1.3 The cop & The Anthom. Analyse by Umakant Gore.

आज आपण 1.3 द कॉप & द अँथम ( Page no.27-32 ) हा पाठ पाहणार आहोत.


या पाठाच्या शीर्षकावरून आपणांस या पाठातील सामग्रीची कोणतीही स्पष्ट कल्पना देता येत नाही. कॉप आणि अँथम हे फक्त नाम आहेत. ‘कॉप’ हा शब्द म्हणजे पोलिस आणि ‘अँथम’ म्हणजे धार्मिक गीतासाठी किंवा प्रार्थनेसाठी हा शब्द बहुतेक चर्चमध्ये वापरला जातो. आपण फक्त कल्पना करू शकतो की हा मजकूर पोलिस आणि धार्मिक गाण्याशी संबंधित आहे. जर आपण मजकूरामध्ये गेलो तर आपणांस मजकूराविषयी स्पष्ट कल्पना येईल.

निष्क्रीय जीवन जगण्यासाठी या कथेमधील मुख्य पात्र 'सोफी'' याला जेलमध्ये जायचे होते. त्याने कायदा तोडण्याचा प्रयत्न केला पण त्याचे प्रयत्न अपयशी ठरले. त्याला कॉपने कधीच पकडले नाही. सोफीने स्वतःला अटक करवून घेण्याचे अनेक प्रयत्न केले पण ते सर्व अपयशी ठरले.

सोफीचा पहीला प्रयत्न - विलासी कॅफेमध्ये प्रवेश करण्याचा प्रयत्न त्याने  केला. परंतु हेड वेटरच्या मजबूत आणि तयार हातांनी त्याला वळून पाहिले. आलिशान कॅफेच्या हेड वेटरने सोफीला आत प्रवेश करण्यास परवानगी दिली नाही कारण - जेव्हा सोफी रेस्टॉरंटच्या दाराजवळ पाय ठेवू लागला, तेव्हा वेटरची नजर त्याच्या विखुरलेल्या पायघोळ आणि खराब झालेल्या शूजवर पडली. आणि त्यामूळे त्याला त्याने गेटवरूनच हाकलून दिले.


त्याचा दुसरा प्रयत्न - सोफीने एक दगड घेतला आणि रस्त्यावरील  दुकानाच्या खिडकीच्या काचेवर मारला,काचेची खिडकी फोडली. परंतु तिथे उभे असलेले पोलिस दुसर्‍या माणसाच्या मागे पळत सुटले. काच खिडकी फोडल्याबद्दल  पोलिसांनी सोफीला अटक केली नाही कारण - पोलिसांच्या मते खिडकी फोडून काढणारे पुरुष पोलिसांशी गप्पा मारत उभे राहात नाहीत. ते त्या ठिकाणाहून पळून जातात. या कारणांमुळे  पोलीसांनी त्याला पकडले नाही.


सोफीचा तिसरा प्रयत्न - सोफीला स्वतःवर खूप आत्मविश्वास होता कारण - टेबलच्या वर दाखविणारा त्याचा भाग व्यवस्थित होता. तो मुंडण झाला होता. त्याचे स्वरूप वेटरच्या मनात शंका निर्माण करेल आसेच होते. सोफीने त्या सामान्य रेस्टाॕरंट मध्ये जेवण केले आणि बिल भरण्यासाठी आपल्याकडे पैसे नसल्याचे घोषित केले. त्यावेळी तिथल्या दोन वेटर्सनी सोफीला नि: शब्द फरसबंदीवर ठोकले.
तो कपड्यांमधील धूळ हळू हळू उभा राहिला. यावेळीही पोलीसांनी त्याला अटक केली नाही.

