Kurs i Borås

AZ-1008: Administer Active Directory Domain Services [-]

Modulen dekker bruk og effekt av Lean og agile arbeidsmåter, og hvordan dette kan utnyttes til fordel for organisasjonen. Kurset vil gi kandidatene en praktisk og strategisk metode for å planlegge og levere kontinuerlig forbedring med nødvendig smidighet.  E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 12 moduler. Les mer om ITIL® 4 på AXELOS sine websider Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert.   [-]

Spesialseminar 2: «Generasjonsskifter - utfordringer og løsninger»    Dette spesialseminaret er åpent og kostnadsfritt for alle som er med i styrenettverksgrupper arrangert av Styreforeningen. For andre deltakere som er medlemmer av Styreforeningen koster seminaret kr. 4.990,-.For deltakere som ikke er med i styrenettverksgrupper og som ikke er medlemmer av Styreforeningen er prisen kr. 5.990,-   Seminaret tar for seg en rekke krevende faser og situasjoner som kan oppstå i forbindelse med styrearbeidet. Vi ser blant annet på:   hva undersøkeler som er gjort omkring generasjonsskifteprosesser forteller oss uventet aksjonær bortgang og ulike utfordringer det kan medføre fremtidsfullmakt i forbindelse med aksjeeierskap og aksjeovertakels viktigheten av vedtektsbestemmelser eventuelt aksjonæravtaler ved generasjonsskifter, og utfordringene som kan oppstå dersom situasjonen ikke er hensynttat i formalia styrets rolle i generasjonsskifteprosesser forberedelsene og tilretteleggingen i generasjonsskifteprosesser sjekkliste ved generasjonsskifteprosesser [-]

Understand the purpose and key concepts of the Service Desk practice, including how it serves as the central point of contact between the service provider and the users, facilitating effective communication. This eLearning is: Interactive Self-paced Device-friendly 2-3 hours content mobil-optimised practical exercises     Exam: 20 questions Multiple Choice 30 minutes Closed book Minimum required score to pass: (65%)   [-]

I Matematikk R2 lærer du om integralregning, rekker, vektorer og trigonometri. Matematikk R2 er for deg som trenger realfagmatematikk for videre studier eller for å forbedre karakteren din. Faget er obligatorisk om du skal studere til ingeniør eller arkitekt. Matematikk R2 gir 1 realfagpoeng. Du må ha matematikk R1 for å ta dette faget. Gjennomføring NettstudierDu bestemmer hvor og når du vil lære. Her får du varierte leksjoner i form av tekster, video, quiz, podcast, veiledning og oppgaver. Du har alltid kontakt med din personlige lærer hos K2. Målet er å gjøre deg best mulig forberedt til eksamen. Eksamen Eksamen i Matematikk R2 er skriftlig. Som privatist må du selv melde deg opp til eksamen. Oppmeldingsfristene er normalt 15. september og 1. februar. Husk at betaling av eksamensavgiften skjer ved oppmelding. Veien videre Om du har generell studiekompetanse (GENS) og velger å ta fagene fysikk 1 og matematikk R1 og R2 som privatist, da oppfyller du opptakskravene til flere studier, inkludert ingeniørstudier. Se praktisk info for frister og opptak til universitet og høyskole. Gratis veiledning Er du usikker på hva som skal til for å få studiekompetanse, ta gjerne kontakt med oss for gratis veiledning. Vi har veiledere med mange års erfaring som står klare til å hjelpe deg!Ønsker du mer informasjon om kurset velg "Send meg info"-knappen under. Vil du chatte med oss, så klikk på ikonet nederst i høyre hjørne. Gratis veiledning Vi har veiledere med mange års erfaring som står klare til å hjelpe deg! Er du usikker på hva som skal til for å få studiekompetanse, ta gjerne kontakt med oss for gratis veiledning.  Ønsker du mer informasjon om kurset velg "Send meg info"-knappen under. Vil du chatte med oss, klikk på ikonet nederst i høyre hjørne. Lånekassestøtte Utdanningen er godkjent i lånekassen. Du søker direkte via lanekassen.no. Alt du må vite om lån og stipend fra Lånekassen som deltaker hos K2 utdanning Støtteordning Er du organisert i en fagforening, kan du i de fleste fagforeningene søke støtte til utdanning. Dersom du er organisert bør du sjekke med din fagforening om muligheter for støtte, frister og hvordan du søker. Forkunnskaper Du må ha fullført grunnskole eller tilsvarende opplæring. Minoritetsspråklige bør ha minimum B1-nivå i norsk muntlig og skriftlig. Dersom du har behov for å lære mere norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle norskkurs K2 tilbyr. Krav til utstyr Som deltaker hos K2 må du ha tilgang til pc på eksamen. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Se hva du har tilgang til av nettbaserte ressurser på eksamen. Praktisk info Du finner svar på ofte stilte spørsmål på nettsiden vår under praktisk info.     [-]

