപയോഗിച്ച്, കവിതകളുടെ വികാരത്തിൽ കാലാനുസൃതമായ സ്വാധീനം പര്യവേക്ഷണം ചെയ്യാനും രചയിതാവിനെക്കുറിച്ചുള്ള നമ്മുടെ സ്വന്തം കാഴ്ചപ്പാടുകൾ രൂപപ്പെടുത്താൻ സഹായിക്കാനും കഴിയും. ഇത് സ്വയം പരീക്ഷിക്കുക – തുടർന്ന് മറ്റ് ചോദ്യങ്ങൾ ചോദിക്കുന്നതിന് നോട്ട്ബുക്ക് നീട്ടുക അല്ലെങ്കിൽ പുതിയ രീതിയിൽ ഡാറ്റ ദൃശ്യവൽക്കരിക്കുക!

അന്വേഷണത്തിന്റെ ഈ വഴികൾ പിന്തുടരുന്നതിന് ഡിജിറ്റൽ ഹ്യൂമാനിറ്റീസ് ടൂൾകിറ്റിലെ ചില ഉപകരണങ്ങൾ നിങ്ങൾക്ക് ഉപയോഗിക്കാം

ഡാറ്റാ സയൻസ് + സുസ്ഥിരത

2015 ൽ എല്ലാ ഐക്യരാഷ്ട്രസഭാ അംഗങ്ങളും അംഗീകരിച്ച സുസ്ഥിര വികസനത്തിനായുള്ള 2030 അജണ്ട – അപചയത്തിൽ നിന്നും കാലാവസ്ഥാ വ്യതിയാനത്തിന്റെ ആഘാതത്തിൽ നിന്നും ഭൂമിയെ സംരക്ഷിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നവ ഉൾപ്പെടെ 17 ലക്ഷ്യങ്ങൾ തിരിച്ചറിയുന്നു. 2030 ഓടെ കാർബൺ നെഗറ്റീവ്, വാട്ടർ പോസിറ്റീവ്, സീറോ വേസ്റ്റ്, ബയോ-വൈവിധ്യമാർന്നത് എന്നീ 4 ലക്ഷ്യങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച് സാങ്കേതിക പരിഹാരങ്ങൾക്ക് കൂടുതൽ സുസ്ഥിര ഫ്യൂച്ചറുകൾ പിന്തുണയ്ക്കാനും നിർമ്മിക്കാനും കഴിയുന്ന വഴികൾ പര്യവേക്ഷണം ചെയ്തുകൊണ്ട് മൈക്രോസോഫ്റ്റ് സുസ്ഥിരത സംരംഭം ഈ ലക്ഷ്യങ്ങളെ പിന്തുണയ്ക്കുന്നു.

ഈ വെല്ലുവിളികളെ സ്കെയിലബിളും സമയബന്ധിതവുമായ രീതിയിൽ കൈകാര്യം ചെയ്യുന്നതിന് ക്ലൗഡ്-സ്കെയിൽ ചിന്തയും വലിയ തോതിലുള്ള ഡാറ്റയും ആവശ്യമാണ്. ഈ ശ്രമത്തിൽ ഡാറ്റാ ശാസ്ത്രജ്ഞരെയും ഡവലപ്പർമാരെയും സഹായിക്കുന്നതിന് പ്ലാനറ്ററി കമ്പ്യൂട്ടർ സംരംഭം 4 ഘടകങ്ങൾ നൽകുന്നു:

ഡാറ്റാ കാറ്റലോഗ് – പെറ്റാബൈറ്റ്സ് ഓഫ് എർത്ത് സിസ്റ്റംസ് ഡാറ്റ (സ്വതന്ത്രവും അഷ്വർ-ഹോസ്റ്റുചെയ്തതും).

പ്ലാനറ്ററി എപിഐ – സ്ഥലവും സമയവും ഉടനീളം പ്രസക്തമായ ഡാറ്റ തിരയാൻ ഉപയോക്താക്കളെ സഹായിക്കുന്നതിന്.

