in

മെഷിൻ ലേണിങ്ങിൻ്റെ പ്രയോഗ സാധ്യതകൾ

ഭാവനയിൽ നിന്നും യാഥാർഥ്യത്തിലേക്കുള്ള ദൂരം കുറയുകയാണ്. അതിവേഗം ബഹുദൂരം മുന്നോട്ടു കുതിക്കുന്ന സാങ്കേതികവിദ്യയാണ്  ഭാവനയുടെ ആകാശങ്ങളെ യാഥാർഥ്യത്തിൻ്റെ മണ്ണിലേക്ക് ഇറക്കിനിർത്തുന്നത്. ആർടിഫിഷ്യൽ ഇൻ്റലിജൻസും [AI] മെഷിൻ ലേണിങ്ങും [ Machine Learning ] ഇൻ്റർനെറ്റ് ഓഫ് തിങ്ങ്സും [IoT] ഓട്ടോമേഷനും ബ്ലോക്ക് ചെയിനുമെല്ലാം സയൻസ് ഫിക്ഷൻ കല്പനകളിൽ നിന്നും നിത്യജീവിത യാഥാർഥ്യങ്ങളായി മാറി. ഡോക്ടർമാരും റീറ്റെയ്‌ലർമാരും അക്കാദമിക്കുകളും ഗവേഷകരും എന്നുവേണ്ട ശാസ്ത്ര സാങ്കേതിക രംഗത്തെ ഈ നേട്ടങ്ങളുടെ ഗുണഭോക്താക്കൾ ഏറെയാണ്.  കൃത്യമായ രോഗ നിർണയത്തിനും ചികിത്സയ്ക്കും മെഷിൻ ലേണിങ്ങിനെ പ്രയോജനപ്പെടുത്തുകയാണ് ഡോക്ടർമാർ. ശരിയായ സമയത്ത് ശരിയായ അളവിൽ ശരിയായ ഉല്പന്നങ്ങൾ വിതരണം ചെയ്യാനായി റീറ്റെയ്ൽ മേഖല ഇത് ഉപയോഗപ്പെടുത്തുന്നുണ്ട്. 

എനർജി, ട്രാവൽ, ഹോസ്പിറ്റാലിറ്റി, മാനുഫാക്ചറിങ്ങ്, ലോജിസ്റ്റിക്സ് തുടങ്ങി നിരവധി മേഖലകളിൽ എം എൽ സാങ്കേതിക വിദ്യക്ക് പ്രചാരം ഏറി വരികയാണ്.

ആർടിഫിഷ്യൽ ഇൻ്റലിജെൻസിൻ്റെ ഒരു ഉപവിഭാഗമാണ് മെഷിൻ ലേണിങ്ങ് എന്നു പറയാം.  അൽഗോരിതങ്ങൾ ഉപയോഗിച്ചാണ് വിപുലമായ ഡാറ്റാ ശേഖരത്തിൽ നിന്ന് ആവശ്യമായ വിവരങ്ങൾ ശാസ്ത്രീയമായി കണ്ടെത്തുന്നത്. 

മെഷിൻ ലേണിങ്ങ് ഏതെല്ലാം മേഖലകളിൽ  പ്രയോജനപ്പെടുന്നു എന്നു നോക്കാം.

റിയൽ ടൈം ചാറ്റ് ബോട്ടുകൾ

ഓട്ടോമേഷൻ്റെ ആദ്യകാല രൂപങ്ങളിലൊന്നാണ് ചാറ്റ് ബോട്ടുകൾ. യന്ത്രങ്ങളുമായി മനുഷ്യർ നേരിട്ട് ‘സംസാരിച്ച് ‘ കാര്യം സാധിക്കുന്ന വിദ്യയാണ് ചാറ്റ് ബോട്ടുകൾ സാധ്യമാക്കിയത്. സ്ക്രിപ്റ്റഡ് റൂളുകൾ അടിസ്ഥാനമാക്കിയാണ്‌ ആദ്യകാല തലമുറയിലെ ചാറ്റ് ബോട്ടുകൾ പ്രവർത്തിച്ചിരുന്നത്.  കീവേഡുകൾ ആയിരുന്നു അതിൽ മുഖ്യം. 

