Oversikt over relevante kurs innen Kurs i programvare og applikasjoner i Nordland

COURSE OVERVIEW  You will learn to deliver secure remote access to apps and desktops integrating Citrix Virtual Apps and Citrix Desktops with Citrix Gateway.  This course includes an exam. TARGET AUDIENCE Built for IT Professionals working with Citrix ADC and Gateway, with little or no previous Citrix networking experience. Potential students include administrators, engineers, and architects interested in learning how to deploy or manage Citrix ADC or Citrix Gateway environments. COURSE OBJECTIVES  Identify the functionality and capabilities of Citrix ADC and Citrix Gateway Explain basic Citrix ADC and Gateway network architecture Identify the steps and components to secure Citrix ADC Configure Authentication, Authorization, and Auditing Integrate Citrix Gateway with Citrix Virtual Apps, Citrix Virtual Desktops and other Citrix components COURSE CONTENT Module 1: Getting Started Introduction to Citrix ADC Feature and Platform Overview Deployment Options Architectural Overview Setup and Management Module 2: Basic Networking Networking Topology Citrix ADC Components Routing Access Control Lists Module 3: ADC Platforms Citrix ADC MPX Citrix ADC VPX Citrix ADC CPX Citrix ADC SDX Citrix ADC BLX Module 4: High Availability Citrix ADC High Availability High Availability Configuration Managing High Availability In Service Software Upgrade Troubleshooting High Availability Module 5: Load balancing Load Balancing Overview Load Balancing Methods and Monitors Load Balancing Traffic Types Load Balancing Protection Priority Load Balancing Load Balancing Troubleshooting Module 6: SSL Offloading SSL Overview SSL Configuration SSL Offload Troubleshooting SSL Offload SSL Vulnerabilities and Protections Module 7: Security Authentication, Authorization, and Auditing Configuring External Authentication Admin Partitions Module 8: Monitoring and Troubleshooting Citrix ADC Logging Monitoring with SNMP Reporting and Diagnostics AppFlow Functions Citrix Application Delivery Management Troubleshooting Module 9: Citrix Gateway Introduction to Citrix Gateway Advantages and Utilities of Citrix Gateway Citrix Gateway Configuration Common Deployments Module 10: AppExpert Expressions Introduction to AppExpert Policies Default Policies Explore Citrix ADC Gateway Policies Policy Bind Points Using AppExpert with Citrix Gateway Module 11: Authentication, Authorization, and Secure Web Gateway Authentication and Authorization Multi-Factor Authentication nFactor Visualizer SAML authentication Module 12: Managing Client Connections Introduction to Client Connections Session Policies and Profiles Pre and Post Authentication Policies Citrix Gateway Deployment Options Managing User Sessions Module 13: Integration for Citrix Virtual Apps and Desktops Virtual Apps and Desktop Integration Citrix Gateway Integration Citrix Gateway WebFront ICA Proxy Clientless Access and Workspace App Access Fallback SmartControl and SmartAccess for ICA Module 14: Configuring Citrix Gateway Working with Apps on Citrix Gateway RDP Proxy Portal Themes and EULA [-]