सोफीचा चौथा प्रयत्न - सार्वजनिक ठिकाणी मद्यधुंद व्यक्तीसारखे ओरडू लागला. ओरडणे आणि नृत्य केल्याबद्दल पोलिसांनी सोफीला अटक केली नाही कारण - तो हार्टफोर्ड कॉलेजमध्ये पार्टीतून येणारा तरुण आहे असे म्हणून सोफीला समजत होते. या तरुण व्यक्तींकडे दुर्लक्ष करण्याच्या सूचना पोलिसांना होत्या.
तरीही पोलीसांनी त्याला पकडले नाही.

सोफीचा पाचवा प्रयत्न - त्याने एका व्यक्तीची छत्री चोरली आणि त्याने त्या व्यक्तिला पोलिसांना बोलवायला सांगितले. परंतु त्या व्यक्तीने पोलिसांना बोलावण्यास नकार दिला व ती छत्री तुलाच राहूदे असे सांगीतले. सोफीचा हा प्रयत्न सुद्धा अपयशी ठरला.


या गोष्टींमूळे तुरूंगात प्रवेश करू शकणार नाही अशी भीती सोफीला होती.

तो चर्च यार्ड जवळ आला. त्याने एका गानगीताची म्युझिकल नोट ऐकली. ते ऐकून त्याला त्याचे पूर्वीचे अद्भुत दिवस आठवले. यामुळे त्याच्या आत्म्यात अचानक आणि फायदेशीर बदल झाला. त्याने लढा देण्याचे आणि त्याचे आयुष्य बदलण्याचे ठरविले. त्याने काम शोधण्याचा निर्णयही घेतला. सोफी दिवास्वप्न पाहत असताना, एका पोलिस कर्मचाऱ्यांने त्याला खांद्यावर हात ठेवून विचारले, की तो काय करीत आहे? त्याने काही नाही असे  उत्तर दिले. परतु त्या पोलीसाला त्याचा संशय आल्यामुळे त्याला अटक करण्यात आली आणि दुसर्‍याच दिवशी ब्लॅकवेल बेटावर (तुरूंगात) तीन महिन्यांची शिक्षा सुनावली.


यावरून असे लक्षात येते की ज्यावेळी सोफीला तुरूंगात जायचे होते त्यावेळी तो जाऊ शकला नाही, परंतु त्याचे मनपरिवर्तन झाल्यानंतर मात्र नाईलाजाने त्याला तुरूंगात जावे लागले.

Public Administration Online Test.

https://forms.gle/VVMGxzNwY7943LUZ9

1.2 On Saying Please. Created by umakant gore.

आज आपण Prose section मधील A.G. Gordiner लिखीत 1.2 On Saying "Please" हा chapter पाहणार आहोत.

हा chapter सौजन्यशीलतेवर आधारीत. माणसांशी बोलत असताना आपल्या अंगामध्ये कशाप्रकारची सौजन्यता असावी हे या chapter मधून दाखवून देण्यात आलेले आहे.

आपण समाजामध्ये वावरत असताना आपले behaviour खुप चांगले असणे आवश्यक असते. Please , Thank -you, असे शब्द आपण ईतरांना सहानुभूती दर्शवन्यासाठी सतत वापरात आणले पाहीजेत.

या chapter मध्ये दोन प्रसंग दाखवण्यात आलेले आहेत. पहीला प्रसंग हा city office मधील lift मध्ये घडलेला आहे. एक passenger त्या lift मध्ये आल्यानंतर तिथे असलेल्या  lift man ला "Top" अशी  order सोडतो. पण त्या lift man ला या गोष्टीचा राग येतो आणि त्या passenger ला तो बाहेर ढकलून देतो कारण त्या passenger ने "Top Please " असे म्हणावे ही त्याची अपेक्षा. म्हणजे त्याठिकाणी त्या passenger ने सौजन्यता दाखविली नाही.


