Oversikt over relevante kurs innen IT-kurs i Trondheim

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher slik at du kan ta sertifiseringstesten for eksempel hjemme eller på jobb. Denne vil være gyldig i ett år. Tid for sertifiseringstest avtales som beskrevet i e-post med voucher. Eksamen overvåkes av en web-basert eksamensvakt.   Eksamen er på engelsk. Eksamensformen er multiple choice - 50 spørsmål skal besvares, og du består ved 50% korrekte svar (dvs 25 av 50 spørsmål). Deltakerne har 40 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.   Nødvendige forkunnskaper: Ingen [-]

  Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: IINI1001 IT Introduksjon eller tilsvarende forhåndskunnskaper. Innleveringer: Et større prosjektarbeid som gjennomføres som gruppearbeid. Personlig veileder: ja Vurderingsform: Vurderingen i faget er basert på prosjektarbeidet. Prosjektene gjennomføres gruppevis. Individuelle karakterer kan gis ved manglende deltakelse eller ved kontraktsbrudd med øvrige medlemmer. Ansvarlig: Thor O. Olsen         Læremål: Etter å ha gjennomført emnet «Lokale informasjonstjenester» skal studenten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kjenner til ulike typer informasjon som brukes i bedrifter og organisasjoner- har kunnskap om hvordan datateknologi og nettløsninger kan brukes i bedriftens forvaltning av informasjon- har kunnskap om moderne former for intern opplæring og oppbevaring og tilgjengelighet av kunnskapskapital FERDIGHETER:Kandidaten:- kan se behov for og være pådriver for små og mellomstore informasjonsløsninger for intern informasjon- kan komme med anbefalinger for bruk av moderne IT-kommunikasjonsløsninger - kan både individuelt og i grupper diskutere og redegjøre for holdninger og standpunkter i forhold til informasjonsforvaltning og ivaretakelse av virksomheters kunnskapskapital GENERELL KOMPETANSE:Kandidaten:- har forståelse for betydningen av aktiv informasjons- og kunnskapsforvaltning.- kan delta i planlegging og gjennomføring av informasjonshåndteringsprosjekter- kan identifisere, planlegge og gjennomføre en selvstendig oppgave i samarbeid med andre Innhold:Intranett og intranett-teknologi; Tjenesteinnhold i lokale informasjonssystemer; Sikkerhet i informasjonstjenester; Bedriftsopplæring;Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag Lokale informasjonstjenester 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Fleksible kurs for fremtidenNy kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt. NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon.   På kurset vil du lære å: Sammenstille flere IFC-modeller, og navigere i disse Velge ut grupper av objekter for nærmere studier Legge inn snitt, måle, markere og opprette slides fra visninger av modellen Bruke forhåndsdefinerte regelsett til kontroll av BIM-modeller Kommunisere «issues» (Saker) fra regelsjekk i Excel- og BCF-formatet Høste informasjoner og mengder fra modellen basert på eksisterende templates og klassifikasjoner   Dette er et populært kurs, meld deg på nå! Spesialtilpasset kurs: NTI anbefaler spesialtilpassede kurs for bedrifter som planlegger å sende to eller flere deltakere på Solibri-kurs. Grunnen til dette er at Solibri brukes av mange forskjellige aktører og profesjoner i BAE-bransjen, og følgelig blir de åpne kursene ofte for generelle for enkelte kursdeltakere. I et spesialtilpasset kurs vil vår kurskonsulent kartlegge fokus-områdene i forkant av kurset, og gjennomføre kurset i henhold til selskapets behov, gjerne basert på kundens egne modeller. Utbyttet av kurset blir følgelig mye større. Ta kontakt med oss på telefon 483 12 300, epost: salg-no@nti.biz eller les mer på www.nti.biz [-]

Filer i SharePoint lagres i bibliotek. Her tar vi en grundig gjennomgang av bibliotek og tilpasningsmuligheter for disse, som versjonering, maler og Office-integrasjon. Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Om bibliotek Møt biblioteksmalene i SharePoint Opplasting, nedlasting Office-programmene og bibliotek Områdepapirkurv   Tilpasse bibliotek Endre Office-mal for et bibliotek Tilpass kolonner og metadata   Tips til bibliotek Bruke kolonner i Word Bibliotek i Windows Utforsker   Utvidet om bibliotek Gjennomgang av versjonering Bli kjent med godkjenning Arkivering og Send til   Veien videre Introduksjon til innholdstyper Introduksjon til dokumentsenter og innholds-sortering 3 gode grunner til å delta 1. Møt SharePoint sine bibliotek-apper og lær måter å åpne og lagre i bibliotek og håndtere innholdet 2. Forstå mer om versjonering, godkjenning og arkivering 3. Bli kjent med dokumentsenter og innholds-sortering   [-]