ഇന്ന് എ ഐ സാങ്കേതിക വിദ്യാ കുടുംബത്തിലെ മറ്റൊരംഗമായ ‘നാച്വറൽ ലാൻഗ്വേജ് പ്രൊസസിങ്ങ് ‘ ഈ സാങ്കേതികവിദ്യയിൽ വലിയ പരിണാമം കൊണ്ടുവന്നു. ഭാഷാ വിശകലന ശേഷി ചാറ്റ് ബോട്ടുകളുടെ ഇടപെടൽ ശേഷി വർധിപ്പിക്കുകയും കൂടുതൽ ഉല്‌പാദനപരമാക്കി മാറ്റുകയും ചെയ്തു. ഉപയോക്താക്കളുടെ ആവശ്യങ്ങൾ മനസ്സിലാക്കാനും മനുഷ്യരെപ്പോലെ പ്രതികരിക്കാനും കഴിവുള്ള ചാറ്റ് ബോട്ടുകളാണ് ഇന്നുള്ളത്. ആപ്പിളിന്റെ  സിരി, ഗൂഗ്ൾ അസിസ്റ്റൻ്റ്, ആമസോൺ അലക്സ തുടങ്ങിയവ മെഷിൻ ലേണിങ്ങ് അൽഗോരിതത്തെ അടിസ്ഥാനമാക്കിയാണ് പ്രവർത്തിക്കുന്നത്. പരമ്പരാഗത ചാറ്റ് ബോട്ടുകളുടെ സ്ഥാനം ഇവ കൈയ്യടക്കിക്കഴിഞ്ഞു. കസ്റ്റമർ സർവീസ് പോലെ ഉപയോക്താക്കളുമായി ഇടപെടൽ ആവശ്യമായ എൻഗേജ്മെൻ്റ് പ്ലാറ്റ്ഫോമുകളിൽ ഇവ ഏറെ പ്രയോജനപ്രദമാണെന്ന് എ ബി ഐ റിസർച്ചിലെ പ്രിൻസിപ്പൽ അനലിസ്റ്റായ  ലിയാൻ ജൈ സു പറയുന്നു. 

ഫേസ്ബുക്ക് മെസഞ്ചറിൻ്റെ ചാറ്റ്ബോട്ട്, മ്യൂസിക് സ്ട്രീമിങ്ങുമായി ബന്ധപ്പെട്ട അന്വേഷണങ്ങൾക്ക് കൃത്യതയോടെ മറുപടി നല്കുന്നതും ആവശ്യമനുസരിച്ച് വിവരങ്ങൾ അപ്പപ്പോൾ തരുന്നതും  അനായാസമായാണ്. 

ഡിസിഷൻ സപ്പോർട്ട് സിസ്റ്റംസ്

ഹെൽത്ത് കെയർ മേഖലയിൽ മെഷിൻ ലേണിങ്ങ് സാധ്യതകൾ വലിയ തോതിൽ പ്രയോജനപ്പെടുത്തുന്നുണ്ട്. രോഗനിർണയം കൃത്യതയുളളതാക്കി മാറ്റാനും അതുവഴി ഫലപ്രദമായ ചികിത്സ ഉറപ്പാക്കാനും സാധിക്കുന്നു.

കാലാവസ്ഥ, ഊർജം, ജലം, വിഭവങ്ങൾ തുടങ്ങി കാർഷിക വൃത്തിയുമായി ബന്ധപ്പെട്ട വിവരശേഖരത്തെ ഉപയുക്തമാക്കിയുള്ള മെഷിൻ ലേണിങ്ങ് വിദ്യയിലൂടെ കർഷകർക്ക് വിള മാനേജ്മെൻ്റ് കാര്യക്ഷമമാക്കാൻ കഴിയും. 

വ്യാപാര മേഖലയിൽ തീരുമാനമെടുക്കൽ പ്രക്രിയ നിർണായകമാണ്. ട്രെൻഡുകൾ മുൻകൂട്ടി പ്രവചിക്കാനും, പ്രശ്നങ്ങൾ തിരിച്ചറിയാനും, തീരുമാനങ്ങൾ അതിവേഗം കൈക്കൊളളാനും സഹായകമായ വിധത്തിലാണ് മെഷിൻ ലേണിങ്ങ് ഉപയുക്തമാക്കുന്നത്. ചാർട്ടുകൾ, ഗ്രാഫുകൾ തുടങ്ങി വിവരങ്ങൾ അർഥപൂർണവും അനായാസവുമായി കൈമാറുന്ന എക്സിക്യൂട്ടീവ് ഡാഷ് ബോർഡുകൾ ഇതിൻ്റെ ഭാഗമാണ്.