Objectives This course teaches participants the following skills: Design and build data processing systems on Google Cloud Platform Process batch and streaming data by implementing autoscaling data pipelines on Cloud Dataflow Derive business insights from extremely large datasets using Google BigQuery Train, evaluate, and predict using machine learning models using Tensorflow and Cloud ML Leverage unstructured data using Spark and ML APIs on Cloud Dataproc Enable instant insights from streaming data   All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introduction to Data Engineering -Explore the role of a data engineer-Analyze data engineering challenges-Intro to BigQuery-Data Lakes and Data Warehouses-Demo: Federated Queries with BigQuery-Transactional Databases vs Data Warehouses-Website Demo: Finding PII in your dataset with DLP API-Partner effectively with other data teams-Manage data access and governance-Build production-ready pipelines-Review GCP customer case study-Lab: Analyzing Data with BigQuery Module 2: Building a Data Lake -Introduction to Data Lakes-Data Storage and ETL options on GCP-Building a Data Lake using Cloud Storage-Optional Demo: Optimizing cost with Google Cloud Storage classes and Cloud Functions-Securing Cloud Storage-Storing All Sorts of Data Types-Video Demo: Running federated queries on Parquet and ORC files in BigQuery-Cloud SQL as a relational Data Lake-Lab: Loading Taxi Data into Cloud SQL Module 3: Building a Data Warehouse -The modern data warehouse-Intro to BigQuery-Demo: Query TB+ of data in seconds-Getting Started-Loading Data-Video Demo: Querying Cloud SQL from BigQuery-Lab: Loading Data into BigQuery-Exploring Schemas-Demo: Exploring BigQuery Public Datasets with SQL using INFORMATION_SCHEMA-Schema Design-Nested and Repeated Fields-Demo: Nested and repeated fields in BigQuery-Lab: Working with JSON and Array data in BigQuery-Optimizing with Partitioning and Clustering-Demo: Partitioned and Clustered Tables in BigQuery-Preview: Transforming Batch and Streaming Data Module 4: Introduction to Building Batch Data Pipelines -EL, ELT, ETL-Quality considerations-How to carry out operations in BigQuery-Demo: ELT to improve data quality in BigQuery-Shortcomings-ETL to solve data quality issues Module 5: Executing Spark on Cloud Dataproc -The Hadoop ecosystem-Running Hadoop on Cloud Dataproc-GCS instead of HDFS-Optimizing Dataproc-Lab: Running Apache Spark jobs on Cloud Dataproc Module 6: Serverless Data Processing with Cloud Dataflow -Cloud Dataflow-Why customers value Dataflow-Dataflow Pipelines-Lab: A Simple Dataflow Pipeline (Python/Java)-Lab: MapReduce in Dataflow (Python/Java)-Lab: Side Inputs (Python/Java)-Dataflow Templates-Dataflow SQL Module 7: Manage Data Pipelines with Cloud Data Fusion and Cloud Composer -Building Batch Data Pipelines visually with Cloud Data Fusion-Components-UI Overview-Building a Pipeline-Exploring Data using Wrangler-Lab: Building and executing a pipeline graph in Cloud Data Fusion-Orchestrating work between GCP services with Cloud Composer-Apache Airflow Environment-DAGs and Operators-Workflow Scheduling-Optional Long Demo: Event-triggered Loading of data with Cloud Composer, Cloud Functions, -Cloud Storage, and BigQuery-Monitoring and Logging-Lab: An Introduction to Cloud Composer Module 8: Introduction to Processing Streaming Data Processing Streaming Data Module 9: Serverless Messaging with Cloud Pub/Sub -Cloud Pub/Sub-Lab: Publish Streaming Data into Pub/Sub Module 10: Cloud Dataflow Streaming Features -Cloud Dataflow Streaming Features-Lab: Streaming Data Pipelines Module 11: High-Throughput BigQuery and Bigtable Streaming Features -BigQuery Streaming Features-Lab: Streaming Analytics and Dashboards-Cloud Bigtable-Lab: Streaming Data Pipelines into Bigtable Module 12: Advanced BigQuery Functionality and Performance -Analytic Window Functions-Using With Clauses-GIS Functions-Demo: Mapping Fastest Growing Zip Codes with BigQuery GeoViz-Performance Considerations-Lab: Optimizing your BigQuery Queries for Performance-Optional Lab: Creating Date-Partitioned Tables in BigQuery Module 13: Introduction to Analytics and AI -What is AI?-From Ad-hoc Data Analysis to Data Driven Decisions-Options for ML models on GCP Module 14: Prebuilt ML model APIs for Unstructured Data -Unstructured Data is Hard-ML APIs for Enriching Data-Lab: Using the Natural Language API to Classify Unstructured Text Module 15: Big Data Analytics with Cloud AI Platform Notebooks -What’s a Notebook-BigQuery Magic and Ties to Pandas-Lab: BigQuery in Jupyter Labs on AI Platform Module 16: Production ML Pipelines with Kubeflow -Ways to do ML on GCP-Kubeflow-AI Hub-Lab: Running AI models on Kubeflow Module 17: Custom Model building with SQL in BigQuery ML -BigQuery ML for Quick Model Building-Demo: Train a model with BigQuery ML to predict NYC taxi fares-Supported Models-Lab Option 1: Predict Bike Trip Duration with a Regression Model in BQML-Lab Option 2: Movie Recommendations in BigQuery ML Module 18: Custom Model building with Cloud AutoML -Why Auto ML?-Auto ML Vision-Auto ML NLP-Auto ML Tables [-]