  Fleksible kurs for fremtidenNy kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt. NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon.   Revit MEP MagiCAD VVS grunnkurs Her er et utvalg av temaene du vil lære på kurset Grunnleggende innføring i Revit Håndtering av Views, etasjer, manøvering i modell, visningsalternativer, redigeringsfunksjoner. Etablering av prosjekt. Linke modeller, sette opp etasjer og Views Prosjektering av ventilasjonsanlegg, varme- og forbruksvannsystem og avløpssystem IFC-eksport Utsparinger Etter kurset kan du bruke grunnleggende funksjoner i Autodesk Revit MEP og MagiCAD for Revit med fokus på å sette opp, importere og linke prosjekter, konstruere VVS-installasjoner, samt dokumentasjon. Lære å utforme en VVS-modell slik at mest mulig informasjon kan utnyttes med hensyn til BIM.   Dette er et populært kurs, meld deg på nå!   Tilpassete kurs for bedrifterVi vil at kundene våre skal være best på det de gjør - hele tiden.  Derfor tenker vi langsiktig om kompetanseutvikling og ser regelmessig kunnskapsløft som en naturlig del av en virksomhet. Vårt kurskonsept bygger på et moderne sett av ulike læringsmiljøer, som gjør det enkelt å finne riktig løsning uansett behov. Ta kontakt med oss på telefon 483 12 300, epost: salg@nticad.no eller les mer på www.nticad.no [-]

Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: Programmeringserfaring i et eller flere objektorienterte programmeringsspråk Innleveringer: 8 bestemte øvinger kreves godkjent for å få gå opp til eksamen. Personlig veileder: ja Vurderingsform: 4 timer skriftlig eksamen. Ansvarlig: Else Lervik Eksamensdato: 05.12.13         Læremål: KUNNSKAPERKandidaten:- kan definere begrepene pekere og referanser og forholdet mellom pekere og tabeller- kan redegjøre for hva konstruktører og destruktører er, og kan forklare når det er nødvendig å lage dem.- kan gjøre rede for «overloading» av operatorer- kan forklare begrepet «templates» og hvordan det brukes- kan forklare behovet for Standard Template Library og hva det inneholder- kan forklare bruken av RTTI og Exceptions FERDIGHETER:Kandidaten:- kan lage programmer i C++ som demonstrerer bruk av pekere, «overloading», templates, RTTI, exceptions og elementer fra Standard Template Library- kan lage programmer i C++ som bruker pekere og det frie lageret på en forsvarlig måte og med nødvendig opprydding GENERELL KOMPETANSE:Kandidaten:- er opptatt av at som profesjonell yrkesutøver skal man lage programmer som skal lette arbeidet for andre yrkesutøvere eller generelt være til nytte for folk og samfunn Innhold:Adresser og pekere, pekere og tabeller, det frie lageret, operator overloading, konstruktører og destruktører, templates, introduksjon til STL, RTTI og exceptions.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag C++ for programmerere 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Vi gir deg Excel kurs gratis, få en effektiv og god innføring i Excel! Godt egnet for deg som ikke kjenner til så mye mer enn Summer-knappen, og ønsker å utvide horisonten litt. Om du trenger Excel hjelp, er vårt online Excel kurs på nett stedet å starte.   Kursinnhold:   Gjennomgang av båndet, programvinduet og viktige begreper  Kategorier, grupper, knapper, dialogboksvelger Vise / skjule båndet Navneboks, formlinje, statuslinje m.m.   Nyttig bruk av autofyll  Lage serier med ukedager og måneder Autofylle tall og datoer Kopiere tekst, tall, format, formler og funksjoner   Lage et enkelt «privatbudsjett»  Forklaring av de grunnleggende konseptene i Excel Funksjoner som SUMMER, GJENNOMSNITT Formatering av utsende   Grafisk fremstilling av data - stolpe diagram  Grunnleggende gjennomgang av diagramverktøy Oppdatering av data   Veien videre  Se hvor enkelt kan du opprette rapporter ved å bruke tabellfunksjonalitet og filter Se hvor raskt kan du opprette rapporter ved å bruke Pivottabell [-]

MCA: Microsoft 365 Modern Desktop Administrator Associate - Boot Camp [-]

Cloud Operations on AWS [-]

Få en gratis, effektiv og god innføring i Outlook! Lær hvordan du jobber med e-post, kalender, oppgaver og kontakter. Webinaret varer i 1 time og består av 1 økt à 45 min, samt 15 min spørsmålsrunde.   Kursinnhold:   Generelt Gjennomgang av båndet og programvinduet   E-post Tilpasse visningen for innboks og andre mapper Sende, svare på, og videresende e-post Legge til en signatur   Kalender Legge inn en avtale Legge inn en heldagshendelse Åpne kalenderen til kollegaer   Oppgaver Opprette en oppgave Følge opp e-post   Kontakter Opprette nye kontakter Lage en kontaktgruppe   Veien videre Se på flere muligheter i Outlook   [-]