കസ്റ്റമർ റെക്കമെൻ്റേഷൻ എഞ്ചിനുകൾ

ഉപയോക്താക്കളുടെ ഏജ് ഗ്രൂപ്പ്, വാങ്ങുന്ന ഉല്പന്നങ്ങളുടെ പ്രൈസ് റേഞ്ച്, പർച്ചേസിങ്ങ് പാറ്റേൺ, തെരഞ്ഞെടുക്കുന്ന ഉല്പന്നങ്ങൾ, സ്ഥിരമായി വാങ്ങുന്നവ, വല്ലപ്പോഴും വാങ്ങുന്നവ, ഇഷ്ടാനിഷ്ടങ്ങൾ, ഇഷ്ട ബ്രാൻ്റുകൾ, പർച്ചേസ് ഹിസ്റ്ററി തുടങ്ങി വാങ്ങൽ പ്രക്രിയയുമായി ബന്ധപ്പെട്ട വിവരശേഖരത്തെ, എം എൽ അൽഗോരിതങ്ങൾ ഉപയോഗിച്ചുള്ള വിശകലം വഴി റെക്കമെൻ്റേഷന്  ഉപയുക്തമാക്കാം. കസ്റ്റമൈസ്ഡ് എക്സ്പീരിയൻസ് നൽകാൻ ഇത് സഹായകമാവും.

ഷോപ്പിങ്ങ് എക്സ്പീരിയൻസ് മികച്ചതാക്കാൻ ആമസോണും വാൾമാർട്ടും ഉൾപ്പെടെയുളള ഇ- കോമേഴ്സ് പ്ലാറ്റ്ഫോമുകൾ മെഷിൻ ലേണിങ്ങ് സാങ്കേതികത പ്രയോജനപ്പെടുത്തുന്നുണ്ട്.

പ്രേക്ഷകരുടെ വ്യക്തിഗത താത്പര്യങ്ങൾ സൂക്ഷ്മതയോടെ തിരിച്ചറിഞ്ഞ്,  അതിനനുസരിച്ച്  ഓഫറുകളും ശുപാർശകളും മറ്റും പേഴ്സണലൈസ് ചെയ്യാനും ഇഷ്ടപ്പെട്ട സിനിമകൾ നിർദേശിക്കാനും മറ്റും നെറ്റ്‌ഫ്ലിക്സ്, ആമസോൺ പ്രൈം പോലുള്ള സ്ട്രീമിങ്ങ് പ്ലാറ്റ്ഫോമുകൾ എം എൽ സാങ്കേതികവിദ്യ പ്രയോജനപ്പെടുത്തുന്നു.

റെക്കമെൻ്റേഷൻ എഞ്ചിൻ ഫലപ്രദമായി പ്രയോജനമെടുത്തുന്ന മറ്റൊരു കമ്പനി ഓൺലൈൻ വീഡിയോ പ്ലാറ്റ്ഫോമായ യൂറ്റ്യൂബാണ്. ഇഷ്ട ഗാനമോ, വീഡിയോയോ കണ്ടെത്തുക മാത്രമല്ല സമാനമായ അനേകം ഗാനങ്ങളോ, വീഡിയോകളോ അതിവേഗം നിർദേശിക്കാൻ മെഷിൻ ലേണിങ്ങ് സാങ്കേതിക വിദ്യ സഹായിക്കുന്നു.

കസ്റ്റമർ ചേൺ മോഡലിങ്ങ്

വ്യാപാര മേഖലയിലെ സുപ്രധാന വിഷയമാണ് കസ്റ്റമർ ചേൺ അഥവാ ഉപയോക്താക്കളുടെ കൊഴിഞ്ഞുപോക്ക്. കസ്റ്റമേഴ്സിനെ നഷ്ടമാകുന്നത് കമ്പനികളെ സംബന്ധിച്ച് നിർണായക പ്രശ്നമാണ്. ഹിസ്റ്ററിക്കൽ, ഡെമോഗ്രാഫിക്, സെയിൽസ് ഡാറ്റകൾ വിശകലനം ചെയ്യുന്നതു വഴി കസ്റ്റമേഴ്സ് കമ്പനിയെ ഉപേക്ഷിക്കുന്നതിലെ കാരണങ്ങളെ അപഗ്രഥിക്കാനാവും. 