दुसरा प्रसंग हा Bus मधला आहे. Bus मधील conductor हा त्याचे काम चोख बजावत असतो. Passengers एका ठिकाणाहून दुसऱ्या ठिकाणी पोहचवणे हे त्याचे कर्तव्य असते. एके दिवशी या conductor चा जड बुटाचा पाय एका passenger च्या पायावर पडतो, तो passenger काही म्हणण्याच्या अगोदरच हा conductor त्याला "Sorry" म्हणतो. म्हणजे इथं त्या conductor ने सौजन्यता दाखवली.

दोन्ही प्रसंग एकमेकांशी विरोधी आहेत. लेखकाने या chapter मध्ये हे दर्शवले आहे की आपण सौजन्यता दाखविली तर समोरचा सुद्धा तितक्याच तत्परतेने सौजन्याने आपल्याशी वागतो.

अशाप्रकारे हा On Saying "Please" हा chapter आहे.

तुम्हाला दिलेल्या तुमच्या English pdf  book मधील page no. 14-19 पर्यंत  Reading करा.

व त्याचे analysis करून photo काढून पाठवायचा आहे.

1.1 An Astrologer's Day. Created by Umakant gore.

Section one

1.1 An Astrologer's Day. - R.K. Narayan

R.K. Narayan यांनी लिहीलेल्या My Days (1975) या book मधील मालगुडी या त्यांच्या imaginary town मधील ही एक story आहे.

या कथेमध्ये ऐक ज्योतिषी आहे. त्याने त्याच्या मालकाला विहीरीत ढकलून दिलेले असते, व तो ते गाव सोडून नवीन शहरात वेष बदलून भविष्य सांगत बसत असतो. परंतु एक दिवस त्याच्या समोर त्याचा मालकच भविष्य विचारण्यासाठी येतो. ज्योतिषाने वेष बदललेला असल्यामुळे मालक त्याला ओळखु शकत नाही.

ज्योतिषी त्याच्या मालकाचा हात हातात घेऊन भविष्य सांगायला सुरूवात करतो. ज्योतिषी मालकाला म्हणतो की तु कोणाला तरी मारण्यासाठी बाहेर पडलेला आहेस. पण तुला ते या जन्मात शक्य नाही, ज्याला तु मारणार होतास तो तर चार महिन्यांपुर्वी ट्रक खाली येऊन मरण पावला आहे. आणि तु हे शहर लवकर सोडून जा आणि परत या शहराच्या जवळ कधीच दिसु नकोस. असं म्हणल्या बरोबर तो गुरू नायक तिथुन निघून जातो.

संध्याकाळी हा ज्योतिषी घरी गेल्यानंतर आपल्या बायकोला घडलेला वृत्तांत सांगतो. व बायकोला म्हणतो आज मी मुक्त झालो. ज्या मालका मुळे त्याला वेष बदलून ज्योतिषी व्हावं लागलं होतं. आता त्याची गरज पडणार नव्हती. कारण त्यावर आलेलं संकट त्याने परतवून लावलं होतं.


अशाप्रकारे हा An Astrologer's Day हा interesting topic ahe.

हा topic सर्वांनी pdf book मध्ये वाचा.

1.4 Big Data - Big Insights. Activities.

1.4 Big Data – Big Insights

1.4 Big Data – Big Insights

Ice Breakers

A) Give business suggestions to the respective industry / company for the following situation.

You have received data that -

a) Many Passengers prefer fights between 7 am and 9 am from Mumbai to Delhi.

Suggestion: 
Increase the number of flights between 7 am and 9 am.

b) Many students are opting for UPSC/MC Exams.

Suggestion: 
Increase the number of examination centres and add more jobs in it.      

c) Many people go for morning walk to Kamla Nehru Park.

Suggestion: 
Increase the facilities in the park. Start more such parks in the city in different areas. Charge meagre facility charges to maintain the quality of the garden.           

d) Many people buy clothes from miracle.com an online shopping site.

Suggestion: 
Increase new brands and give discounts to attract more persons. Keep good quality products and give good customer care service.   

e) The viewership on television is more between 8 pm and 10 pm.