Kurs i dataanalyse og visualisering. Kurset lærer deg hvordan du bruker dataanalyse og visualisering til faktabasert problemløsning. Vi starter med å definere et målbart mål, måler hvor vi er i dag, analyserer årsaker til at vi ikke er der vi ønsker, løser rotårsaker for å nå målet og sikrer varige resultat. Så enkelt! Kurset følger DMAIC prosjektmetode: Define: forstå problem, gjøre det målbart og sette mål  Measure: innhente data om nåsituasjonen Analyze: forstå mulige årsaker og bevise de viktigste Improve: optimalisere innstillinger med forsøksdesign Control: overvåke viktige variabler for varige resultat   Læringsmål Du lærer å bruke dataanalyse og visualisering til å besvare følgende spørsmål:  Hva skal forbedres (definere måling) og hva er målet (spesifikt)? Hva er nåsituasjonen (dataanalyse og visualisering)? Hvordan innhenter vi data (populasjon, prøveuttak, konfidens)? Hvordan tolker vi data (sentrering og variasjon)? Hvordan visualiserer vi nåsituasjonen (Histogram, Run chart & Control chart)? Hvordan vet vi at målingene er gode nok (bestemme egenskaper ved målemetoden)? Hvordan velger vi riktig strategi for å forbedre oss (SPC og kapabilitet)? Hvordan kan vi forstå og redusere variasjon (Control Chart med sub grupper)? Hvordan kan vi bevise årsakssammenhenger (Pareto, Box plot, Scatter plot, korrelasjon og hypotesetesting)? Hvordan bestemmer vi optimale innstillinger med færrest mulig forsøk (DOE)? Hvordan sikrerer vi varige resultat ved å reagere tidlig på tendens til avvik (Control Chart)?   Kursinnhold  Kurset lærer deg å bruke dataanalyse og visualisering til faktabasert problemløsning med DMAIC metoden (Define, Measure, Analyze, Improve & Control):  Define Problembeskrivelse Måltall / KPI’er «Operational definition» Spesifikke mål Measure Måle nåsituasjonen Historiske data Nåtidsstudie Populasjon & prøve Prøvetakingsteknikker Randomisert Systematisk Praktisk Prøveantall & konfidens Kvalitative & kvantitative data Nominell & ordinal Kontinuerlig & diskret Dataanalyse Senter (snitt, median, mode) Variasjon (standard avvik, range, varians) Fordeling av data Normalfordeling og sannsynlighet Skjev fordeling Visualisering av nåsituasjonen Histogram Run Chart SPC (Contol Chart) Analyze SPC (Control Chart) Prosessvariabel kartlegging Normal og spesiell variasjon Stabilitet & kapabilitet Forbedre kapabilitet Fiskebein og 5 x Hvorfor Variasjonsanalyse med Control Charts Variasjon innad og mellom sub grupper Forstå og tallfeste kilder til variasjon Målesystemanalyse (MSA) Presisjon og nøyaktighet Repeterbarhet og reproduserbarhet Følsomhet og kapabilitet Bevise årsaker Observasjon Skru av / på Visualisere med grafer Hypotesetesting og p-verdi Visualisere data / grafiske analyser Pareto diagram Box plot Scatter plot Korrelasjon & regresjon Improve DOE (Design of Experiements) Bestemme mål og velge faktorer Planlegge forsøk (Fractional & full factorial) Gjennomføre forsøk Analysere og iverksette tiltak Control Måle og følge opp med Control Chart   Kursholder Kursholder Sissel Pedersen Lundeby er IASSC (International association for Six Sigma certification) akkreditert kursholder (eneste i Norge per august 2019): "This accreditation publically reflects that you have met the standards established by IASSC such that those who participate in a training program led by you can expect to receive an acceptable level of knowledge transfer consistent with the Lean Six Sigma belt Bodies of Knowledge as established by IASSC."  Sissel er utdannet sivilingeniør i kjemiteknikk fra NTNU, og har mer enn 20 års erfaring innen produksjon og miljøteknologi. Hennes Lean Six Sigma opplæring startet i 2002, hos et amerikansk firma, hvor hun ble Black Belt sertifisert i 2004. I 2017 ble hun også Black Belt sertifisert gjennom IASSC. Sissel har svært god erfaring med å bruke Lean Six Sigma til forbedringer, og fokuserer på å skape målbare resultater. Kursene bruker praktiske, gjenkjennelige eksempler, og formidler Lean Six Sigma på en enkel, forståelig måte.     Tilbakemeldinger til kursholder "Inspirerende, faglig dyktig, folkeliggjør et teoretisk fagområde" Espen Fjeld, Kommersiell direktør hos Berendsen "Faglig meget dyktig og klar fremføring. Morsom og skaper tillit" Jon Sørensen, Produksjonsleder hos Berendsen "10/10 flink til å nå alle" Erlend Stene, Salgsleder hos Berendsen "Tydelig og bra presentert. God til å kontrollspørre og lytte (sjekke forståelse)" Morten Bodding, Produksjonsleder hos Berendsen "Utgjorde en forskjell, engasjert og dyktig" Kursdeltager fra EWOS "Du er inspirerende, positiv og dyktig i faget" Kursdeltager fra EWOS "Jeg var veldig imponert over Sissels Lean Six Sigma kunnskap. Hun gjør det enkelt å identifisere forbedringer og skape resultater" Daryl Powell, Lean Manager, Kongsberg Maritime Subsea     [-]