മെഷിൻ ലേണിങ്ങ് സങ്കേതങ്ങൾ ഉപയുക്തമാക്കി നിലവിലുള്ള കസ്റ്റമേഴ്സിൻ്റെ ബയിങ്ങ് ബിഹേവിയർ തിരിച്ചറിയാം. അതുവഴി വരാനിരിക്കുന്ന അപകടങ്ങളെ നേരത്തേ കണ്ടെത്താനാവും. ഉപയോക്താക്കൾ എന്തുകൊണ്ട് തങ്ങളെ വിട്ടു പോകുന്നതെന്നും അവരെ നിലനിർത്താൻ എന്ത് മാർഗമാണ്  സ്വീകരിക്കേണ്ടതെന്നും തീരുമാനിക്കാം.

ചേൺ റേറ്റ് ഏതൊരു ബിസിനസിനെ സംബന്ധിച്ചും നിർണായകമാണ്. വരിക്കാരുടെ എണ്ണത്തെ ആശ്രയിച്ച് നിലനില്ക്കുന്ന സർവീസ് കമ്പനികൾ, പത്രമാധ്യമങ്ങൾ എന്നിവയെ സംബന്ധിച്ച്‌ പ്രത്യേകിച്ചും.

ദി ന്യൂയോർക്ക് ടൈംസ്, ബ്ലൂംബർഗ് ന്യൂസ്, വോൾ സ്ട്രീറ്റ് ജേണൽ തുടങ്ങിയ മീഡിയ കമ്പനികൾ എം എൽ ടൂളുകൾ അടങ്ങിയ ചേൺ മോഡലുകൾ പ്രയോജനപ്പെടുത്തുന്നുണ്ട്. മ്യൂസിക്, സിനിമാ സ്ട്രീമിങ്ങ് കമ്പനികളായ നെറ്റ്ഫ്ലിക്സ്, ആമസോൺ, എച്ച്ബിഒ, സ്പോട്ടിഫൈ എന്നിവയും ഇതിൻ്റെ ഗുണഭോക്താക്കളാണ്.

സാസ് (സോഫ്റ്റ് വെയർ – ഏസ്-എ-സർവീസ്) കമ്പനിയായ സെയിൽസ് ഫോഴ്സ്, മൾട്ടിമീഡിയ, മാർക്കറ്റിങ്ങ് സോഫ്റ്റ് വെയർ കമ്പനി എഡോബ്, ടെലികോം കമ്പനികൾ എന്നിവയും ഈ സാങ്കേതിക വിദ്യ പ്രയോജനപ്പെടുത്തുന്നുണ്ട്.

വ്യത്യസ്തമായ വിലനിർണയം 

ആവശ്യവും ലഭ്യതയും അനുസരിച്ച് ‘ഡൈനാമിക് ‘ ആയി വില നിർണയം നടത്താൻ മെഷിൻ ലേണിങ്ങ് ടൂളുകൾ ഉപയോഗിച്ചുള്ള ഡാറ്റ മൈനിങ്ങ് വഴി സാധിക്കും. ഡൈനാമിക് പ്രൈസിങ്ങ് ഏറ്റവുമധികം പ്രയോജനപ്പെടുത്തുന്ന ഒരു മേഖല ട്രാൻസ്പോർട്ടേഷൻ വ്യവസായമാണ്. ഓൺലൈൻ ടാക്സി ബുക്കിങ്ങ് സേവനദാതാക്കളായ  ഊബറും വിവിധ വിമാനക്കമ്പനികളും യാത്രക്കാരുടെ എണ്ണവും തിരക്കും അന്തരീക്ഷ സ്ഥിതിയും സീസണും ഒഴിവു ദിനങ്ങളും വെക്കേഷൻ കാലവും ഒക്കെ കണക്കിലെടുത്ത് വില കൂട്ടുകയോ കുറയ്ക്കുകയോ ചെയ്യാറുണ്ട്.