COURSE OVERVIEW   This Python Programming 1 course is designed to give delegates the knowledge to develop and maintain Python scripts using the current version (V3) of Python. There are many similarities between Python V2 and Python V3. The skills gained on this course will allow the delegate to develop their own skills further using Python V2 or V3 to support the development and maintenance of scripts. The Python Programming 1 course comprises sessions dealing with syntax,variables and data types,operators and expressions,conditions and loops,functions,objects,collections,modules and packages,strings,pattern matching,exception handling,binary and text files,and databases. Exercises and examples are used throughout the course to give practical hands-on experience with the techniques covered. TARGET AUDIENCE The Python Programming 1 course course is aimed at those who want to improve their Python programming skills,and for developers/engineers who want to migrate to Python from another language,particularly those with little or no object-oriented knowledge. For those wishing to learn Python and have no previous knowledge of programming,they should look to attend our foundation course Introduction to Programming - Python. COURSE OBJECTIVES This course aims to provide the delegate with the knowledge to be able to produce Python scripts and applications that exploit all core elements of the language including variables,expressions,selection and iteration,functions,objects,collections,strings,modules,pattern matching,exception handling,I/O,and classes. COURSE CONTENT DAY 1 COURSE INTRODUCTION Administration and Course Materials Course Structure and Agenda Delegate and Trainer Introductions SESSION 1: GETTING STARTED About Python Python versions Python documentation Python runtimes Installing Python The REPL shell Python editors SESSION 2: PYTHON SCRIPTS & SYNTAX Script naming Comments Docstring Statements The backslash Code blocks Whitespace Console IO (to enable the writing of simple programs) A first Python program Script execution SESSION 3: VARIABLES & DATA TYPES Literals Identifiers Assignment Numbers (bool,int,float,complex) Binary,octal,and hexadecimal numbers Floating point accuracy Collections (str,list,tuple,set,dict) None Implicit and explicit type conversion (casting) The type function SESSION 4: OPERATORS & EXPRESSIONS Arithmetic Operators Assignment Operators Comparison Operators Logical Operators Membership Operators Bitwise Operators Identity Operators SESSION 5: CONDITIONS & LOOPS Conditional statements (if,elif,else) Nested conditional statements Short hand if/if else Python's alternative to the ternary operator Iterative statements (while,for,else) The range function Iterating over a list Break Continue Nested conditional/iterative statements COURSE CONTENTS - DAY 2 SESSION 6: FUNCTIONS Declaration Invocation Default values for parameters Named arguments args and kwargs Returning multiple values None returned Variable scope Masking and shadowing The pass keyword Recursive functions SESSION 7: OBJECTS AND CLASSES About objects Attributes and the dot notation The dir function Dunder attributes Mutability The id function Pass by reference Introduction to Classes Class Declaration and Instantiation Data attributes Methods Composition SESSION 8: LISTS About lists List syntax including slicing Getting and setting list elements Iterating over a list Checking for the presence of a value The len function List methods incl. append,insert,remove,pop,clear,copy,sort,reverse etc. The del keyword Appending to and combining lists List comprehension SESSION 9: TUPLES About tuples Tuple syntax Getting tuple elements including unpacking Iterating over a tuple Checking for the presence of a value The len function Appending to and combining tuples SESSION 10: SETS About Sets Dictionary syntax Creating,adding and removing set elements Iterating over a set Membership Testing Sorting Copying Set methods incl. union,intersection,difference,symmetric_difference etc. COURSE CONTENTS - DAY 3 SESSION 11: DICTIONARIES About dictionaries Dictionary syntax Getting and setting dictionary elements Iterating over a dictionary (keys,values,and items) Checking for the presence of a key The len function Dictionary methods incl. keys,values,items,get,pop,popitem,clear etc. The del keyword Dictionary comprehension SESSION 12: STRINGS About strings String syntax including slicing Escape characters Triple-quoted strings Concatenation Placeholders The format method Other methods e.g. endswith,find,join,lower,replace,split,startswith,strip,upper etc. A string as a list of bytes SESSION 13: MODULES & PACKAGES About modules Inbuilt modules math,random and platform the dir() and help() functions Creating and using modules the __pycache__ and the .pyc files The module search path Importing modules Namespaces Importing module objects The import wildcard Aliases Importing within a function Executable modules Reloading a module About packages Importing packaged modules Importing packaged module objects Package initialisation Subpackages Referencing objects in sibling packages The Standard Library Installing modules and packages using pip SESSION 14: PATTERN MATCHING About regular expressions Regular expression special characters Raw strings About the re module re module functions incl. match,search,findall,full match,split,sub   COURSE CONTENTS - DAY 4 SESSION 15: EXCEPTION HANDLING About exceptions and exception handling Handling exceptions (try,except,else,finally) Exception types The exception object Raising exceptions Custom exception types Built-in exceptions hierarchy SESSION 16: FILES & THE FILESYSTEM The open function Methods for