Her starter vi ganske på begynnelsen, og går ut fra at deltagerne har liten eller ingen erfaring med Excel. Vi starter med de grunnleggende prinsippene, og bygger så videre på dem. I stikkordsform ser innholdet ut slik: Regnearkets oppbygning – grunnprinsipper Tall og tekst – identifisere og korrigere/konvertere Listefunksjonalitet – sortere, filtrere, redigere, skrive ut, etc. Grunnleggende formelbygging – de fire regneartene Kopiering av formler – absolutte og relative referanser Sentrale funksjoner: SUMMER, GJENNOMSNITT, HVIS,   HVISFEIL Modellbyggingsteknikker - sammendrag av data over flere ark Grafiske fremstillinger av numeriske data Identifisere og fjerne duplikatverdier fra en liste Arbeide med tid (dager, klokkeslett, etc.) i Excel [-]

I dette nettkurset lærer du å tegne objekter fra naturen og ting du har hjemme. Du får innføring i raske skisser, hva det vil si å bruke linjer med forskjellig kvalitet og bruke skyggelegging i flere valører for å beskrive volum. Kurset er strukturert med tanke på nybegynnere, men er spennende også for de med noe erfaring. Du vil lære hvordan du skal bruke blikket, hvordan du tegner med kull og blyant, og hvordan gjenkjenne kvalitetene til en god tegner, med mange fine eksempler fra kunsthistorien. Alle får en tett oppfølging fra kursleder, og du vil se hva dine medelever gjør underveis. Målgruppe for tegnekurs: Ungdom og voksne som er interessert i å lære å tegne, eller ønsker å forbedre sine tegnekunnskaper. Læremidler og ressurser: Læremidlene inngår i kursprisen, men for å komme i gang trenger du kullstifter (i middels tykkelse) og tegneblyanter (for eksempel 3B, 4B, 6B), samt knetgummi. Du trenger også rikelig med skissepapir. Du kan kjøpe skisseblokker eller skissebøker med papir fra 80g/m2. Du bør også kjøpe en blokk med glatt tegnepapir, som har fra 120g/m2 – 160g/m2. A4 er stort nok. Du bør ikke bruke kopipapir. Du får kjøpt kunstmateriale på nettet hos www.kem.no Du trenger også å ha tilgang til en mobiltelefon eller et digitalt kamera slik at du kan ta bilder av tegningene du skal sende til læreren din og dele med de andre kursdeltakerne. Krav til forkunnskap: Det er ingen krav til forkunnskaper i tegnekurs, men anbefalt aldersgrense er 15 år. Pris på Lær å tegne: NOK 2.400. Varighet: Du får tilgang til Lær å tegne i 90 dager fra den dagen du melder deg på. Kurset tilsvarer ca. 20 timer effektivt arbeidsinnsats. Tilbakemeldinger og kursbevis: Hver studieenhet har en innsendingsoppgave som læreren kommenterer og vurderer. Når alle innsendingene er bestått, vil du få tilgang til et elektronisk kursbevis. Kursbeviset har sitt eget symbol som vist i bildet og din egen nettadresse. Om du vil, kan du for eksempel dele det med andre på Facebook og LinkedIn. Vi har fått tillatelse til å dele Eli-Anita Schønings kursbevis som eksempel. Kursbeskrivelse for Lær å tegne Lær å tegne er laget spesielt for deg som skal lære å tegne på egen hånd. Programmet er laget for å gjøre læringen spennende, engasjerende og gi resultater raskt. Du kommer til å tegne enkle objekter og stilleben; det du har rundt deg i hverdagen. Pedagogikken som ligger til grunn for Lær å tegne er basert på et universitetskurs utviklet i Firenze, Italia. Et rikt billedmateriale følger med oppgavene, med verk fra kunsthistorien som viser en dyp innsikt