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

  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 [-]

CCNA: Implementing and Administering Cisco Solutions [-]

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 [-]

Bruker du Excel og ønsker å ta et steg videre? Forståelsen av referanser og større kjennskap til funksjoner gir deg mulighet til å utnytte mer av potensialet til Excel. 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:   Relative, absolutte og blandende cellereferanser Hvorfor og hvordan skal man låse cellereferanser ($)?   Generelt om bruk av funksjoner Hvordan finner du funksjoner du trenger Syntaks for funksjoner   Eksempler på noen enkle funksjoner: Idag(), Nå(), Antalla(), mm.   Gjennomgang av HVIS funksjonen og nøstet HVIS [-]

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! [-]

SharePoint-kurs for brukere som skal benytte SharePoint Online for samhandling og deling av informasjon og filer. Bli kjent med begreper og navigasjon og opplev en mer effektiv måte å dele og organisere informasjon med andre. Kurset gir deg en komfortabel og grundig innføring i de flotte mulighetene SharePoint Online gir! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Hva er SharePoint Online? SharePoint sin rolle i Office 365 Ord og uttrykk SharePoint eller OneDrive Navigere i SharePoint   Jobb med dokumenter Opprette eller laste opp filer Organisere filer Redigere dokumenter i nettleser eller Office på PC Sette egenskaper Søk   Kort introduksjon til OneDrive for Business Synkronisere filer fra OneDrive Synkronisere filer fra SharePoint Overføre kladder til SharePoint   Følge opp dokument Få varsel når dokumentet er endret Se versjonshistorikk   Litt om rettigheter og tilganger Hvem har tilgang til område Hvilke tillatelser kan settes Frittstående eller Gruppe-område   Dele med andre utenfor område Delingsalternativer Vedlegg eller lenke   Lister for lagring av felles informasjon Eksempler på lister Utfylling av listeinformasjon   Nyheter og kunngjøringer Hva er nyhetsfunksjonen Lage en nyhetsartikkel   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

Behersk kunsten å skape overbevisende presentasjoner med "PowerPoint: Komplett", et omfattende kurs ledet av Espen Faugstad hos Utdannet.no. Microsoft PowerPoint er en vital del av moderne kommunikasjon, brukt utstrakt i både næringslivet og utdanning. Dette kurset er designet for å gi deg fullstendig mestring av PowerPoint 2019, uansett om du er nybegynner eller ønsker å forbedre dine eksisterende ferdigheter. Kurset starter med grunnleggende, som å kjøpe og installere PowerPoint, og lærer deg å navigere i brukergrensesnittet. Du vil lære å lage presentasjoner som kombinerer tekst, bilder og illustrasjoner. Videre lærer kurset deg hvordan du kan lage din egen PowerPoint-mal, og bruker overganger og animasjoner for å gi presentasjonen din liv. Du vil også bli veiledet gjennom prosessen med å ferdigstille og holde en effektiv presentasjon. Ved kursets slutt vil du være i stand til å skape profesjonelle presentasjoner som engasjerer og informerer ditt publikum. Du vil ha en dyp forståelse av alle aspekter av PowerPoint, fra å lage innhold til å dele og presentere det på en effektiv måte.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Ny presentasjon Kapittel 3: Tekst Kapittel 4: Bilder Kapittel 5: Illustrasjoner Kapittel 6: Media Kapittel 7: Lysbildemal Kapittel 8: Overganger og animasjoner Kapittel 9: Ferdigstill presentasjon Kapittel 10: Start presentasjon Kapittel 11: Del presentasjon Kapittel 12: Avslutning   Varighet: 3 timer og 29 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Tjenesten fungerer på samme måte som strømmetjenester for musikk eller TV-serier. Våre kunder betaler en fast månedspris og får tilgang til alle kursene som er produsert så langt. Plattformen har hatt en god vekst de siste årene og kan skilte med 30.000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle – og med oss har vi Innovasjon Norge og Forskningsrådet. [-]

Tekst er ikke alltid best egnet til å kommunisere ditt budskap. Dette webinaret viser deg hvordan du enkelt og effektivt benytter figurer, smart art modeller, diagrammer, bilder og video. Du får en rekke tips som vil bidra til at du sparer mye tid.  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:   Innsetting av ulike objekter Figurer og SmartArt Bilder Video - ha kontroll på avspilling   Bruk av diagrammer Koblinger til Excel Håndtere koblinger   Håndtering av objekter Justere og fordele Fordeler og ulemper ved gruppering   3 gode grunner til å delta 1. Lær og justere og fordele objekter effektivt 2. Lag figurmodeller raskt og enkelt 3. Ha kontroll på koblede objekter   [-]

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.   [-]

