Slide
Make the difference with Data
blabla
blabla
blabla
blabla
blabla
Dive In

Dive in and get involved in our projects or create a new one!

18-04-2023


സ്പോട്ട്ലൈറ്റ് പദ്ധതികൾ


Slide

Take a look at our Cross-Lingual projects

Automatically computed metonymy relationship for over 150 languages

A large scale, automatically build database of over 8 billion cognate pairs in 338 languages

Cross-lingual Projects
Universal Metonymy
CogNet
Slide

A large-scale multilingual database of derivational and inflectional morphology

A freely available lexico-semantic resource for the mongolian language

A free, high performance transliteration tool for over 180 languages and 60 writing systems

MorphyNet
Mongolian WordNet
WikTra
previous arrow
next arrow

എന്താണ് പൗര ശാസ്ത്ര സമൂഹം?

ശാസ്ത്രീയ ഗവേഷണം നടത്താൻ സ്വമേധയാ സഹായിക്കുന്ന ആളുകളെ ഉൾക്കൊള്ളുന്നതാണ് ഒരു സിറ്റിസൺ സയൻസ് കമ്മ്യൂണിറ്റി. ഗവേഷണ പ്രക്രിയയുടെ വിവിധ വശങ്ങളിൽ പൗര ശാസ്ത്രജ്ഞർ ഉൾപ്പെട്ടേക്കാം, ഉദാ., ഡിസൈൻ പരീക്ഷണങ്ങൾ, ഡാറ്റ ശേഖരിക്കുക, ഫലങ്ങൾ വിശകലനം ചെയ്യുക, പ്രശ്നങ്ങൾ പരിഹരിക്കുക.

എന്താണ് DataScientia?

ഭാവിയിലെ ഡാറ്റാധിഷ്ഠിത ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) സാങ്കേതിക പരിണാമത്തിൽ സംഭാവന നൽകാനും പഠിക്കാനും സ്വാധീനിക്കാനും താൽപ്പര്യമുള്ള ആളുകളുടെ ഒരു സിറ്റിസൺ സയൻസ് സമൂഹമാണ് DataScientia. കൂടുതൽ വായിക്കുക

എന്താണ് നേടാൻ ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നത്?

നിലവിലെ ഡാറ്റാധിഷ്ഠിത AI സാങ്കേതിക കണ്ടുപിടിത്തത്തിൽ ആർക്കും അവരുടെ അവബോധവും സജീവ പങ്കാളിത്തവും വർദ്ധിപ്പിക്കാൻ കഴിയുന്ന ഒരു പ്രക്രിയ പ്രവർത്തനക്ഷമമാക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. സാങ്കേതിക നവീകരണം സാമൂഹിക നവീകരണത്താൽ നയിക്കപ്പെടണം, കൂടാതെ സാമൂഹിക നവീകരണ അജണ്ടയുടെ നിർവചനത്തിൽ പൗരന്മാർ സജീവമായി പങ്കെടുക്കുകയും വേണം. കൂടുതൽ വായിക്കുക

നമ്മുടെ കമ്മ്യൂണിറ്റിയിലെ അംഗങ്ങൾ ആരാണ്?

ഡാറ്റാ സയന്റിയ കമ്മ്യൂണിറ്റിയിൽ ആർക്കും അംഗമാകാം. അംഗമാകാൻ നിങ്ങൾക്ക് പ്രത്യേക കഴിവുകളൊന്നും ആവശ്യമില്ല. ഡാറ്റ, AI, സമൂഹത്തിൽ അവയുടെ സ്വാധീനം എന്നിവയെക്കുറിച്ച് പഠിക്കാൻ നിങ്ങൾ തയ്യാറായിരിക്കണം എന്നതാണ് ഏക ആവശ്യം. നിങ്ങൾ എത്രത്തോളം, എത്ര വേഗത്തിൽ പഠിക്കാൻ ആഗ്രഹിക്കുന്നു എന്നതിന്റെ ഒരു ഫംഗ്‌ഷനായി നീക്കിവച്ചിരിക്കുന്ന പരിശ്രമത്തിന്റെ അളവ് നിങ്ങൾക്ക് തീരുമാനിക്കാം.

നിങ്ങൾക്ക് എങ്ങനെ സംഭാവന ചെയ്യാം?

കുറഞ്ഞത് നാല് വ്യത്യസ്ത തരത്തിലുള്ള സംഭാവനകളെങ്കിലും ഉണ്ട്. നിങ്ങളുടെ കഴിവുകൾക്കും കഴിവുകൾക്കും താൽപ്പര്യങ്ങൾക്കും ഏറ്റവും അനുയോജ്യമായ ഒന്നോ അതിലധികമോ നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം.