Suggestion: 
Increase social awareness and scientific consciousness programmes during this period.         

B) People get information from various sources. Name few sources:

Answer:- 

Sources of information:-

1) Apps- Facebook, Whats app, Telegram etc.

2) Newspaper

3) Television

4) Websites

5) Films

6) Blogs

7) Reporters

8) Pamphlets

9) Advertisements

10) Brochures

11) Dictionary

12) Encyclopedia

13) Web search engines- Google, Yahoo, Bing

14) Magazines and book

15) Online shopping sites- Flipkart, Amazon

Brainstorming

(A1)

You tube has many videos on various things. Listen to the uses and health benefits of 'Lemon' and write it.

Answer:-

Benefits of ‘Lemon’:-

1) It promotes hydration.

2) It is a good source of vitamin C.

3) It supports weight loss.

4) It improves your skin quality.

5) It aids digestion.

6) It freshens breath.

7) It helps prevent kidney stones.

8) It can optimize mood and memory.

(A2)

(i) Make pointwise notes regarding the uses of Big Data in the following application.

(a) Location Tracking -

(1) Identifying and tracking the exact location of a place.         

(2) Real time data about traffic    

(3) Guidance about particular route during travelling      

(4) Understand accident prone areas    

(5) Information if the route is closed or if it is a one-way route

(b) Health Care Industry -

(1) Use of modern gadgets for 24 by 7.          

(2) Unnecessary guesswork reduced

(3) Better diagnosis of illness.

(4) Checking outburst of epidemics

(5) Past records of the patients can be maintained.

(c) Education Industry -

(1) Customised learning programme     

(2) Check the progress of the students

(3) Get information of student’s strengths and weaknesses

(4) Guide the students to choose the career            

(ii) Give the precautions when you are asked for personal details on social media. What precautions will you take?

Answer:-

I would take the following precautions if I am asked for personal details on social media.

1) I would verify who I am connecting with.

2) I would limit details about my work history and daily routine.

3) I would not share personal details if I am not sure.

4) I would be careful of over-friending.

5) I would not give any information of ATM card, its password and OTP.

(iii) Do you think all the data we receive is used for positive things? If 'No', make a list of the negative things which can be done with the help of Big Data.

Answer:-

I think all the data we receive is not used for positive things. Here are few negative things for which Big Data is used.

1) Internet trolls.

2) Cheating the people

3) Spread of misleading information.

4) Collecting private information.

5) Bombarding of advertising.

6) Spread of rumours.

(A3)

Guess the meaning of the following idioms and phrases and use them in sentences of your own.

‘One-size-fits-all’ – suitable for or used in all circumstances

Answer:-

1) The wrist watches have adjustable belts, so one- size- fits- all.

2) People want greater choice—the end of a one-size-fits-all approach.

3) The clearest lesson learned is that there is no one-size-fits-all solution, although the problems are similar everywhere.

4) The one-size-fits-all interest rate applied across the country.

(A4)

(i) Do as directed.

(a) Advertisers are one of the biggest players in Big Data.

(1) Begin the sentence with  ‘Very few’

Ans- Very few players in Big Data are as big as advertisers.

(2) Use ‘bigger than’ and rewrite the sentence.

Ans- Advertisers are bigger than most other players in Big Data.

(b) No other diagnosis is as good as the diagnosis done with the help of 

Big Data.

(1) Use ‘best’ and rewrite the sentence.

Ans- The diagnosis done with the help of Big Data is the best diagnosis.

(2) Use ‘better than’ and rewrite the sentence.

Ans- The diagnosis done with the help of Big Data is better than any other diagnosis.

(c) These internet giants provide the greatest data about people.

(1) Begin the sentence with  ‘No other’

Ans- No other internet giants provide as great data about people as these.

Or

No other internet giants provide as great data as these about people.

(2) Use ‘greater than’ and rewrite the sentence.