seeking (seekable,seek) Methods for reading from a file (readable,read,readline,readlines) Iterating over a file Methods for writing to a file (writable,write,writelines) Introduction to context managers Text encoding schemes,codepoints,codespace ASCII and UNICODE (UTF schemes) UTF-8,binary and hexadecimal representations The ord() and chr() functions Binary files,bytes and bytearray I/O layered abstraction. About the os module os module functions incl. getcwd,listdir,mkdir,chdir,remove,rmdir etc. OSError numbers and the errno module SESSION 17: DATABASES The DB-API DP-API implementations Establishing a connection Creating a cursor Executing a query Fetching results Transactions Inserting,updating,and deleting records FOLLOW ON COURSES Python Programming 2  Data Analysis Python  Apache Web Server PHP Programming  PHP & MySQL for Web Development  PHP & MariaDB for Web Development  Perl Programming  Ruby Programming  Introduction to MySQL  Introduction to MariaDB [-]

COURSE OVERVIEW The Developing on Amazon Web Services AWS course is designed to help individuals design and build secure, reliable and scalable AWS-based applications. In this course, we cover fundamental concepts and baseline programming for developing applications on AWS. We also show you how to work with AWS code libraries, SDKs, and IDE toolkits so that you can effectively develop and deploy code on the AWS platform.   TARGET AUDIENCE This course is intended for Developers COURSE CONTENT Note: course outline may vary slightly based on the regional location and/or language in which the class is delivered. Day 1: Getting Started Working with the AWS code library, SDKs, and IDE toolkits Introduction to AWS security features Service object models and baseline concepts for working with Amazon Simple Storage Service (S3) and Amazon DynamoDB Day 2: Working with AWS Services Service object models and baseline concepts for working with the Amazon Simple Queue Service (SQS) and the Amazon Simple Notification Service (SNS) Applying AWS security features Day 3: Application Development and Deployment Best Practices Application deployment using AWS Elastic Beanstalk Best practices for working with AWS services   [-]

Acrobat Pro DC er et kraftig verktøy som gir deg muligheten til å opprette, redigere og signere PDF-dokumenter. PDF, som står for Portable Document Format, er en standard for å presentere og dele dokumenter uavhengig av programvare, maskinvare og operativsystem. Med Acrobat Pro DC kan du arbeide med tekst, bilder, videoer, koblinger, knapper og skjemaer i PDF-format. PDF-formatet ble introdusert i 1991 av Dr. John Warnock, medgrunnleggeren av Adobe, med målet om å gjøre det enkelt for alle å samle, dele og skrive ut dokumenter fra hvilket som helst program. I dag foretrekkes PDF-formatet av bedrifter over hele verden. I dette kurset, ledet av Espen Faugstad hos Utdannet.no, vil du lære å utnytte Adobe Acrobat Pro DC til fulle. Kurset vil ta deg gjennom programmets organisasjon, verktøy og paneler. Du vil lære å opprette, søke, redigere og organisere PDF-dokumenter. I tillegg vil du bli kjent med elektronisk signering, passordbeskyttelse, skjemaoppretting og kryptering av PDF-dokumenter.   Innhold: Kapittel 1: Organisering og Verktøy Kapittel 2: Opprette PDF Kapittel 3: Søke og Erstatte Kapittel 4: Redigere PDF Kapittel 5: Organisere Sider Kapittel 6: Kommentarer Kapittel 7: Skjema og Signatur Kapittel 8: Beskyttelse og Kryptering Kapittel 9: Lagre PDF Kapittel 10: Avslutning   Varighet: 2 timer og 23 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Vår tjeneste fungerer som strømmetjenester for musikk eller TV-serier, der kundene våre betaler en fast månedspris for tilgang til alle kursene vi har produsert. Plattformen har hatt betydelig vekst de siste årene, med over 30 000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling morsomt, spennende og tilgjengelig for alle, og vi har støtte fra Innovasjon Norge og Forskningsrådet. [-]

Delta på webinar å lær hvordan man bygger en prosjektplan for å få god kontroll med gjennomføringen! Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Tabeller og felt i Project Forskjellige typer felt. Forskjeller mellom felt i aktiviteter og ressurser Legge til og fjerne felt Opprette og tilpasse felt Endre eksisterende tabeller Opprette nye tabeller   Forskjellige visninger Sortering Filtrering - Innebygde filetere. Definere nye filtre Gruppering. Benytte grupper til bedre oversikt og kontroll   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support   [-]