  • ഞങ്ങൾ സജ്ജീകരിക്കുന്ന നിരവധി പരീക്ഷണങ്ങളിൽ ഒന്നിൽ ആവശ്യാനുസരണം വ്യക്തി കേന്ദ്രീകൃത ഡാറ്റയുടെ ശേഖരണത്തെ പിന്തുണയ്ക്കുക എന്നതാണ് ആദ്യത്തെ തരത്തിലുള്ള സംഭാവന.
  • രണ്ടാമത്തെ തരം, നിങ്ങൾക്ക് പ്രോഗ്രാമിംഗ് വൈദഗ്ദ്ധ്യം ഉണ്ടെങ്കിൽ, DataScientiaയെയും അതിന്റെ പങ്കാളികളെയും പ്രവർത്തിപ്പിക്കാൻ അനുവദിക്കുന്ന AI ടൂളുകളുടെയും സോഫ്റ്റ്‌വെയറിന്റെയും വികസനത്തിന്റെ ചുമതലയുള്ള ഓപ്പൺ ഡാറ്റയിലും ഓപ്പൺ സോഴ്‌സ് കമ്മ്യൂണിറ്റിയിലും പങ്കെടുക്കുക എന്നതാണ്.
  • കൂടുതൽ വായിക്കുക

സംഭാവന നൽകാൻ ഞങ്ങൾ നിങ്ങളെ എങ്ങനെ സഹായിക്കും?

നിങ്ങളെ സഹായിക്കാൻ ഞങ്ങൾക്ക് നാല് പ്രധാന വഴികളുണ്ട്.

  • ആദ്യത്തേത്, ഡാറ്റാധിഷ്ഠിത AI-യുടെ അടിസ്ഥാന ആശയങ്ങളും ആളുകളുടെ ജീവിതത്തിലും സമൂഹത്തിലും അതിന്റെ സ്വാധീനവും നേടുന്നതിനുള്ള വിദ്യാഭ്യാസ സാമഗ്രികളും പിന്തുണയും ഞങ്ങൾ നിങ്ങൾക്ക് നൽകുന്നു എന്നതാണ്.
  • രണ്ടാമത്തേത്, നിങ്ങളും മൊത്തത്തിലുള്ള കമ്മ്യൂണിറ്റിയും സൃഷ്ടിക്കുന്ന വ്യക്തി കേന്ദ്രീകൃത ഡാറ്റയുടെ ശേഖരണത്തിലും മാനേജ്മെന്റിലും പങ്കിടലിലും ഞങ്ങൾ നിങ്ങളെ പിന്തുണയ്ക്കുന്നു എന്നതാണ്.
  • കൂടുതൽ വായിക്കുക
people_grid

കാറ്റലോഗുകൾ


Live Data

Live People

LM-noBG

Live Media

Live Language

Live Knowledge

എന്തിനെക്കുറിച്ചുള്ള ഡാറ്റ?

ആളുകളെയും ചുറ്റുമുള്ള ലോകത്തെയും സമൂഹത്തെയും കുറിച്ചുള്ള ഡാറ്റ ഞങ്ങൾ ശേഖരിക്കുന്നു.

ഏത് തരത്തിലുള്ള ഡാറ്റയാണ് ഞങ്ങൾ ശേഖരിക്കുന്നത്?

ഞങ്ങൾ ശേഖരിക്കുന്ന ഡാറ്റയെ നാല് അടിസ്ഥാന തരങ്ങളായി തരംതിരിക്കാം:

  1. ലോകം നമുക്ക് എങ്ങനെ ദൃശ്യമാകുന്നുവെന്ന് ചിത്രീകരിക്കുന്ന മാധ്യമങ്ങൾ.
  2. ലോകത്തിലെ സാഹചര്യം എന്താണെന്ന് ഞങ്ങൾ എങ്ങനെ പ്രസ്താവിക്കുന്നു എന്ന് വിവരിക്കുന്ന ഡാറ്റ, അതായത്, എന്താണ് ശരിയും തെറ്റും.
  3. ലോകത്തിന്റെ വൈവിധ്യത്തെ വിവരിക്കാൻ ഞങ്ങൾ ഉപയോഗിക്കുന്ന ഭാഷയെക്കുറിച്ചുള്ള ഡാറ്റ.
  4. ലോകത്തെക്കുറിച്ചുള്ള ഡാറ്റയുടെ വൈവിധ്യത്തിന്റെ ഏകീകൃത വീക്ഷണം നൽകാൻ ഞങ്ങൾ ഉപയോഗിക്കുന്ന അറിവിനെക്കുറിച്ചുള്ള ഡാറ്റ, ഇത് ഡാറ്റയുടെ ഉദ്ദേശ്യ-പ്രേരിത ഘടനയുടെ താക്കോലാണ്.