Ans- These internet giants provide greater data than any other internet giants about people.

(ii) Use 'as well as', 'either ...... or' in the following sentences.

(a) Whatever activity we do online is recorded, monitored and analysed.

Ans- Whatever activity we do online is recorded, monitored as well as analysed.

Ans- Whatever activity we do online is either recorded or monitored or analysed.

(b) Big Data has been useful in identifying and tracking the exact location of a place.

Ans- Big data has been useful in identifying as well as tracking the exact location of a place.

Ans- Big Data helps either in monitoring the outbreaks of the epidemics or diseases.

(c) Weather sensors and satellites help us to understand the weather and help in weather forecasting.

Ans- Weather sensors and satellites help us to understand the weather as well as help in weather forecasting.

Ans- Weather sensors and satellites either help us to understand the weather or help in weather forecasting.

(d) Big Data helps in monitoring the outbreaks of epidemics and diseases.

Ans- Big data has been useful in identifying as well as tracking the exact location of a place.

Ans- Big Data helps in monitoring the outbreaks of either epidemics or diseases.

(e) New insights have enabled the banks and finance companies to come up with suitable plans.

Ans- New insights have enabled the banks as well as finance companies to come up with suitable plans.

Ans- New insights have enabled either the banks or finance companies to come up with suitable plans.

1.4 Big Data - Big Insights. Created by : Umakant gore.

*1.4 Big Data - Big Insights.* हा आपला 4th lesson.

आपण पाहीले असेल या पाठास कुठलाही author नाही किंवा introduction नाही. हा lesson म्हणजे scientific information आहे जी ईकडून तिकडून accumulate केलेली information technology क्षेत्रातील ही genral information आहे. जी आपल्या दररोजच्या उपयोगातील आहे.

या lesson ची central idea मी आपल्यासमोर ठेवत आहे. *Data is fuel* अशी एक म्हण आहे. म्हणजे माहीती हे एक ईंधन आहे. ज्याप्रमाणे पेट्रोल डिझेल ची किंमत असते तशीच Data ची किंमत valuable असते.

*What is big data?*
आपण सर्वजण youtube, whatsapp, facebook, instgram, MX player, netflix, flipkart, amezon या social website चा दैनंदिन वापर करत आहोत. पण तुम्ही social website वरच्या Data ची power तपासुन बघा कशी असते. तुम्ही एक प्रयोग करा. Google search वर एखादा मोबाईल, टिव्ही, किंवा एखादी गाडी search करा. तुम्हाला लगेच त्या Data ची power काय असते ते दिसेल. तुम्ही google वर search करून लगेच youtube, facebook instgram किंवा social sights वर  गेलात तर तिथे लगेचच तुम्ही जे search केलं होतं त्या गोष्टींच्या प्रत्येक ठिकाणी advertise दिसायला लागतील.

आता तुम्हाला प्रश्न पडला असेल हे कसे झाले. तर तुम्ही ज्या ठिकाणी search केलं होतं त्या ठिकाणाहून सगळ्यांनी recognize केलं आणि cookies वरून तो data analyse करून तुम्हाला त्या advertise करायला सुरूवात केलं. याला म्हणायचं target based advertisement आणि सध्या याचंच मोठं boom आहे. 

21 व्या शतकातील शिक्षक आणि विद्यार्थ्यांसाठी Big Insights एक महत्त्वपूर्ण lesson आहे. माहिती तंत्रज्ञानाच्या युगात, प्रत्येकास सामायिक, संग्रहित आणि विश्लेषित केलेल्या माहितीचे महत्त्व माहित असले पाहिजे. Data इतका प्रचंड आहे की मोठ्या Data मधील analyse लहान असल्यासारखे दिसते. हा Lesson वाचण्यामुळे शिक्षक तसेच विद्यार्थ्यांना मोठी अंतर्दृष्टी मिळते. आपणांस केबी (किलो बाइट), एमबी (मेगा बाइट), जीबी (गिगा बाइट) आणि टीबी (टेरा बाइट) या शब्दांची माहिती आहे. हे माहितीचे उपाय आहेत (Data)