i tegningens språk. Disse ligger tilgjengelig som gallerier på Pinterest. Kurset inneholder også lydfiler der læreren deler sine tanker om utvalgte tegninger av berømte kunstnere. De fleste praktiske oppgavene har demonstrasjonsvideoer så du kan se nøyaktig hvordan det gjøres. Tegnekurset er delt opp i tre studieenheter. Hver studieenhet avsluttes med en innsendingsoppgave som vurderes av lærer. Alle deltakere blir også invitert til å legge sine tegninger ut i et felles forum slik at vi kan vurdere hverandres arbeider og lære av hverandres prosess. Studieenhet 1. Kroki og formskisser: Introduksjon til tegnekurs: Målsetninger, Tips om selvstudium; Hvordan holde atelier hjemme; Eksempler på skisser fra kunsthistorien Teori: Tegne fra den skulpturelle sansen, hvordan fange det essensielle med raske skisser Praksis: Tre skisseteknikker  med kull og blyant. Studieenhet 2. Strektegning – Enkelhet og presisjon: Eksempler på strektegninger fra kunsthistorien Teori: Introduksjon til strekkvalitet, beskrivelse av form kun med linjer Praksis: Tegneøvelser i blyant, oppøvelse av håndkoordinering Studieenhet 3. Lys og skygge – Valører: Eksempler på skyggelegging fra kunsthistorien Teori: Introduksjon til valører og skravering Praksis: Skyggelegging med kull og blyant   [-]

MEDLEMSKURS: Det eierforvaltende styret  Nettbasert / Ca. 45 min / "Live" med Styrekonsulent eller On-demand.   Ett komprimert og nyttig kurs med mange verdifulle tips og råd. Kurset leveres både "live" med styrekonsulent – enten via Teams eller Zoom, med mulighet for å stille spørsmål mm. underveis, eller som On-demand kurs.    Kurset tar utgangspunkt i bestemmelsene om styrets ansvar overfor eierne av selskapet, og viser de formelle krav styret har overfor eierne i aksjeselskap og noen av de andre vanligste selskapsformene. Kurset omfatter også samspillet mellom eierne og styret. Vi presenterer erfaringer og praktiske handlinger for god eierstyring og selskapsledelse.   Målgruppe:  Kurset er aktuelt for styrer i forberedelser av generalforsamlingen.   Kursinnhold: Lovbestemmelser om eierne og styret Norske anbefalinger om eierstyring og selskapsledelse Likebehandling av eierne Vedtektene – formål og krav til styret. Oppdatering av vedtekter – arbeidsform og ansvar Generalforsamling – ansvar og gjennomføring Valgkomité Styrerekruttering og styrevalg Styregodtgjørelse Utbyttepolitikk Styreevaluering Eierdirektiv Etikk   Kursmateriell: Det inngår ikke skybaserte filmapper med materiell og hjelpemidler for øvrig i våre GRATIS medlemskurs, men vi viser til artikler, hjelpemidler, dokumentmaler mm på medlemsportalen under kurset slik at du kan benytte deg av det i ettertid.   NB!  GRATIS for alle medlemmer i Styreforeningen.no Pris for "ikke medlemmer" tilsvarer 12 måneders medlemskap i Styreforeningen.no, regnet fra og med kursdato, for deg som ikke fra tidligere var medlem i Styreforeningen.no   Som medlem får du da full tilgang til alle medlemsfordeler fra og med dagen etter kursdato: alle typer GRATIS kurs og webinarer / medlemspris på alle andre kurs dokumentmalregister, spørsmål og svar basene, artikkelseriene mm avklaringstime hvert halvår, medlemssupport pr telefon/epost anledning til å registrere din CV GRATIS i Styrerekruttering.no ... og alle de øvrige medlemsfordelene i Styreforeningen.no   [-]