COURSE OVERVIEW Students will begin by understanding the core compute and storage technologies that are used to build an analytical solution. They will then explore how to design an analytical serving layers and focus on data engineering considerations for working with source files. The students will learn how to interactively explore data stored in files in a data lake. They will learn the various ingestion techniques that can be used to load data using the Apache Spark capability found in Azure Synapse Analytics or Azure Databricks, or how to ingest using Azure Data Factory or Azure Synapse pipelines. The students will also learn the various ways they can transform the data using the same technologies that is used to ingest data. The student will spend time on the course learning how to monitor and analyze the performance of analytical system so that they can optimize the performance of data loads, or queries that are issued against the systems. They will understand the importance of implementing security to ensure that the data is protected at rest or in transit. The student will then show how the data in an analytical system can be used to create dashboards, or build predictive models in Azure Synapse Analytics. TARGET AUDIENCE The primary audience for this course is data professionals, data architects, and business intelligence professionals who want to learn about data engineering and building analytical solutions using data platform technologies that exist on Microsoft Azure. The secondary audience for this course data analysts and data scientists who work with analytical solutions built on Microsoft Azure. COURSE OBJECTIVES   Explore compute and storage options for data engineering workloads in Azure Design and Implement the serving layer Understand data engineering considerations Run interactive queries using serverless SQL pools Explore, transform, and load data into the Data Warehouse using Apache Spark Perform data Exploration and Transformation in Azure Databricks Ingest and load Data into the Data Warehouse Transform Data with Azure Data Factory or Azure Synapse Pipelines Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines Optimize Query Performance with Dedicated SQL Pools in Azure Synapse Analyze and Optimize Data Warehouse Storage Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link Perform end-to-end security with Azure Synapse Analytics Perform real-time Stream Processing with Stream Analytics Create a Stream Processing Solution with Event Hubs and Azure Databricks Build reports using Power BI integration with Azure Synpase Analytics Perform Integrated Machine Learning Processes in Azure Synapse Analytics COURSE CONTENT Module 1: Explore compute and storage options for data engineering workloads This module provides an overview of the Azure compute and storage technology options that are available to data engineers building analytical workloads. This module teaches ways to structure the data lake, and to optimize the files for exploration, streaming, and batch workloads. The student will learn how to organize the data lake into levels of data refinement as they transform files through batch and stream processing. Then they will learn how to create indexes on their datasets, such as CSV, JSON, and Parquet files, and use them for potential query and workload acceleration. Introduction to Azure Synapse Analytics Describe Azure Databricks Introduction to Azure Data Lake storage Describe Delta Lake architecture Work with data streams by using Azure Stream Analytics Lab 1: Explore compute and storage options for data engineering workloads Combine streaming and batch processing with a single pipeline Organize the data lake into levels of file transformation Index data lake storage for query and workload acceleration After completing module 1, students will be able to: Describe Azure Synapse Analytics Describe Azure Databricks Describe Azure Data Lake storage Describe Delta Lake architecture Describe Azure Stream Analytics Module 2: Design and implement the serving layer This module teaches how to design and implement data stores in a modern data warehouse to optimize analytical workloads. The student will learn how to design a multidimensional schema to store fact and dimension data. Then the student will learn how to populate slowly changing dimensions through incremental data loading from Azure Data Factory. Design a multidimensional schema to optimize analytical workloads Code-free transformation at scale with Azure Data Factory Populate slowly changing dimensions in Azure Synapse Analytics pipelines Lab 2: Designing and Implementing the Serving Layer Design a star schema for analytical workloads Populate slowly changing dimensions with Azure Data Factory and mapping data flows After completing module 2, students will be able to: Design a star schema for analytical workloads Populate a slowly changing dimensions with Azure Data Factory and mapping data flows Module 3: Data engineering considerations for source files This module explores data engineering considerations that are common when loading data into a modern data warehouse analytical from files stored in an Azure Data Lake, and understanding the security consideration associated with storing files stored in the data lake. Design a Modern Data Warehouse using Azure Synapse Analytics Secure a data warehouse in Azure Synapse Analytics Lab 3: Data