या lesson च्या माध्यमातून Data चे नेमके अर्थ काय आणि ते किती विशाल आहे हे आपणांस समजते. Whatsapp, facebook, twitter  आणि अन्य social media वरील आपले सामाजिकिकरण, Amezon, flipkart, snap-deal वरचे आपले online व्यवहार record केले गेले आहेत आणि त्यांचे विश्लेषण केले गेले आहे. हा Data वेगवेगळ्या संस्था वापरतात.
आपणांस वस्तू आणि सेवांच्या विक्रीसाठी अज्ञातांकडून call, e-mail आणि messages प्राप्त होतात. जेव्हा आपले मूल 9 वी किंवा 10 वी मध्ये असते तेव्हा आपल्याला  कोचिंग क्लासेसचे messages  येतात. आपण कधी हा विचार केला आहे का की आपल्या मुलास दहावीत आहे हे त्यांना कसे कळले ? त्यांना मोठ्या डेटामधून अशी माहिती मिळते. आपल्या online क्रियाकलापांचे संग्रह आणि विश्लेषण केले जाते. शॉपिंग वेबसाइटवर सर्फिंग करताना ते आपल्या आवडीच्या गोष्टी प्रथम दाखवतात.

*हा lesson तुम्हाला आयुष्यभराची शिकवण देऊन जाईल हे नक्कीच.*

तुम्हाला हे माहित आहे का कि online data कुठून collect होतो? परंतु data आपणच पुरवत आसतो. आज आपण कुठलेही app download केल्यानंतर ते app आपण cell मध्ये install करताना access मागतं. Access to contact , access to photos, access to videos, याचा अर्थ काय असतो तर त्या app चा server जो आहे तो तुमच्या cell मधल्या सगळ्या data ला access मागतोय म्हणजे तो तुमच्या मोबाईल मधून literally तुमचा data घेऊन store करतोय. Even truecaller ला कसं कळतं की अमुक एक नंबर कोणाचा आहे. तर truecaller तुमच्या contact list मधले सर्व नंबर server ला घेतं आणि त्यामधूनच ते सांगतं की तो नंबर कोणाचा आहे. ते नाव आपणच save केलेलं असतं, कधीकधी नाव येतं "my pappa" कारण आपणच ते नाव save केलेलं असतं. हे असं असतं data analyse.

तुम्ही 12th नंतर computer science करत असाल तर machine learning & artificial learning या गोष्टींना येणाऱ्या काळात big scope आहे. Collective data चे पुढिलप्रमाणे संग्रहित उपयोग आहेत.

*Uses of big data.
*1.Location tracking:*

आपणांस रहदारी आणि एकेरी मार्ग आणि अपघात प्रवण भागांची माहिती मिळण्यासाठी तसेच जी गल्ली, जे गाव आपल्याला माहीत नसते ते अमेरिकास्थित google company ला कसे माहीत होते? तर हे सगळे आपण दिलेल्या update मूळे possible होते. आपण टाकलेले गल्लीचे, गावाचे नाव automatically GPS वर save होत असते. म्हणजेच ते आपला data वापरून update होत असतात.

*2.Understanding the weather patterns.*

हवामानात होणारे बदल, भुकंप, महापूर, त्सुनामी या सर्व गोष्टींचा alert होण्यासाठी weather sensors आणि satellite पृथ्वीवर व अवकाशात बसवलेले आहेत. या powerful data मधूनच आपल्याला सगळ्या गोष्टींचा alert मिळत असतो.

*3. Health care industry.*

आरोग्यावर आधारीत data सतत गोळा केला जातो. सध्या सुरू असलेल्या civid19 या महारोगाची vaccine (लस) तयार करण्यासाठी खुप सारा data जगभर गोळा केला जात आहे.