വിപണി ഗവേഷണവും കസ്റ്റമർ വിഭജനവും

വില നിർണയത്തിൽ മാത്രമല്ല, വിപണി ഗവേഷണത്തിനും കസ്റ്റമർ വിഭജനത്തിനും എം എൽ സങ്കേതങ്ങൾ കമ്പനികൾക്ക് സഹായകരമാവാറുണ്ട്. പ്രഡിക്റ്റീവ് പ്ലാനിങ്ങിലൂടെ ഏത് പ്രദേശത്ത്, ഏത് ഉല്‌പന്നം, ഏതളവിൽ എത്തിക്കണം എന്ന് തീരുമാനിക്കാനാവും. സീസൺ, ഒരു പ്രദേശത്തെ ജനങ്ങളുടെ ഡെമോഗ്രാഫിക് ഡാറ്റ, സോഷ്യൽ മീഡിയ ട്രെൻഡിങ്ങ് തുടങ്ങി ഒട്ടേറെ വിവരങ്ങളെ അടിസ്ഥാനമാക്കിയാണ്  ചില്ലറ വില്പനശാലകൾ വ്യത്യസ്ത പ്രദേശങ്ങളിലെ സ്റ്റോറുകളിലേക്ക് സ്റ്റോക്ക് എത്തിക്കുന്നതെന്ന് പ്രമുഖ ടെക്നോളജി കമ്പനിയായ യുഎസ്ടി ഗ്ലോബലിൻ്റെ എഐ, മെഷിൻ ലേണിങ്ങ് വിഭാഗം ചീഫ് ആർകിടെക്റ്റ്  അദ്നാൻ മസൂദ് പറയുന്നു.

മൊത്തം ഉപയോക്തൃ വൃന്ദത്തിൽ ഒരു പ്രത്യേക വിഭാഗത്തിലുള്ളവരുടെ വാങ്ങൽ രീതി മനസ്സിലാക്കാൻ എം എൽ ഉപയുക്തമാക്കാം. 

തട്ടിപ്പുകൾ തിരിച്ചറിയൽ

പാറ്റേണുകൾ തിരിച്ചറിയാനുള്ള എംഎൽ സാങ്കേതിക വിദ്യ വഴി നിശ്ചിത പാറ്റേണുകളിൽ വരുന്ന അസ്വാഭാവികതകളും കണ്ടെത്താം. ബാങ്കുകളും മറ്റ് ധനകാര്യ സ്ഥാപനങ്ങളും കാലങ്ങളായി ഇത് പ്രയോജനപ്പെടുത്തുന്നുണ്ട്.

ഉദാഹരണത്തിന് ഒരു കസ്റ്റമറുടെ ക്രഡിറ്റ് കാർഡ് ഉപയോഗത്തിൻ്റെ പാറ്റേൺ കൃത്യതയോടെ കണ്ടെത്താൻ ഡാറ്റ സയൻ്റിസ്റ്റിനാവും. അതിൽ നിന്ന് വേറിട്ട, അസ്വാഭാവിക ഇടപാടുകൾ കണ്ടെത്തിയാൽ തട്ടിപ്പ് സംശയിക്കാനാവും. സ്വാഭാവിക റേഞ്ചിലും അസ്വാഭാവിക റേഞ്ചിലും വരുന്ന ഇടപാടുകളുടെ പാറ്റേൺ ശാസ്ത്രീയമായ വിശകലനത്തിന് വിധേയമാക്കിയാണ് ഈ അസ്വാഭാവികത പുറത്തു കൊണ്ടുവരുന്നത്. മില്ലി സെക്കൻ്റുകൾക്കുള്ളിൽ ഇത് സാധ്യമാണ് എന്നതാണ് പ്രത്യേകത.

ഇമേജുകൾ തിരിച്ചറിയൽ

മെഷിൻ ലേണിങ്ങ്, ഡീപ് ലേണിങ്ങ്, ന്യൂട്രൽ നെറ്റ് വർക്കുകൾ എന്നിവ വഴി ഇമേജുകൾ തരംതിരിക്കാനും തിരിച്ചറിയാനും കഴിയും.  ടാഗിങ്ങിൽ ഫേസ്ബുക്ക്‌ പ്രയോജനപ്പെടുത്തുന്നത് എംഎൽ സാങ്കേതിക വിദ്യയാണ്.

റോബോട്ടുകളെ ഉപയോഗപ്പെടുത്തി, റീറ്റെയ്ൽ സ്റ്റോറിലെ സ്റ്റോക്കെടുപ്പ് നടത്താൻ കഴിയും. ഏത് ഉല്പന്നമാണ് കുറഞ്ഞ അളവിൽ സ്റ്റോക്കുള്ളതെന്നും ഔട്ട് ഓഫ് സ്റ്റോക്കെന്നും കണ്ടെത്തി അതിവേഗം സംഭരിക്കാൻ ഇതു വഴി കഴിയും.  

