Kurs i Førde

AZ-400: Designing and Implementing Microsoft DevOps solutions [-]

Kurset er laget for å gi deg som jobber med informasjon og systemsikkerhet i kommunen, men er også åpen for andre som ønsker å styrke sin kompetanse innen fagfeltet. Du lærer hvordan gjennomføre en helhetlig risiko- og sårbarhetsanalyse, med kartlegging, systematisere og utforming av sannsynlighetsberegning for uønskede hendelser som kan inntreffe i kommunens informasjonssystemer. Metoder for å hvordan disse kan påvirke kommunen og hvordan redusere risiko for tap av data. Når kurset er ferdig har du maler til å lage helhetlige risiko- og sårbarhetsanalysen, som i følge «Forskrift om kommunal beredskapsplikt» skal forankres i kommunestyret.  Vi går gjennom: Kartlegging av eksisterende og fremtidige risiko- og sårbarhetsfaktorer. Risiko og sårbarhet utenfor deres geografiske område men som kan ha betydning. Hvordan ulike risiko- og sårbarhetsfaktorer kan påvirke hverandre. Særlige utfordringer knyttet til kritiske funksjoner og tap av kritiske data. Kommunens evne til å opprettholde sin virksomhet når den utsettes for en uønsket hendelse og evnen til å gjenoppta sin virksomhet etter at hendelsen har inntruffet. Behovet for varsling under og etter en hendelse. Metoder for å avdekke behov for mer detaljerte analyser. Hvilke relevante offentlige og private aktører som bør bidra i i arbeidet med utarbeidelse av risiko- og sårbarhetsanalysen. Du vil også få en innføring i hva som bør med i en informasjonssikkerhets policy og hvordan jobbe frem en forankring hos kommuneledelsen. Som deltager får du en rekke maler for å hjelpe deg i gang med arbeidet, dette er maler som: Mal - Risiko og sårbarhets analyse Mal - Beredskapsplan Mal - Revisjon av tjenesteleverandører Mal - BIA (Analyser effekt av mulig hendelse) Mal - Kompetanse- og kulturutvikling [-]

Case samling 2: «Konflikter og rolleutfordringer på generalforsamlingen»    Deltakelse på denne CASE-kvelden er inkludert i prisen 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,-   Overskriften for kvelden er: Konflikter og rolleutfordringer på generalforsamlingen Denne kvelden skal vi planlegge, innkalle og gjennomføre en krevende generalforsamling i selskapet Extender AS.   Selskapet har 122 aksjonærer og aksjer fordelt mellom 3 klasser. Det er opprør blant en gruppe av aksjonærene som mener at en av de større aksjonærene med 36% eierskap skaper urimelige fordeler for egne nærstående på de andre aksjonærers bekostning. Det er videre kommet inn ulike forslag til vedtektsendringer som styret må fremme til behandling, herunder utradisjonelle varianter som styret er i tvil om kan innføres i et selskapsvedtekter. Det er krasse fronter hva gjelder styresammensettingen i selskapet, og det har kommet forslag til ny styresammensetting fra valgkomiteen, samt fra hele 3 andre aksjonærgrupperinger. Det er også varslet at det kan komme benkeforslag på enkeltkandidater. En emisjon bør komme i orden og det bør fremlegges en instruks for valgkomiteen da denne føler det vanskelig å vite sitt mandat og sine mulige måter og rammer og arbeide på, eller innenfor. Bli med oss for å løse opp knuter og finne fornuftige løsninger for hvordan håndtere de ulike situasjonene og sakene.   [-]

6-fagspakken gir deg generell studiekompetanse (23/5-regelen) og du kan studere på høgskole eller universitet. Kurspakken passer for deg som ønsker generell studiekompetanse eller vil forbedre karakterene dine fra videregående skole. Du kan ta hele 6-fagspakken eller enkeltstående fag.  6-fagspakken inneholder fagene Norsk, Engelsk, Matematikk 1P og 2P, Naturfag, Samfunnskunnskap og Historie. 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. Her kan du prøve alle kursene (gratis) Din digitale læringsplattform Den nettbaserte læringsportalen til K2 er tilpasset både mobil, nettbrett og pc. Det gir deg enkelt tilgang til å studere faget på en engasjerende og spennende måte, uansett hvor du er.  Eksamen Som deltaker ved K2 er du privatist og må ta eksamen i fagene for å få karakter. Oppmeldingsfristene er normalt 15. september og 1. februar. Husk at betaling av eksamensavgiften skjer ved oppmelding.  Norsk muntlig og skriftlig, eksamen nov/des eller mai/juni Engelsk, eksamen nov/des eller mai/juni Matematikk 1P og Matematikk 2P, eksamen nov/des eller mai/juni Naturfag, eksamen nov/des eller mai/juni Samfunnskunnskap, eksamen nov/des eller mai/juni Historie, eksamen nov/des eller mai/juni Veien videre Med generell studiekompetanse (23/5-regelen og de 6 fagene du kan ta hos oss) eller vitnemål fra studieforberedende program (4 fagene) kan du søke opptakt til høgskoler og universitet. Se praktisk info for frister og opptak til universitet og høyskole. 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 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 svar på ofte stilte spørsmål på nettsiden vår under praktisk info.     [-]