സേവനങ്ങള്


ഡാറ്റ ഉപയോഗിച്ച് ഞങ്ങൾ എന്തുചെയ്യും?

അവരുടെ ശേഖരണം മുതൽ നവീകരണത്തിനായുള്ള അവരുടെ ഉപയോഗം വരെയുള്ള എല്ലാ ഘട്ടങ്ങളും ഉൾക്കൊള്ളുന്ന എൻഡ്-ടു-എൻഡ് ഡാറ്റ മാനേജുമെന്റ് പ്രക്രിയ ഞങ്ങൾ പിന്തുടരുന്നു. അഞ്ച് പ്രധാന ഘട്ടങ്ങളിലായാണ് പ്രക്രിയ ക്രമീകരിച്ചിരിക്കുന്നത്:

Coming soon...
Coming soon...
Coming soon...
Coming soon...
  • ഞങ്ങൾ അവ ശേഖരിക്കുന്നു
  • ഞങ്ങൾ അവ സംഭരിക്കുന്നു
  • അവരെ കണ്ടെത്തുന്നതിന് ഞങ്ങൾ മൂന്നാം കക്ഷികളെ പ്രാപ്തരാക്കുന്നു
  • ഞങ്ങൾ ഉദ്ദേശ്യത്തോടെയുള്ള ഡാറ്റ കോമ്പോസിഷൻ ചെയ്യുന്നു.
  • സാങ്കേതികവിദ്യ പ്രാപ്തമാക്കിയ സാമൂഹിക നവീകരണത്തിനായി ഞങ്ങൾ അവ വിതരണം ചെയ്യുന്നു
Coming soon...
Coming soon...
UKC
Coming soon...
Coming soon...

വസ്തുനിഷ്ഠതയല്ല ഞങ്ങൾ ലക്ഷ്യമിടുന്നത്. പകരം, ലോകത്തിന്റെ പ്രാദേശിക പ്രതിനിധാനങ്ങൾ എങ്ങനെ ഉയർന്നുവരുന്നുവെന്നും അവ എങ്ങനെ ലക്ഷ്യബോധത്തോടെയുള്ള ഏകീകൃത പ്രതിനിധാനങ്ങളായി രൂപപ്പെടുത്താമെന്നും പഠിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ഇത് എങ്ങനെ സംഭവിക്കുന്നു എന്ന പ്രക്രിയയിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.

Coming soon...
Coming soon...
Coming soon...
Coming soon...
distributed-team

ഞങ്ങൾ എങ്ങനെയാണ് ക്രമീകരിച്ചിരിക്കുന്നത്?

ഡാറ്റാ സയന്റിയ ലാഭേച്ഛയില്ലാതെ പ്രവർത്തിക്കുന്ന ഒരു സ്ഥാപനമാണ്, അതിന്റെ ലക്ഷ്യം ഡാറ്റാധിഷ്ഠിത AI പിന്തുണയ്‌ക്കുന്ന സാമൂഹിക നവീകരണം പ്രാപ്‌തമാക്കുന്ന മികച്ചതും കൂടുതൽ ഉൾക്കൊള്ളുന്നതുമായ ഒരു സമൂഹം കെട്ടിപ്പടുക്കുക എന്നതാണ്. DataScientia അതിന്റെ പങ്കാളിയായ സർവ്വകലാശാലകളുമായി കർശനമായ സഹകരണത്തോടെ പ്രവർത്തിക്കുന്നു. സർവ്വകലാശാലകൾ ഡാറ്റാ സയന്റിയയെ അതിന്റെ ആജീവനാന്ത വിദ്യാഭ്യാസ പരിപാടികളിലും പ്രാദേശിക കമ്മ്യൂണിറ്റികളുടെ വികസനത്തിലും പിന്തുണയിലും ഗവേഷണത്തിലും നവീകരണ പ്രവർത്തനങ്ങളിലും പിന്തുണയ്ക്കുന്നു. കൂടുതൽ വായിക്കുക

എങ്ങനെയാണ് നാം നമ്മെത്തന്നെ നിലനിർത്തുന്നത്?