Kursinstruktør Terje Berg-Hansen Terje Berg-Hansen har bred erfaring fra prosjektledelse, utvikling og drift med små og store databaser, både SQL- og NoSQL-baserte. I tillegg til å undervise i etablerte teknologier leder han også Oslo Hadoop User Group, og er levende interessert i nye teknologier, distribuerte databaser og Big Data Science.    Kursinnhold XML er en etablert standard for plattformuavhengig lagring og utveksling av data, der innhold og presentasjon bearbeides separat. XSL er en nøkkelteknologi innenfor utvikling og nyttiggjørelse av XML. Viktige hoveddeler innenfor XSL er XSLT, XSL-FO og XPath. Kurset gir deltakerne en innføring i XSL . Vi ser på hvilke muligheter vi har for bearbeiding av XML-data, og hvordan vi kan gjøre data tilgjengelig for presentasjon.   Du får en gjennomgang i: Introduksjon til XML, XSL og XSLT. Introduksjon til XPath og XQuery. Bruk av XSLT-maler og Xpath-uttrykk for å søke etter data i XML-dokumenter. Transformering av XML-dokumenter til xml, html og tekstdokumenter. Introduksjon til XSL-FO og produksjon av svg- og pdf-dokumenter Design og formatering av ouput fra XSLT-transformasjoner Sortering, gruppering og kombinering av XML-dokumenter Bruk av XSLT-verktøy til transformering og søk.   Målsetting Etter endt kurs skal kursdeltakerne blant annet vite hvordan man filtrerer, sorterer og transformerer XML-data, samt hvilke muligheter man har for å trekke inn annet innhold/data for presentasjon.   Gjennomføring Kurset gjennomføres med en kombinasjon av online læremidler, gjennomgang av temaer og problemstillinger og praktiske øvelser. Det er ingen avsluttende eksamen, men det er øvelsesoppgaver til hovedtemaene som gjennomgås.   [-]

I kurset ”Måling og mengdebereging” vil du lære hvordan Revu brukes til å kalibrere og måle på PDF-tegninger, samt hvordan du kan opprette, spare og dele tilpassede markeringsverktøy. Disse kan så brukes til effektiv beregning av mengder og priser på alt fra vegg- og gulvarealer, til prising av utstyr på en riggplan. Å lære å bruke Revu til måling og mengdeberegning vil bl.a. gi følgende fordeler: Stor tidsbesparelse Større nøyaktighet og mindre feil Bedre dokumentasjon av mengdeberegningen Oppnå optimal utnyttelse av Bluebeam Revu i prosjektene [-]