*4. Banking finance and trading.*

गुंतवणूकदारांच्या गरजा जाणून घेण्यासाठी योग्य योजना तयार करता येतात.आर्थिक बाजारावर लक्ष ठेवता येते. तसेच बँकेत गेल्यानंतर एखाद्याला कर्ज घ्यायचे असेल तर त्या व्यक्तिची अगोदर पत पाहीली जाते. म्हणजे त्या व्यक्तिचे net वर नाव टाकल्याबरोबर त्याचा व्यवहार कसा आहे ते समजते. हे data analyse मुळे शक्य होते.

*5. Sports*

क्रिकेटच्या match मध्ये data analyse चा खुप मोठा अनुभव आपण सर्वजण घेतोत. एखादा player ground वर उतरल्याबरोबर त्या player ची पुर्ण information screen वर  side ला दिलेली असते. हा data वेळोवेळी update केलेला असतो. तसेच खेळाडूंनी कामगिरी सुधारण्यासाठी Data चा वापर केला.

*6 Advirtising*

facebook, google, twitter, or any other online giant वर सतत advertising सुरू असते.

*7. Entertainment and media.*

Netflix & youtube यांच्या माध्यमातून big data गोळा केला जातो.

*8.Education Industry.*

शैक्षणिक क्षेत्रामध्ये online data भरपूर उपलब्ध आहे आणि त्यामध्ये सतत वाढ होत आहे.

या धड्याचा अभ्यास केल्यानंतर आपणांस data world wide बद्दल चांगल्या प्रकारे माहिती घेता येऊ शकते. शिक्षण प्रणाली सुधारित करण्यासाठी आपणांस अशा data चा  वापर करण्याचा एक मार्ग सापडतो. काय सार्वजनिक करावे आणि काय नाही याची खबरदारी आपण घेऊ शकतो. आपले क्रेडिट्स / डेबिट कार्डचे password आणि pincode  सार्वजनिक करू नका असा इशारा दिला जातो. कारण या गोष्टी confidential आहेत.

English language शिकण्याबरोबरच जगाचं ज्ञान देण्याचं हे 12th English चं book करतंय त्यामूळेच Big Data - Big Insights हा lesson ऊपयोगी पडतो.



*दररोज आपण आपल्या Janvikas English Subject या आपल्या webpage वर जी माहीती अदान - प्रदान करत आहोत, तो सुद्धा या lesson चाच एक भाग आहे. जगातील सर्वोत्तम information चा स्रोत मी आपल्यासाठीच आणून ठेवला आहे. या huge data मूळे आपल्या study मध्ये भरपूर ऊपयोग व्हावा हीच ईच्छा.*


*1.4 Big Data Big Insights अनुवाद - Umakant Gore. Janvikas Mahavidyalaya*

1.4 Big Data - Big Insights. Written by Prafulla Mehure Sir.

Big Data -Big Insights

What is Big Data 

Big Data - Big Insights is an important prose for teachers and students of 21st  century . In the age of information technology, everyone should be aware of the importance of information shared, stored, monitored and analysed. The data is such a huge that the adjective big to Data seems to be small. Reading of the prose gives  the teacher as well as students the big insights. We are aware of the words like kb (kilo byte), mb (mega byte), gb (giga byte) and tb( tera byte) . These are the measures of information( data.).

 Through this lesson we understand what exactly data means and how huge it is. Our sharing on whats-app , face book , twitter and other social media , our online transactions over amazon, snap-deal, flip-cart are recorded and analysed.  The data is used by different organisations .  

Uses of Big Data 

 We get calls, emails and messages from unknown for selling goods and services. When our child is in9th or 10th std,  we get messages from coaching classes. Have you ever given thought how do they know that your child is in std 10th? They get such information from big data. Our online activities are collected and analysed. While surfing shopping websites, they show the things of your interest first.Our mobiles show how many steps we have walked. 