De fire kursene som inngår i studiet er: Helse, miljø og sikkerhet Transportoppdrag og dokumentasjon Teknologi- og yrkessjåførkompetanse Trafikkforståelse og samhandling Kursene er utviklet for voksne som har arbeidet med transport og ønsker å studere som praksiskandidat for å ta fagprøven og fagbrev som yrkessjåfør. [-]

NS9600 Tilkomstteknikk Resertifisering Nivå 1  [-]

Excel controllere/økonomer kurs vinklet fra en Controllers hverdag med fokus på gode metoder for å arbeide med Excel-lister. Påfyllet kurset gir deg, gjør deg i stand til å jobbe mer effektivt i Excel. Kursets mange eksempler, viser hva du virkelig kan få til i Excel, enten det er å jobbe med formler / funksjoner, lister eller store Excel-modeller. Kurset er utviklet av controllere, med det for øye at du skal kunne angripe dine Excel-utfordringer på en smart og effektiv måte. Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:     Datautveksling/Klargjøring av data Mulige inndatametoder: Importering av tekstfil, webspørringer, innliming av data fra WWW. Importere data med ulikt dataformat: tekst - eller databaseformat Formatproblemer ifm. dataimport: ”feil” formater, fjerne deler av informasjon i en celle, fjerne duplikater, kjapt finne skrivefeil   Data/Konsolider Konsolider data: hvor data ligger i samme regneark Konsolidering data: hvor dataene skal behandles på tvers av regneark. Konsolidering data: hvor data ligger i ulike arbeidsbøker   Tabeller/Listefunksjonalitet Definisjonen av en tabell: Viktig å huske når tabellen skal behandles videre. Jobbe med en liste: få gode råd angående arbeid med lister Sortere tabellen: kjapt og enkelt med egendefinerte sorteringsnøkler Filter med Autofilter: filtrere ut bare de data du ønsker eller slette tomme rader. Filter med Avansert filter: få råd om i hvilke situasjoner det er smart å bruke avansert filter og hvordan du enklest bruker dette filteret. Beregninger i tabeller og lister Beregninger med flere variabler: Funksjonene Dsummer, Dantall og DGjennomsnitt Organiser og beregne data : Ved hjelp av delsammendrag. Lær hvordan resultatet kan kopieres til et annet sted. Oppslag i en liste: Funksjonene Finn.Kolonne og Finn.Rad Lag rapporter ved hjelp av Pivotteknikk: Opplev hvor enkelt det er å lage rapporter ved hjelp av pivotteknikk!   "Hva hvis"-analyser og optimalisering Sensitivitetsanalyse: Målsøking er en måte å regne ”baklengs” på. Sensitivitetsanalyse: Tabeller med 1 og 2 variabler Optimalisering: Ved hjelp av Problemløseren   Samarbeid med andre Deling av arbeidsbøker: ved ønske om å jobbe samtidig i samme arbeidsbok Sporing av endringer: når du ønsker å plukke opp de endringer andre har gjort     4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