DataScientia യുടെ ലക്ഷ്യം അത് പ്രാപ്തമാക്കുന്ന സാങ്കേതികവും സാമൂഹികവുമായ നവീകരണത്തിലൂടെ ലഭിക്കുന്ന വരുമാനത്തെ അടിസ്ഥാനമാക്കി, പ്രധാനമായും അതിന്റെ എൻഡ്-ടു-എൻഡ് ഡാറ്റ മാനേജുമെന്റ് പ്രക്രിയയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക എന്നതാണ്. DataScientia-യ്ക്ക് രണ്ട് പ്രധാന വരുമാന സ്രോതസ്സുകളുണ്ട്.

  • ഡാറ്റാ സയന്റിയ വികസിപ്പിച്ചെടുത്ത ഡാറ്റയും സാങ്കേതികവിദ്യകളും ഉപയോഗിച്ച് പ്രവർത്തനക്ഷമമാക്കിയ സേവനങ്ങളുടെ വ്യവസ്ഥയാണ് ആദ്യത്തേത്. ഓരോ തരത്തിലുള്ള ഡാറ്റയും വ്യത്യസ്ത ഡാറ്റാ-നിർദ്ദിഷ്ട സേവനങ്ങൾ പ്രാപ്തമാക്കുന്നു.
  • രണ്ടാമത്തേത്, അതിന്റേതായ സാങ്കേതിക വിദ്യ പ്രയോജനപ്പെടുത്തുന്ന നൂതനമായ കമ്പനികളുടെ സ്റ്റാർട്ടപ്പിന്റെയും വളർച്ചയുടെയും പിന്തുണയാണ്.

എല്ലാ DataScientia സാമ്പത്തിക വരുമാനവും അതിന്റെ ആന്തരിക നൈതിക മാനദണ്ഡങ്ങൾക്ക് അനുസൃതമായ ഒരു പ്രക്രിയ പിന്തുടരേണ്ടതാണ്. അർത്ഥവത്തായ സാമൂഹിക നവീകരണം സൃഷ്ടിക്കുന്ന പ്രവർത്തനങ്ങളിൽ നിന്നാണ് വരുമാനം ഉണ്ടാകേണ്ടത്. ഡാറ്റാ സയന്റിയയുടെ ആത്യന്തിക ലക്ഷ്യം, നിലവിലുള്ള, സാങ്കേതികവിദ്യയിൽ മാത്രം അധിഷ്‌ഠിതമായ, വൈവിധ്യം-അറിയാതെ, AI നവീകരണത്തോടുള്ള സമീപനത്തിനപ്പുറത്തേക്ക് പോകാൻ ഒരു വഴി കണ്ടെത്തുക എന്നതാണ്.