Vårt lederkurs gir deg grunnleggende kunnskaper om motiverende ledelse. Kurset skal gi deltakerne en faglig forståelse for ulike utfordringer knyttet til ledelse der mellommenneskelige relasjoner inngår. Nettkurs eller brevkurs kombinert med forelesninger i form av lyd og bilde på din egen PC.     Start:         Når du selv ønsker. Omfang:     3 innleveringer Pris:           kr. 4.500,- (kan deles i 4 månedlige avdrag med                    kr. 200,- i avdragsgebyr for hvert avdrag).    Tidsplan • Kurset kan tas etter egen tidsplan med innlevering av besvarelser til veiledning. • Du velger selv når du vil starte opp med lederkurset og hvor lang tid du vil      bruke.   Innleveringer • Innlevering av 3 besvarelser   Målgruppe for vårt lederkurs Alle som har et verv eller arbeid, eller ønsker et verv eller arbeid der mellommenneskelige relasjoner og ledelse inngår.   Mål for lederkurset Kurset skal gi deltakerne en faglig forståelse for ulike utfordringer knyttet til lederverv og ledelse.   Kursbeskrivelse Vårt lederkurs gir deg grunnleggende kunnskaper om ledelse.   Tema - Lederkurs • Ledelse i dag • Dagens utfordringer • Dagens muligheter • Ledelsesteori • Administrasjon • Organisasjon • Lederkompetanse • Hvor læres denne kompetansen? • Ledertyper • Personlighet • Kommunikasjon • Hva er god kommunikasjon? • Hvilke utfordringer møter vi i kommunikasjon? • Relasjonskompetanse • Makt • Tillit • Motivasjon • Kreativitet • Behov • Gruppe • Team • Utvikling • Vi-følelse • Helhetlig tenking   Litteratur Relasjonell ledelse Hans Morten Skivik ISBN 9788205329669 Gyldendal 2004   Vurdering  Bestått/ikke bestått.   Kursbevis  Kursbevis utstedes til de som har bestått og som har betalt kursavgiften i sin helhet.   Er du organisert? Undersøk med ditt fagforbund om du kan søke å få dekket kursavgiften for vårt lederkurs.   Dersom du ønsker å komme i kontakt med studieekspert kan du trygt ta kontakt med oss på telefon: 913 58 038913 58 038 eller sende oss E-post til: postmottak@kompetansesenter-bedriftshjelp.com Vi har lang erfaring med kurs og studier og vet hva som vil passe deg best etter en kort og uforpliktende samtale. [-]

Kurset passer for alle ufaglærte som jobber i helsetjenesten: • Hjemmehjelp • Pleiemedarbeider • Pleiemedhjelper • Pleieassistent • Helseassistent • Støttekontakt • Personlig assistent Nettkurs kombinert med forelesninger i form av lyd og bilde på din egen PC.   Sted:          Nettkurs eller brevkurs Start:          Når du selv ønsker. Omfang:     3 innleveringer Pris:                       Vi er tildelt tilskudd fra DIKU og vi kan gi noen gratisplasser for å gjennomføre                      kurset i tiden 01.06.2020 til 01.09.2020.     Tid • Kurset kan tas etter egen tidsplan med innlevering av mapper til retting. • Du velger selv når du vil starte opp med kurset og hvor lang tid du vil bruke.   Innleveringer • Det er i alt 3 innlevering.   Målgruppe Kurset passer for alle ufaglærte som jobber i helsetjenesten: • Hjemmehjelp • Pleiemedarbeider • Pleiemedhjelper • Pleieassistent • Helseassistent • Støttekontakt • Personlig assistent   Tema • Helse • Sykdom og behandling • Grunnleggende behov – egenomsorg og omsorg • Brukermedvirkning • Kost til eldre på sykehjem • Kultur og kommunikasjon • Kosthold og kultur • Kost og helse • Å være bruker • Fysisk aldring og svekkelse • Noen former for kommunikasjon • Rolle • Samarbeid og kompetanse • Etikk og yrkesetikk • Holdninger • Aktivitet for eldre • Hjelpemidler • Taushetsplikt • Hygiene og stell av bruker med infeksjoner • Hygiene og informasjon • Håndhygiene • Hygiene og håndtering av tekstiler • Avfallshåndtering • Feber – symtomer og observasjon • Observasjon • Smerte • Urinveisinfeksjon og forebygging • Kols – kronisk obstruktiv lungesykdom • Obstipasjon (forstoppelse) • Lungebetennelse og komplikasjoner ved immobilitet • Diabetes • Hjerneslag • Demens • Reumatisme • Hjerte- og karsykdommer • Lårhalsbrudd • Fallulykker • Parkinson • Kreftsykdom   Litteratur Ressursene som følger med kurset.   Vurdering  Vurdering bestått/ikke bestått.   Kursbevis  Kursbevis utstedes til de som har bestått.   Er du organisert? Undersøk med ditt fagforbund om du kan søke å få dekket kursavgift. [-]