ഷോപ്പ് ലിഫ്റ്റിങ്ങ് പോലുള്ള കുറ്റകരമായ പ്രവൃത്തികൾ അതിവേഗം കണ്ടെത്താനാവും.  തൊഴിലിടങ്ങളിലെ സുരക്ഷാ നിർദേശങ്ങൾ ലംഘിക്കുന്നത് തിരിച്ചറിയാനും അപകടകരമായ ഇടങ്ങളിൽ അനധികൃത വ്യക്തികൾ പ്രവേശിക്കുന്നത് തടയാനും ഇമേജ് റെക്കഗ്നിഷൻ സാങ്കേതിക വിദ്യ സഹായകമാണ്.

പ്രവർത്തനക്ഷമത 

ലളിതവും സങ്കീർണവുമായ എം എൽ ടൂളുകൾ ഉണ്ട്. ധനകാര്യ സ്ഥാപനങ്ങളിലെ ദൈനംദിന ജോലികൾ നിർവഹിക്കാൻ ഇത് ഉപയുക്തമാക്കുന്നുണ്ട്. മാനുഫാക്ചറിങ്ങ് മേഖലയിലെ പ്രകിയകൾ, സോഫ്റ്റ് വെയർ വികസനം, ടെസ്റ്റിങ്ങ് എന്നിവ ഇവയിൽ ചിലതാണ്. 

മെഷിൻ ലേണിങ്ങ് അധിഷ്ഠിത സൊല്യൂഷനുകൾ ഉപയോഗിച്ച് ഉപകരണങ്ങൾ നിരന്തരം മോണിറ്റർ ചെയ്യാനും പരിപാലനം ആവശ്യമായ ഘട്ടത്തിൽ ‘അലർട്ട് ‘ നല്കുവാനും റിപ്പയറിങ്ങ് സാധ്യമാക്കാനും അതുവഴി പ്രവർത്തനങ്ങളിലെ അപ്രതീക്ഷിത തടസ്സങ്ങൾ ഒഴിവാക്കാനും കഴിയും. 

സോഫ്റ്റ് വെയർ ടെസ്റ്റിങ്ങ് മേഖല ഓട്ടോമേറ്റ് ചെയ്യുന്നത്, ഈ പ്രക്രിയ സുഗമമാക്കും. കുറഞ്ഞ ചിലവിൽ, പരമാവധി വേഗത്തിൽ, മെച്ചപ്പെട്ട സോഫ്റ്റ് വെയർ വികസിപ്പിച്ചെടുക്കാനുള്ള വഴിയാണ് ഇതുവഴി ഒരുങ്ങുന്നത്.

വിവര ഖനനം

അൺസ്ട്രക്ചേഡ്, അർധ സ്ട്രക്ചേഡ് ഫോർമാറ്റുകളിലെ നിർണായകമായ സ്ട്രക്ചേഡ് ഡാറ്റ കണ്ടെത്താൻ മെഷിൻ ലേണിങ്ങ് ഉപയോഗപ്പെടുത്താം.

ടാക്സ് ഫോമുകൾ, ഇൻവോയ്സുകൾ, ലീഗൽ കോൺട്രാക്റ്റുകൾ തുടങ്ങി വ്യത്യസ്ത ഡോക്യുമെൻ്റുകളിലെ ഡാറ്റ ശേഖരം വിശകലനം ചെയ്യാനും വിലപ്പെട്ട വിവരങ്ങൾ കണ്ടെത്താനുമുള്ള എംഎൽ ടൂളുകൾ ഒട്ടുമിക്ക മേഖലകളിലും പ്രയോജനകരമാണ്.

കടപ്പാട്: സെർച്ച് എൻ്ററർപ്രൈസ് എഐ
ചിത്രങ്ങൾ: പിക്സബെ 

Written by Blive News

Leave a Reply

Your email address will not be published. Required fields are marked *

dr asad on LDF

ഹൈക്കോടതി വിധി: അടിയേറ്റത് സര്‍ക്കാരിനും ഇടതുപക്ഷ മുന്നണിക്കുമെന്ന് ഡോ. ആസാദ്

amazon recognition

തങ്ങളുടെ ഈ സോഫ്റ്റ്‌വെയര്‍ ഉപയോഗിക്കരുതെന്ന് അമേരിക്കൻ പൊലീസിന് ആമസോൺ മുന്നറിയിപ്പ് നല്‍കി