E-læringskurset gir deg en opplevelsesrik og praktisk opplæring i regnearkprogrammet Excel 2016. En kombinasjon av videoer, teori, oppskrifter, oppgaver og tester gjør det enkelt å lære seg de nye verktøyene. E-læringskurset inneholder 59 opplæringsvideoer.E-læringskurset er tilpasset Office 365.Testene i e-læringskurset måler kunnskap før, under og etter opplæringen. Når ettertesten er bestått får du tilgang til et kursbevis i PDF-format som enkelt kan lagres eller skrives ut.Jobb smart og effektivt!- Office 365 gir deg alltid den nyeste versjonen av Excel.- Maler er tilgjengelig ved oppstart.- Enklere åpning og lagring av arbeidsbøker.- Microsoft-kontoen kobler enheten til OneDrive, slik at du alltid har tilgang til filene dine.- Egen modus som er optimalisert for berøring.- Enklere søk etter kommandoer, handlinger og hjelp.- Formler utfører beregninger raskt og enkelt.- Autofyll forenkler arbeidet med å fylle inn data i et regneark.- Håndskriftsformler gjør det enklere å skrive inn formler for hånd.- Cellestiler gjør formateringen mer konsekvent.- Bruk av tema gir en konsekvent layout på alle Office-dokumenter.- Betinget formatering gjør det enkelt å følge med sentrale verdier i regnearket.- Hurtiganalyse gjør det raskt og enkelt å tolke og analysere et dataområde.- Du har tilgang til et utall ferdigdefinerte funksjoner som utfører alle slags beregninger.- Diagram egner seg godt for å gi et visuelt, lettfattelig inntrykk av tallverdier.- Sparkline-grafikk kan brukes for å visualisere data direkte i regnearkceller.- Sortering og filtrering gjør arbeidet med lister og tabeller enkelt og effektivt.- Bruk av flere regneark gjør større regnearkmodeller mer oversiktlig.- Et integrert utskriftsmiljø med både utskriftsinnstillinger og forhåndsvisning.Innhold:- Før du starter- Redigering- Formler- Formatering- Funksjoner- Diagram- Lister og tabeller- Flere regneark- UtskriftKURSET KAN KJØRES PÅ NETTBRETT! [-]

Achieve More med MS Outlook (tidl. FTG) [-]

  Webinaret passer for deg som allerede vet hvordan du skal lage enkle presentasjoner i PowerPoint, men som ønsker å gå et trinn videre. Vi vil gi deg gode tips om hvordan du kan lage bedre presentasjoner, og jobbe mer effektivt med å lage lysbilder som engasjerer publikum og får frem budskapet. Temaer på webinaret: Bruk av maler og lysbildeoppsett Gjenbruk av eksisterende lysbilder Inndelinger i presentasjonen Effektiv bruk av punktmerker SmartArt – hvordan presentere mer grafisk Innsetting og redigering av fotografier og andre illustrasjoner, samt informasjon om bildebibliotek og opphavsrett Innsetting av film Bruk av fotoalbumoverganger mellom lysbildene Mål med webinaret: Etter endt webinar skal du kunne jobbe mer smart og effektivt i PowerPoint. Forkunnskap: Du må ha brukt PowerPoint på et grunnleggende nivå. Kurset passer for deg som ønsker å jobbe smartere med å lage lysbildepresentasjoner i PowerPoint.  Målgruppe: Dette kurset er for deg som vet litt om PowerPoint og som ønsker å lære mer effektiv bruk av verktøyet. Undervisningsform: Dette er et webinar som du følger via din PC eller nettbrett. Vi vil sende deg påloggingsinformasjon etter at du har meldt deg på kurset. Pris: 1600 kroner (Ansatte og studenter ved UiS har egne betingelser) Varighet: 3 timer [-]

Fleksible kurs for fremtiden Ny 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.   3ds Max grunnkurs   Lag fotorealistiske presentasjoner av dine designløsninger! Her er et utvalg av temaene du vil lære på kurset: Grunnleggende funksjoner – Transformationer vha. move, rotate og scale Link til og import av DWG- og DXF-filer Lyssetning med standard lys Rendering med Scanline renderen og Mental Ray – Basics Editering av 2D- og 3D-geometri Dette kurset er tilpasset for arkitekter, ingeniører, designere og visualiseringseksperter, og gir en introduksjon til design og visualisering i 3ds MAX. Kurset vil gjøre deg i stand til å arbeide med lys, materialer og kamera i eksisterende 3D CAD/BIM-modeller.   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 [-]