Case samling 1: «Konflikter og rolleutfordringer i styrereommet»   Deltakelse på denne CASE-kvelden er inkludert i prisen 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,-   Overskriften for kvelden er: Konflikter og rolleutfordringer i styrerommet   Denne kvelden beveger vi oss inn i kulissene for selskapet: Gerinomo Management AS som er et SMB selskap, opprinnelig grundet og eiet av 2 tidligere kamerater: Halvor og Jonas. De to har hatt 30 års fartstid sammen i og med oppbyggingen av selskapet. I løpet av kort tid oppstår to situasjoner: Halvor får akutt hjerteproblemer på vei hjem fra arbeid og dør kort tid etter. Det kommer videre frem at Jonas sin tilstand de siste månedene har vært holdt skjult, men det blir nå klart at han har hurtig eskalerende demens og ikke er istand til å ta vare på seg selv eller selskapet. Vedtektene og aksjonæravtalen har noen bestemmelser om situasjoner som her oppstår, men er ikke dekkende nå som begge eiere er «ute av bildet». Neste generasjon på begge sider ønsker å «rykke inn» for å overta den veldrevne virksomheten. Et styre må på plass og håndtere både utfordringer og muligheter som står foran selskapet. Her må vi inn å analysere: hva som skjer, hva som burde gjøres, hvordan vi kan gå frem for å håndtere ulike situasjoner etc?   Bli med oss for å løse opp knuter og finne veien videre!   [-]

1 av 10 henvendelser på vår veiledningstjeneste gjelder medikamenter. Mange av oss vil av ulike årsaker komme til å bruke medikamenter som kan gi rusvirkning på grunn av fysisk eller psykisk sykdom i løpet av livet. Medikamentbruk er normalt, men for noen kan bruk gå over til medikamentavhengighet. I kurset ser vi på hvordan du kan bidra til å forebygge og håndtere utfordringer i virksomheten knyttet til problematisk bruk av medikamenter. Målgruppe: Alle som er opptatt av HMS arbeid, AMU, Bedriftshelsetjeneste, Akan utvalg, Verneombud, ledere, HR ansatte og tillitsvalgte. Læringsmål: Økt kompetanse om hvordan forebygge og håndtere problemer i virksomheten knyttet til bruk og misbruk av medikamenter. Hør gjerne podkasten Ta Praten «To+To+To= 30» eller ta en titt på rapporten «Du av alle»  [-]

Dokumentert opplæring i henhold til Arbeidsmiljøloven og fire forskrifter: Forskrift om organisering, ledelse og medvirkning, Arbeidsplassforskriften, Forskrift om utførelse av arbeid, og Produsentforskriften (tidligere Forskrift for bruk av arbeidsutstyr).   Disse forskriftene stiller krav til arbeid i høyden. Det er arbeidsgivers ansvar at alt personell som arbeider med stillas skal ha dokumentert opplæring.   Stillas er inndelt i flere typer, på dette kurser tar vi for oss rullestillas, rammestillas (fasadestillas) og modulstillas. Opplæring består av en teoretisk og en praktisk del. Kurset avsluttes med en multipel choice eksamen.   Pris pr. deltaker er kr 1490,-   For ytterligere informasjon eller påmelding kontakt oss eller registrer deg på instantkurs.no [-]