The DataScientia Manifesto


നാനാത്വത്തിലൂടെ ഏകത്വം

  1. ഇൻറർനെറ്റിൽ ലഭ്യമായ ഡാറ്റ, കൂടുതൽ തുറന്നതും ഉൾക്കൊള്ളുന്നതും മെച്ചപ്പെട്ട ജീവിത നിലവാരം പ്രാപ്‌തമാക്കുന്നതുമായ ഒരു പുതിയ, സ്മാർട്ടായ ഒരു സമൂഹത്തിന്റെ ഉയർച്ചയെ ഉത്തേജിപ്പിക്കുന്ന ഇന്ധനമാണ്.
  2. ലിംഗഭേദം, മതം, ദേശീയത, സമ്പത്തിന്റെ നിലവാരം അല്ലെങ്കിൽ മറ്റേതെങ്കിലും ആകസ്മിക ഘടകങ്ങൾ എന്നിവയില്ലാതെ എല്ലാവർക്കും താങ്ങാനാവുന്ന ചെലവിൽ ഡാറ്റ ലഭ്യമാകുകയും പുനരുപയോഗിക്കാവുന്നതായിരിക്കണം.
  3. പ്രാദേശിക സംസ്കാരം, പാരമ്പര്യം, ആവശ്യങ്ങൾ, ഉദ്ദേശ്യം എന്നിവയിൽ നിന്നുള്ള ഫലമായതിനാൽ, തിരിച്ചറിയപ്പെടുന്ന ലോകങ്ങളുടെ വൈവിധ്യത്തെ ഡാറ്റ ശരിയായി പ്രതിനിധീകരിക്കണം. ഡാറ്റ പ്രാദേശിക ഭാഷകളിൽ പ്രകടിപ്പിക്കുകയും സന്ദർഭോചിതമായി പ്രസക്തമായ വസ്തുതകൾ ഏറ്റവും അനുയോജ്യമായ ഫോർമാറ്റിലും മൂല്യങ്ങളിലും രേഖപ്പെടുത്തുകയും വേണം.
  4. അറിവ് ഡാറ്റയുടെ വൈവിധ്യത്തെ അതിന്റെ അടിസ്ഥാനത്തിലുള്ള ഐക്യത്തിന്റെ ക്രമാനുഗതമായി കൂടുതൽ ഏകീകൃത പ്രതിനിധാനങ്ങളിലേക്ക് ഉൾക്കൊള്ളണം.
  5. അറിവും ഡാറ്റയും വികസിപ്പിച്ചെടുക്കേണ്ടത് താൽപ്പര്യമുള്ള കക്ഷികളുടെ സ്വമേധയാ ഉള്ള ശ്രമങ്ങൾക്ക് നന്ദി, ഓരോന്നും പൂർണ്ണ സ്വയംഭരണത്തിൽ പ്രവർത്തിക്കുന്നു.
  6. DataScientia ഒരു ലാഭേച്ഛയില്ലാതെ പ്രവർത്തിക്കുന്ന ഒരു സ്ഥാപനമാണ്, അതിന്റെ ലക്ഷ്യം ഡാറ്റ പ്രതിനിധീകരിക്കുന്നതുപോലെ വൈവിധ്യത്തെക്കുറിച്ചുള്ള ഒരു ഏകീകൃത വിജ്ഞാന-പ്രേരിത ധാരണയുടെ ഉദയത്തെ പിന്തുണയ്ക്കുന്ന ഒരു അടിസ്ഥാന സൗകര്യ വികസനമാണ്.
  7. സാങ്കേതിക ഇൻഫ്രാസ്ട്രക്ചറാണ് ഡാറ്റാ സയന്റിയയുടെ ആദ്യ ലക്ഷ്യം.
  8. DataScientia-യുടെ രണ്ടാമത്തെ ലക്ഷ്യം, പങ്കിട്ട മികച്ച സമ്പ്രദായങ്ങളുടെ വികസനവും അവലംബവും വഴിയുള്ള ഓർഗനൈസേഷണൽ ഇൻഫ്രാസ്ട്രക്ചറാണ്.
  9. DataScientia യുടെ മൂന്നാമത്തെ ലക്ഷ്യം, ലൈസൻസിംഗും സ്വകാര്യതയും സംബന്ധിച്ച പ്രശ്നങ്ങളുമായി ബന്ധപ്പെട്ട നിയമപരമായ അടിസ്ഥാന സൗകര്യങ്ങൾ, ഇടപാടുകൾ എന്നിവയാണ്.
  10. DataScientia യുടെ നാലാമത്തെ ലക്ഷ്യം സാമൂഹിക അടിസ്ഥാന സൗകര്യങ്ങളാണ്, അതായത്, ഡാറ്റയെ കുറിച്ചുള്ള ധാരണ, അവയുടെ വികസനം, സാമൂഹികവും സാമ്പത്തികവുമായ ചൂഷണം എന്നിവയെ കേന്ദ്രീകരിച്ചുള്ള ഒരു കമ്മ്യൂണിറ്റിയാണ്.

DataScientia - Unitas per veritam

"DataScientia", "Scientia per Data" എന്നതിന് "ഡാറ്റയിലൂടെയുള്ള അറിവ്" എന്നതിനുള്ള ലാറ്റിൻ വാചകം.

"Scientia", ശാസ്ത്രജ്ഞരിൽ നിന്നുള്ള, scio എന്നതിന്റെ വർത്തമാന പങ്കാളിത്തം, അറിയുക, മനസ്സിലാക്കുക എന്നർത്ഥം - മനസ്സാക്ഷിയുടെ അതേ റൂട്ട്, അതായത് മറ്റുള്ളവരുമായി പങ്കിടുന്ന അറിവും അവനുള്ളിലെ അറിവും.

"ഡാറ്റ",  ഡാറ്റത്തിന്റെ ബഹുവചനം, നൽകിയിരിക്കുന്നത് എന്നർത്ഥം, നമ്മുടെ ചിന്തയുടെ അടിസ്ഥാനമായി നമ്മൾ എടുക്കുന്ന കാര്യങ്ങൾ - ലോകത്തിന്റെ ഒരു ഡിജിറ്റൽ പ്രതിനിധാനമായി ഞങ്ങൾ ഇവിടെ എടുക്കുന്നു.

"വൈവിധ്യത്തിലൂടെ ഏകത്വം" എന്നതിനായുള്ള ലാറ്റിൻ വാചകമായ "യൂണിറ്റാസ് പെർ വെറൈറ്റേം" - ഡാറ്റയുടെ വൈവിധ്യത്തെ മനസ്സിലാക്കി നന്ദി പറഞ്ഞുകൊണ്ട് നമുക്ക് എങ്ങനെ അറിവിന്റെ ഏകത്വത്തിലേക്ക് എത്തിച്ചേരാനാകും?