engineering considerations Managing files in an Azure data lake Securing files stored in an Azure data lake After completing module 3, students will be able to: Design a Modern Data Warehouse using Azure Synapse Analytics Secure a data warehouse in Azure Synapse Analytics Module 4: Run interactive queries using Azure Synapse Analytics serverless SQL pools In this module, students will learn how to work with files stored in the data lake and external file sources, through T-SQL statements executed by a serverless SQL pool in Azure Synapse Analytics. Students will query Parquet files stored in a data lake, as well as CSV files stored in an external data store. Next, they will create Azure Active Directory security groups and enforce access to files in the data lake through Role-Based Access Control (RBAC) and Access Control Lists (ACLs). Explore Azure Synapse serverless SQL pools capabilities Query data in the lake using Azure Synapse serverless SQL pools Create metadata objects in Azure Synapse serverless SQL pools Secure data and manage users in Azure Synapse serverless SQL pools Lab 4: Run interactive queries using serverless SQL pools Query Parquet data with serverless SQL pools Create external tables for Parquet and CSV files Create views with serverless SQL pools Secure access to data in a data lake when using serverless SQL pools Configure data lake security using Role-Based Access Control (RBAC) and Access Control List After completing module 4, students will be able to: Understand Azure Synapse serverless SQL pools capabilities Query data in the lake using Azure Synapse serverless SQL pools Create metadata objects in Azure Synapse serverless SQL pools Secure data and manage users in Azure Synapse serverless SQL pools Module 5: Explore, transform, and load data into the Data Warehouse using Apache Spark This module teaches how to explore data stored in a data lake, transform the data, and load data into a relational data store. The student will explore Parquet and JSON files and use techniques to query and transform JSON files with hierarchical structures. Then the student will use Apache Spark to load data into the data warehouse and join Parquet data in the data lake with data in the dedicated SQL pool. Understand big data engineering with Apache Spark in Azure Synapse Analytics Ingest data with Apache Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics Integrate SQL and Apache Spark pools in Azure Synapse Analytics Lab 5: Explore, transform, and load data into the Data Warehouse using Apache Spark Perform Data Exploration in Synapse Studio Ingest data with Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Spark pools in Azure Synapse Analytics Integrate SQL and Spark pools in Azure Synapse Analytics After completing module 5, students will be able to: Describe big data engineering with Apache Spark in Azure Synapse Analytics Ingest data with Apache Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics Integrate SQL and Apache Spark pools in Azure Synapse Analytics Module 6: Data exploration and transformation in Azure Databricks This module teaches how to use various Apache Spark DataFrame methods to explore and transform data in Azure Databricks. The student will learn how to perform standard DataFrame methods to explore and transform data. They will also learn how to perform more advanced tasks, such as removing duplicate data, manipulate date/time values, rename columns, and aggregate data. Describe Azure Databricks Read and write data in Azure Databricks Work with DataFrames in Azure Databricks Work with DataFrames advanced methods in Azure Databricks Lab 6: Data Exploration and Transformation in Azure Databricks Use DataFrames in Azure Databricks to explore and filter data Cache a DataFrame for faster subsequent queries Remove duplicate data Manipulate date/time values Remove and rename DataFrame columns Aggregate data stored in a DataFrame After completing module 6, students will be able to: Describe Azure Databricks Read and write data in Azure Databricks Work with DataFrames in Azure Databricks Work with DataFrames advanced methods in Azure Databricks Module 7: Ingest and load data into the data warehouse This module teaches students how to ingest data into the data warehouse through T-SQL scripts and Synapse Analytics integration pipelines. The student will learn how to load data into Synapse dedicated SQL pools with PolyBase and COPY using T-SQL. The student will also learn how to use workload management along with a Copy activity in a Azure Synapse pipeline for petabyte-scale data ingestion. Use data loading best practices in Azure Synapse Analytics Petabyte-scale ingestion with Azure Data Factory Lab 7: Ingest and load Data into the Data Warehouse Perform petabyte-scale ingestion with Azure Synapse Pipelines Import data with PolyBase and COPY using T-SQL Use data loading best practices in Azure Synapse Analytics After completing module 7, students will be able to: Use data