CCNA: Implementing and Administering Cisco Solutions [-]

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. After completing this course, students will be able to: 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 prerequisites Successful students start this course with knowledge of cloud computing and core data concepts and professional experience with data solutions.Recommended prerequisites:M-DP900 - Microsoft Azure Data FundamentalsM-AZ900 - Microsoft Azure Fundamentals Agenda 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. 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. 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. 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). 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Module 16: Build reports using Power BI integration with Azure Synapase 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. 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. [-]

Kurset er rettet mot deg som vil lære grunnprinsippene og arbeidsmetodikk i Autodesk Revit og som jobber med byggeteknikk og armering.  I løpet av kurset gjøres øvelser for alle emner som blir tatt opp. Hensikten med kurset er at du skal få en grunnleggende forståelse i bruken av tegne- og konstruksjonsprogrammet Autodesk Revit. Kurset er nødvendig for å komme raskt i gang med bruk av programmet, og for å få den nødvendige forståelse for de mulighetene programmet gir. Du vil lære grunnleggende teknikk for bruk av programmet, og skal kunne bruke programmet til å lage 3D-modeller av bygninger, hente ut informasjon fra modellen og kunne produsere 2D-arbeidstegninger basert på 3D-modellen. Kursinnhold Introduksjon av Autodesk Revit Brukergrensesnitt Behandling av visninger Søyler Bjelker Dekker Vegger Utsparinger Editeringsverktøy Dimensjonering/Tekst Detaljering Utskrift [-]

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   [-]

  Mestre de vanligste formlene og funksjonene i Excel Få oversikt og kontroll i regneark Kunne håndtere lister og tabeller Bli trygg på at det du lager i systemet er korrekt Etablere effektive arbeidsmetoder og rutiner Dette kurset gir deg grunnleggende kunnskap om Excel. Riktig bruk av systemet vil gjøre at du effektiviserer din arbeidshverdag og minimerer manuell jobbing i systemet. Du får en god forståelse av hvordan du kan bruke Excel, og får tips på smarte hurtigtaster og arbeidsmetoder i systemet. Kurset passer for deg som har liten erfaring med Excel, og som ønsker å få en oversikt over mulighetene. Det passer også for deg som har gjort deg litt kjent med systemet, men som ønsker å jobbe mer effektivt. Det legges vekt på å lære de viktigste funksjonene i systemet og innarbeide gode rutiner.  Leksjoner Hva er Excel? (VEDLEGG) Håndtere vinduer i Excel Sortering av lister Filtrering av lister Identifisere og fjerne duplikater Sammendrag av lister Beregninger i regneark – de fire regneartene Funksjonen SUMMER Sentrale funksjoner – MIN, STØRST og GJ.SNITT Kopiering av formler Å låse celler – bedre utnyttelse av referanser Spore logisk sammenheng Sammendrag av data over flere ark Funksjonen FINN.RAD Funksjonen HVIS.FEIL Tid i Excel Validering og beskyttelse av regnark Importproblemer Importproblemer – å miste ledende null Dele og sammenføye innhold Grafiske fremstillinger av tall Lag tradisjonelle grafer Lag grafer med to verdiakser Grunnleggende om pivottabeller Ta frem fakta fra pivottabeller [-]

AZ-900: Microsoft Azure Fundamentals [-]

Bli kjent med Revu (Bruksområder, grensesnitt, menyer, verktøy, paneler og profiler) Grunnleggende PDF-håndtering med Revu Markeringsverktøy og måleverktøy Innføring i Tool Chest Innføring i Markeringslisten Innføring i Studio [-]