There are many uses of data collected. 

• Location Tracking 
• GPS and Google Maps make use of Big Data to track the location 
• We get information about traffic and one way route and accident prone areas . 
• Understanding the weather pattern
• Weather sensors and satellites use data to forecast weather. 
• Banking, Finance and Trading 
• Design suitable plans for investors knowing their needs .
• Monitor financial markets 
• Sports
• Sportsmen used data to improve their performance.  

After studying this lesson we can be well informed about data world wide. We can find a way to use such data to improve the educations system. We can take precaution what to share and what not. We are warned not to share passwords and pin codes of Credit/ Debit Card. Here we find the reason. 

  

    There are four pages in the following presentation.

 

Big Data - Big Insights by Prafulla Mahure

Online General knowledge test - Created by : Dr. Lahade M.A. & Dr. More J.H.

https://forms.gle/SPu6fjvgCtv9iw1JA

Time clause - before and after.

Silent Letters.

*Silent Letters*

List of the words with silent letters

*A silent letter is a letter that is not pronounced, but it is written in a word.*

There are a lot of words with silent letters in English.

*(Rules of making letters silent)*

Here are the simple tips to remember the silent letters.

*B* is often silent after M (mb) and before T (bt):  bomb, debt

*C* is silent after S (sc): muscle, scene

*E* is silent at the end of the words: name; hope

*G* is often silent before N (gn): gnarled, foreign

*H* is silent after W (wh): what, when

*K* is often silent before N (kn): knife, know

*L* is often silent before M, F, K, D, (lm, lf, lk, ld): calm, half, yolk, could

*N* is often silent after M (mn): autumn, column

*P* is silent in the suffix “psych”: psychology

*T* is often silent after S (st), and at the end of the words of French origin: castle, hasten

*U* is silent before I (uI) and E (ue): guilty, guess

*W* is often silent before R (wr) and H (wh): wrong , whare is the list of words with silent letters

✴B: bomb – climb – crumb –lamb – limb – comb –numb – plumb – thumb – tomb – womb – debt – doubt;

✴C: ascent – fascinate – muscle – scene – scissors – crescent – descent – scenario – scent;
Ch: yacht;

✴D: handkerchief – handsome – Wednesday – sandwich;

✴G:  – gnash – gnat – gnaw – gnome  –  align  – campaign – gnarled – design – foreign – malign – reign – sign – assign;

✴H: haute cuisine – heir  – honour  – hour – ghost – what – when – where – why – while – whether –white - rhythm;

✴K: knack – knee – kneel – knife – knight – knit – knob – knot – know – knuckle;

✴L: balm – calm – calf – half – yolk – palm – psalm – chalk – talk – walk – could – should – would – colonel – almond – salmon;

✴N: autumn – column – condemn – damn – hymn – solemn;

✴P: psalm – psephology – psychic – ptarmigan – pterodactyl – psychology – receipt – corps – coup;

✴S: aisle – island – debris – Illinois

✴T: bristle – fasten – listen – mortgage – soften – thistle – wrestle – castle – hustle – chestnut - ballet –buffet – chalet – crochet – valet – debut - beret;

✴U: biscuit – build – circuit – disguise – guilty – league – rogue – vague – guess – guest – guide – guitar-antique – cheque;

✴W: wrangle – wrap – wreath – wreck – wrench – wrestle – wriggle – wring – write – wrong – answer – sword – towards –  two – whole  – who – whom – whose

*Compiled by-*

*Prof. Tushar Chavan*

4.1 History Of Novel.

4.1 History of Novel

4.1 History of Novel

A Brief History of Novel

Pdf created by -

Prof. Nilesh Khairnar

Arambha Mahavidyalaya
Nashik Road

Click on the following link and download the PDF

https://drive.google.com/file/d/1gXttSAO0Et293E9fqbtBPgqdQMn3_LxV/view?usp=sharing

Or See the presentation