En apotektekniker jobber i apotek med å hjelpe kunder å finne riktig legemiddel og veilede i riktig legemiddelbruk. Apotekansatte har stor tillit i Norge og håndterer mange ulike kundesituasjoner. Som apotektekniker arbeider du selvstendig i apotek under faglig ledelse av farmasøyt. Innhold/temaer Autorisert apotektekniker er inndelt i tre semestre Semester 1: Helse og oppvekst vg1Semester 2: Helseservice vg2Semester 3: Apotektekniker vg3 Sentrale emner i opplæringen: - Reseptekspedering- Veilede ulike kunder til rett bruk av legemidler, hjelpemidler og apotekvarer- Kjenne selvvalget og kunne hjelpe kundene med legemidler, sykepleieartikler, hudpleie, inkontinens og næringsdrikker mm.- Vite hva er legemiddel er og hvordan det påvirker kroppen- Astma-, Diabetes og annen sykdomsveiledning- Varehåndtering – klargjøre og håndtere bestillinger Dette passer for deg som - ønsker å jobbe selvstendig som apotektekniker og som liker å jobbe i team med andre yrkesgrupper som blant annet farmasøyter, slik at dere sammen kan finne den beste løsningen for kunden. Gjennomføring Alle våre alternativer gjennomføres over tre semestre. Velger du undervisning (nett eller campus) er det oppmøte en gang per uke, dag eller kveld. Du velger det som passer deg best!  Det er mulig å gjennomføre kurset på ett år (to semestre). Dette er avhengig av din bakgrunn og tidligere erfaring. På vg3 må du selv ordne en praksisplass på et apotek 1-2 dager pr. uke.  Klasserom på CampusUndervisning i klasserom på campus. NettundervisningLive undervisning en kveld/dag pr uke sammen med andre deltakere via Teams. Opptak gjør det enkelt å repetere fagstoffet. NettstudierSelvstudie via K2s digitale læringsportal. Video, tekster, quiz, oppgaver og podcast. Tilbakemelding på innsendte oppgaver. Lyst til å prøve nettstudiene (gratis)? Registrer deg og se hvordan K2s digitale læringsportal fungerer.  Merk at følgende gjelder: - i Drammen og Porsgrunn er opplæring på vg3 (siste semester) i Tønsberg eller på Nett.- i Fredrikstad gjennomføres opplæringen på vg3 (siste semester) i Oslo, Tønsberg eller på Nett. Digital læringsportal og Office 365 Deltakere på campus og nettundervisning får tilgang til office 365 online (inneholder blant annet mail, word, excel, powerpoint og teams). Deltakere som tar utdanningen via nettstudier får du tilgang til K2s digitale læringsportal.   Eksamen Som deltaker ved K2 er du privatist og tar eksamen i tre programfag og en tverrfaglig på hvert semester. Eksamen arrangeres 2 ganger pr år og oppmeldingsfristene er normalt 15. september og 1.februar. Husk at betaling av eksamensavgiften skjer ved oppmelding.  Hva må til for å få autorisasjon? Apotekteknikerfaget er et autorisasjonsfag. For å kunne søke autorisasjon som apotektekniker må du ha vitnemål når du er ferdig med fagene innen helse. Vitnemålet må inneholde: Programfagene på vg1 helse og oppvekst, vg2 helseservice og vg3 apotektekniker. Yrkesfaglige fellesfag (norsk, engelsk, matematikk, naturfag, samfunnskunnskap og kroppsøving). Søke fritak for yrkesfaglige fellesfag: Dersom man har minst fem års «allsidig yrkespraksis» eller mer i 100% stilling kan man søke fritak fra de yrkesfaglige fellesfagene. Med allsidig praksis menes en yrkesrettet praksis som står i sammenheng med faget. Det er eksamenskontoret eller tidligere videregående som godkjenner fritak Yrkesfaglig fordypning (YFF). For å dekke kravet kan man dokumentere 526 timer arbeidserfaring innen valgt fagområde eller ha fag fra studieforberedende/studiespesialisering (vg3 nivå)  Vitnemålet bruker du for å søke autorisasjon hos Helsedirektoratet. Da får du tittelen autorisert apotektekniker.   Gratis veiledning Vi vet at det kan være vanskelig å velge utdanning. Derfor har vi veiledere med mange års erfaring som står klare til å hjelpe deg! Er du usikker ta gjerne kontakt med oss for gratis veiledning.  Ønsker du mer informasjon om kurset velg "Send meg info"-knappen under. Vil du chatte med oss, klikk på ikonet nederst i høyre hjørne. Lånekassestøtte Utdanningen er godkjent i lånekassen. Du søker direkte via lanekassen.no. Alt du må vite om lån og stipend fra Lånekassen som deltaker hos K2 utdanning Støtteordning Er du organisert i en fagforening, kan du i de fleste fagforeningene søke støtte til utdanning. Dersom du er organisert bør du sjekke med din fagforening om muligheter for støtte, frister og hvordan du søker. Forkunnskaper Du må ha fullført grunnskole eller tilsvarende opplæring. Minoritetsspråklige bør ha minimum B1-nivå i norsk muntlig og skriftlig. Dersom du har behov for å lære mere norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle norskkurs K2 tilbyr. Krav til utstyr Som deltaker hos K2 må du ha tilgang til pc i undervisningen og eksamen. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Online-versjonen som du får tilgang til som deltaker hos K2, kan ikke benyttes på eksamen da denne krever nettilgang.Se hva du har tilgang til av nettbaserte ressurser på eksamen. Praktisk info Du finner mye informasjon om ofte stilte spørsmål på nettsiden vår under praktisk info.   [-]

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     [-]

PRINCE2® 7 Practitioner  all english [-]