Dette er et spesialkurs som fokuserer på analyse av store datasett ved hjelp av Pivottabell og Power Pivot, samt formelbasert analyse. Målet er å få frem styrker og svakheter ved de forskjellige metodene, og å se litt på hvilke forutsetninger som påvirker valg av løsning. For å ha utbytte av dette kurser forutsettes at man er vant bruker av Excel. Pivot og Power Pivot blir gjennomgått fra begynnelsen, så man trenger ikke være kjent med disse verktøyene fra før. Betingede formler kan være ganske krevende, så det er en fordel å være litt trygg på formelskriving. I en kurssituasjon blir selvsagt kurset tilpasset deltagernes nivå og forkunnskaper. I kurset gjennomgås bl.a.: Kontroll/gjennomgang av en del sentral funksjonalitet – bl.a. absolutte, relative og blandede referanser. Sammendrag av data fra flere ark i samme eller flere arbeidsbøker, bl.a. gjennomgående summering og tabulering v.hj.a. INDIREKTE-funksjonen. Betingende sammendrag v.hj.a. matriseformler og funksjoner Modifisere datasett med FINN.RAD, FINN.KOLONNE, matriseformler og andre teknikker Pivottabell, hvor vi bl.a. ser på: Sette sammen data fra forskjellige grunnlag før pivotering Vise dataserie på forskjellige måter (sum, gjennomsnitt, prosentfordelt, etc.) Hvordan foreta beregninger rett i pivottabellen, f.ex. inntekter – kostnader = resultat Pivottabell hvor datagrunnlaget er oppdelt i flere forskjellige Pivottabell rett mot en spørring i en database Power Pivot Forskjeller (og likheter) med «vanlig» Pivottabell Når forlater vi den vanlige pivottabellen til fordel for Power Pivot? Fordeler og ulemper med Pivot og Power Pivot. Lage Power Pivot-tabell med data fra flere forskjellige datasett. [-]

MB-220: Dynamics 365 Customer Insights - Journeys [-]

Kan du det grunnleggende i Word, men ønsker å få dypere kjennskap til mulighetene i programmet? Ønsker du å kunne sette opp og håndtere store og små dokumenter på en enklere og smartere måte? Samarbeider du med andre om utarbeidelsen av ulike typer dokumenter? Da er Word Videregående kurset for deg! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Introduksjon/repetisjon Båndet, kategorier, grupper og kommandoer Tilpasse verktøylinje for hurtigtilgang   Store dokumenter Navigasjon Stiler Nummerere overskrifter Kryssreferanse Fotnoter og sluttnoter   Innholdsfortegnelse og stikkordregister Lage innholdsfortegnelse Lage stikkordregister Legge til bildetekst og lage bildetekstliste (for bilder, figurer og tabeller)   Topp/bunntekst Sidenummerering Egendefinert topp- og bunntekst Bruk av felt (f.eks. gjeldende kapittelnavn i topp- eller bunntekst) Variabel topp- og bunntekst Bruk av inndelinger   Grafikk Plassering av bilder i forhold til tekst Smartart Sette inn en forside Diagram Lage nye, og bruke innebygde hurtigdeler   Dokumentmaler Innholdskontroller Skjemamaler   Kombinere dokumenter Problemstillinger ved ”klipp og lim” mellom ulike dokumenter Flere vinduer på skjermen   Utskriftsfletting Lage standardbrev og koble til en adresseliste i Excel Flette til et utvalg Fletting av etiketter   Oppsett av tabulatorer og tabeller Skriving i kolonner ved bruk av standard- og egendefinerte tabulatorer Bruk av tabeller Generelle tabelltips Tabell til tekstoppsett   Dokumentsamarbeid Spor endringer og sammenligning av dokumenter Dokumentinspeksjon: Fjerne skjulte data og personlig informasjon Beskyttelse av dokument og skjema Samtidigredigering i dokumenter fra SharePoint   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

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     [-]

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.   Her er et utvalg av temaene du vil lære på kurset: Generelt om Nastran In-CAD brukergrensesnitt Gjennomgang av hvilke typer FE-analyser som kan utføres med Nastran In-CAD Innføring i opprettelse av beregningsmodeller i Nastran In-CAD Gjennomføre analyser Vurdere beregningsresultater Presentasjon av beregningsresultater Det blir undervist i grunnleggende funksjonalitet og metodikk som gjør at deltakeren kan skape FE-beregningsmodeller med utgangspunkt i 3D-modeller i Inventor. Autodesk Nastan In-CAD – Grunnkurs er et kurs som alle Inventor-brukere bør gjennomføre for å komme i gang med FE-beregninger av konstruksjoner som modelleres i Inventor.   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 og vår Antall studiepoeng: 5.0 Forutsetninger: Studenten må kunne installere programvare, og programmere. Vanlige programmeringsspråk for opensource er C, C++, java, python, m.fl. Innleveringer:   Vurderingsform: Skriftlig eksamen, individuell, 3 timer, teller 60 %. Prosjektoppgave teller 40 %. Ansvarlig: Helge Hafting Eksamensdato: 02.12.13 / 05.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare bakgrunnen for open source, og forskjellen på de vanligste åpne lisensene.- kan beskrive bruk av flerspråklig programvare FERDIGHETER:Kandidaten:- kan bruke vanlige programmeringsverktøy GENERELL KOMPETANSE:Kandidaten:- kan delta i prosjekter som utvikler åpen programvare videre Innhold:Historien og filosofien bak åpen kildekode. Copyright, lisenser fri programvare. Praktisk bruk av verktøyer som make, diff, patch og versjonskontrollsystemer. Internasjonalisering, flerspråklig programvare. Prosjektarbeid med deltakelse i opensource-prosjekt.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Opensource-utvikling 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]