ഭീമാകാരമായ ജിയോസ്പേഷ്യൽ ഡാറ്റാസെറ്റുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് ശാസ്ത്രജ്ഞർക്ക് ഹബ്-മാനേജ്ഡ് അന്തരീക്ഷം.

ആപ്ലിക്കേഷനുകൾ – സുസ്ഥിരത ഉൾക്കാഴ്ചകൾക്കായുള്ള ഉപയോഗ കേസുകളും ഉപകരണങ്ങളും പ്രദർശിപ്പിക്കുക.

പ്ലാനറ്ററി കമ്പ്യൂട്ടർ പ്രോജക്റ്റ് നിലവിൽ പ്രിവ്യൂവിലാണ് (സെപ്റ്റംബർ 2021 വരെ) – ഡാറ്റാ സയൻസ് ഉപയോഗിച്ച് സുസ്ഥിരത പരിഹാരങ്ങൾക്ക് സംഭാവന നൽകാൻ നിങ്ങൾക്ക് എങ്ങനെ ആരംഭിക്കാമെന്ന് ഇതാ.

പര്യവേക്ഷണം ആരംഭിക്കുന്നതിനും സമപ്രായക്കാരുമായി ബന്ധപ്പെടുന്നതിനും പ്രവേശനം അഭ്യർത്ഥിക്കുക.

പിന്തുണയ്ക്കുന്ന ഡാറ്റാസെറ്റുകളും എപിഐകളും മനസിലാക്കുന്നതിന് ഡോക്യുമെന്റേഷൻ പര്യവേക്ഷണം ചെയ്യുക.

ആപ്ലിക്കേഷൻ ആശയങ്ങളിൽ പ്രചോദനത്തിനായി ഇക്കോസിസ്റ്റം മോണിറ്ററിംഗ് പോലുള്ള ആപ്ലിക്കേഷനുകൾ പര്യവേക്ഷണം ചെയ്യുക.

കാലാവസ്ഥാ വ്യതിയാനം, വനനശീകരണം തുടങ്ങിയ മേഖലകളെക്കുറിച്ച് പ്രസക്തമായ ഉൾക്കാഴ്ചകൾ തുറന്നുകാട്ടുന്നതിനോ വർദ്ധിപ്പിക്കുന്നതിനോ ഡാറ്റ വിഷ്വലൈസേഷൻ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ചിന്തിക്കുക. അല്ലെങ്കിൽ കൂടുതൽ സുസ്ഥിരമായ ജീവിതത്തിനായി പെരുമാറ്റ മാറ്റങ്ങളെ പ്രചോദിപ്പിക്കുന്ന പുതിയ ഉപയോക്തൃ അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ ഉൾക്കാഴ്ചകൾ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ചിന്തിക്കുക.

ഡാറ്റാ സയൻസ് + വിദ്യാർത്ഥികൾ

വ്യവസായത്തിലെയും ഗവേഷണത്തിലെയും യഥാർത്ഥ ലോക ആപ്ലിക്കേഷനുകളെക്കുറിച്ച് ഞങ്ങൾ സംസാരിച്ചു, ഡിജിറ്റൽ ഹ്യൂമാനിറ്റീസിലും സുസ്ഥിരതയിലും ഡാറ്റാ സയൻസ് ആപ്ലിക്കേഷൻ ഉദാഹരണങ്ങൾ പര്യവേക്ഷണം ചെയ്തു. ഒരു ഡാറ്റാ സയൻസ് തുടക്കക്കാരൻ എന്ന നിലയിൽ നിങ്ങളുടെ കഴിവുകൾ വികസിപ്പിക്കാനും നിങ്ങളുടെ വൈദഗ്ദ്ധ്യം പങ്കിടാനും നിങ്ങൾക്ക് എങ്ങനെ കഴിയും?