loading best practices in Azure Synapse Analytics Petabyte-scale ingestion with Azure Data Factory Module 8: Transform data with Azure Data Factory or Azure Synapse Pipelines This module teaches students how to build data integration pipelines to ingest from multiple data sources, transform data using mapping data flowss, and perform data movement into one or more data sinks. Data integration with Azure Data Factory or Azure Synapse Pipelines Code-free transformation at scale with Azure Data Factory or Azure Synapse Pipelines Lab 8: Transform Data with Azure Data Factory or Azure Synapse Pipelines Execute code-free transformations at scale with Azure Synapse Pipelines Create data pipeline to import poorly formatted CSV files Create Mapping Data Flows After completing module 8, students will be able to: Perform data integration with Azure Data Factory Perform code-free transformation at scale with Azure Data Factory Module 9: Orchestrate data movement and transformation in Azure Synapse Pipelines In this module, you will learn how to create linked services, and orchestrate data movement and transformation using notebooks in Azure Synapse Pipelines. Orchestrate data movement and transformation in Azure Data Factory Lab 9: Orchestrate data movement and transformation in Azure Synapse Pipelines Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines After completing module 9, students will be able to: Orchestrate data movement and transformation in Azure Synapse Pipelines Module 10: Optimize query performance with dedicated SQL pools in Azure Synapse In this module, students will learn strategies to optimize data storage and processing when using dedicated SQL pools in Azure Synapse Analytics. The student will know how to use developer features, such as windowing and HyperLogLog functions, use data loading best practices, and optimize and improve query performance. Optimize data warehouse query performance in Azure Synapse Analytics Understand data warehouse developer features of Azure Synapse Analytics Lab 10: Optimize Query Performance with Dedicated SQL Pools in Azure Synapse Understand developer features of Azure Synapse Analytics Optimize data warehouse query performance in Azure Synapse Analytics Improve query performance After completing module 10, students will be able to: Optimize data warehouse query performance in Azure Synapse Analytics Understand data warehouse developer features of Azure Synapse Analytics Module 11: Analyze and Optimize Data Warehouse Storage In this module, students will learn how to analyze then optimize the data storage of the Azure Synapse dedicated SQL pools. The student will know techniques to understand table space usage and column store storage details. Next the student will know how to compare storage requirements between identical tables that use different data types. Finally, the student will observe the impact materialized views have when executed in place of complex queries and learn how to avoid extensive logging by optimizing delete operations. Analyze and optimize data warehouse storage in Azure Synapse Analytics Lab 11: Analyze and Optimize Data Warehouse Storage Check for skewed data and space usage Understand column store storage details Study the impact of materialized views Explore rules for minimally logged operations After completing module 11, students will be able to: Analyze and optimize data warehouse storage in Azure Synapse Analytics Module 12: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link In this module, students will learn how Azure Synapse Link enables seamless connectivity of an Azure Cosmos DB account to a Synapse workspace. The student will understand how to enable and configure Synapse link, then how to query the Azure Cosmos DB analytical store using Apache Spark and SQL serverless. Design hybrid transactional and analytical processing using Azure Synapse Analytics Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark pools Query Azure Cosmos DB with serverless SQL pools Lab 12: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark for Synapse Analytics Query Azure Cosmos DB with serverless SQL pool for Azure Synapse Analytics After completing module 12, students will be able to: Design hybrid transactional and analytical processing using Azure Synapse Analytics Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark for Azure Synapse Analytics Query Azure Cosmos DB with SQL serverless for Azure Synapse Analytics Module 13: End-to-end security with Azure Synapse Analytics In this module, students will learn how to secure a Synapse Analytics workspace and its supporting infrastructure. The student will observe the SQL Active Directory Admin, manage IP firewall rules, manage secrets with Azure Key Vault and access those secrets through a Key Vault linked service and pipeline activities. The student will understand how to implement column-level security, row-level security, and dynamic data masking when using dedicated SQL pools. Secure a data warehouse in Azure Synapse Analytics Configure and manage secrets in Azure Key Vault Implement compliance controls for sensitive data Lab 13: End-to-end security with Azure Synapse Analytics Secure Azure Synapse Analytics supporting infrastructure Secure the Azure Synapse Analytics workspace and managed services Secure Azure Synapse Analytics workspace data After completing module 13, students will be able to: Secure a data warehouse in Azure Synapse Analytics Configure and manage secrets in Azure Key Vault Implement compliance controls for sensitive data Module 14: Real-time Stream Processing with Stream Analytics In this module, students will learn how to process streaming data with Azure Stream Analytics. The student will ingest vehicle telemetry data into Event Hubs, then process that data in real time, using various windowing functions in Azure Stream Analytics. They will output the data to Azure Synapse Analytics. Finally, the student will learn how to scale the Stream Analytics job to increase throughput. Enable reliable messaging for Big Data applications using Azure Event Hubs Work with data streams by using Azure Stream Analytics Ingest data streams with Azure Stream Analytics Lab 14: Real-time Stream Processing with Stream Analytics Use Stream Analytics to process real-time data from Event Hubs Use Stream Analytics windowing functions to build aggregates and output to Synapse Analytics Scale the Azure Stream Analytics job to increase throughput through partitioning Repartition the stream input to optimize parallelization After completing module 14, students will be able to: Enable reliable messaging for Big Data applications using Azure Event Hubs Work with data streams by using Azure Stream Analytics Ingest data streams with Azure Stream Analytics Module 15: Create a Stream Processing Solution with Event Hubs and Azure Databricks In this module, students will learn how to ingest and process streaming data at scale with Event Hubs and Spark Structured Streaming in Azure Databricks. The student will learn the key features and uses of Structured Streaming. The student will implement sliding windows to aggregate over chunks of data and apply watermarking to remove stale data. Finally, the student will connect to Event Hubs to read and write streams. Process streaming data with Azure Databricks structured streaming Lab 15: Create a Stream Processing Solution with Event Hubs and Azure Databricks Explore key features and uses of Structured Streaming Stream data from a file and write it out to a distributed file system Use sliding windows to aggregate over chunks of data rather than all data Apply watermarking to remove stale data Connect to Event Hubs read and write streams After completing module 15, students will be able to: Process streaming data with Azure Databricks structured streaming Module 16: Build reports using Power BI integration with Azure Synpase Analytics In this module, the student will learn how to integrate Power BI with their Synapse workspace to build reports in Power BI. The student will create a new data source and Power BI report in Synapse Studio. Then the student will learn how to improve query performance with materialized views and result-set caching. Finally, the student will explore the data lake with serverless SQL pools and create visualizations against that data in Power BI. Create reports with Power BI using its integration with Azure Synapse Analytics Lab 16: Build reports using Power BI integration with Azure Synpase Analytics Integrate an Azure Synapse workspace and Power BI Optimize integration with Power BI Improve query performance with materialized views and result-set caching Visualize data with SQL serverless and create a Power BI report After completing module 16, students will be able to: Create reports with Power BI using its integration with Azure Synapse Analytics Module 17: Perform Integrated Machine Learning Processes in Azure Synapse Analytics This module explores the integrated, end-to-end Azure Machine Learning and Azure Cognitive Services experience in Azure Synapse Analytics. You will learn how to connect an Azure Synapse Analytics workspace to an Azure Machine Learning workspace using a Linked Service and then trigger an Automated ML experiment that uses data from a Spark table. You will also learn how to use trained models from Azure Machine Learning or Azure Cognitive Services to enrich data in a SQL pool table and then serve prediction results using Power BI. Use the integrated machine learning process in Azure Synapse Analytics Lab 17: Perform Integrated Machine Learning Processes in Azure Synapse Analytics Create an Azure Machine Learning linked service Trigger an Auto ML experiment using data from a Spark table Enrich data using trained models Serve prediction results using Power BI After completing module 17, students will be able to: Use the integrated machine learning process in Azure Synapse Analytics     [-]