 This course teaches you to leverage your existing knowledge of Python and machine learning to manage data ingestion and preparation, model training and deployment, and machine learning solution monitoring in Microsoft Azure. TARGET AUDIENCE This course is designed for data scientists with existing knowledge of Python and machine learning frameworks like Scikit-Learn, PyTorch, and Tensorflow, who want to build and operate machine learning solutions in the cloud. COURSE CONTENT Module 1: Introduction to Azure Machine Learning In this module, you will learn how to provision an Azure Machine Learning workspace and use it to manage machine learning assets such as data, compute, model training code, logged metrics, and trained models. You will learn how to use the web-based Azure Machine Learning studio interface as well as the Azure Machine Learning SDK and developer tools like Visual Studio Code and Jupyter Notebooks to work with the assets in your workspace. Getting Started with Azure Machine Learning Azure Machine Learning Tools Lab : Creating an Azure Machine Learning WorkspaceLab : Working with Azure Machine Learning Tools After completing this module, you will be able to Provision an Azure Machine Learning workspace Use tools and code to work with Azure Machine Learning Module 2: No-Code Machine Learning with Designer This module introduces the Designer tool, a drag and drop interface for creating machine learning models without writing any code. You will learn how to create a training pipeline that encapsulates data preparation and model training, and then convert that training pipeline to an inference pipeline that can be used to predict values from new data, before finally deploying the inference pipeline as a service for client applications to consume. Training Models with Designer Publishing Models with Designer Lab : Creating a Training Pipeline with the Azure ML DesignerLab : Deploying a Service with the Azure ML Designer After completing this module, you will be able to Use designer to train a machine learning model Deploy a Designer pipeline as a service Module 3: Running Experiments and Training Models In this module, you will get started with experiments that encapsulate data processing and model training code, and use them to train machine learning models. Introduction to Experiments Training and Registering Models Lab : Running ExperimentsLab : Training and Registering Models After completing this module, you will be able to Run code-based experiments in an Azure Machine Learning workspace Train and register machine learning models Module 4: Working with Data Data is a fundamental element in any machine learning workload, so in this module, you will learn how to create and manage datastores and datasets in an Azure Machine Learning workspace, and how to use them in model training experiments. Working with Datastores Working with Datasets Lab : Working with DatastoresLab : Working with Datasets After completing this module, you will be able to Create and consume datastores Create and consume datasets Module 5: Compute Contexts One of the key benefits of the cloud is the ability to leverage compute resources on demand, and use them to scale machine learning processes to an extent that would be infeasible on your own hardware. In this module, you'll learn how to manage experiment environments that ensure consistent runtime consistency for experiments, and how to create and use compute targets for experiment runs. Working with Environments Working with Compute Targets Lab : Working with EnvironmentsLab : Working with Compute Targets After completing this module, you will be able to Create and use environments Create and use compute targets Module 6: Orchestrating Operations with Pipelines Now that you understand the basics of running workloads as experiments that leverage data assets and compute resources, it's time to learn how to orchestrate these workloads as pipelines of connected steps. Pipelines are key to implementing an effective Machine Learning Operationalization (ML Ops) solution in Azure, so you'll explore how to define and run them in this module. Introduction to Pipelines Publishing and Running Pipelines Lab : Creating a PipelineLab : Publishing a Pipeline After completing this module, you will be able to Create pipelines to automate machine learning workflows Publish and run pipeline services Module 7: Deploying and Consuming Models Models are designed to help decision making through predictions, so they're only useful when deployed and available for an application to consume. In this module learn how to deploy models for real-time inferencing, and for batch inferencing. Real-time Inferencing Batch Inferencing Lab : Creating a Real-time Inferencing ServiceLab : Creating a Batch Inferencing Service After completing this module, you will be able to Publish a model as a real-time inference service Publish a model as a batch inference service Module 8: Training Optimal Models By this stage of the course, you've learned the end-to-end process for training, deploying, and consuming machine learning models; but how do you ensure your model produces the best predictive outputs for your data? In this module, you'll explore how you can use hyperparameter tuning and automated machine learning to take advantage of cloud-scale compute and find the best model for your data. Hyperparameter Tuning Automated Machine Learning Lab : Tuning HyperparametersLab : Using Automated Machine Learning After completing this module, you will be able to Optimize hyperparameters for model training Use automated machine learning to find the optimal model for your data Module 9: Interpreting Models Many of the decisions made by organizations and automated systems today are based on predictions made by machine learning models. It's increasingly important to be able to understand the factors that influence the predictions made by a model, and to be able to determine any unintended biases in the model's behavior. This module describes how you can interpret models to explain how feature importance determines their predictions. Introduction to Model Interpretation using Model Explainers Lab : Reviewing Automated Machine Learning ExplanationsLab : Interpreting Models After completing this module, you will be able to Generate model explanations with automated machine learning Use explainers to interpret machine learning models Module 10: Monitoring Models After a model has been deployed, it's important to understand how the model is being used in production, and to detect any degradation in its effectiveness due to data drift. This module describes techniques for monitoring models and their data. Monitoring Models with Application Insights Monitoring Data Drift Lab : Monitoring a Model with Application InsightsLab : Monitoring Data Drift After completing this module, you will be able to Use Application Insights to monitor a published model Monitor data drift   [-]

. [-]

  Bli PRINCE2 Agile® Foundation-sertifisert. Delta på vårt 3-dagers kurs på Skøyen! Ingen krav til forkunnskaper og ta online-eksamen i etterkant, på et tidspunkt som passer for deg. Kurset gir deg en grunnleggende forståelse for den populære PRINCE2®-prosjektmetoden i kombinasjon med smidige metoder, og passer for deg som jobber eller er involvert i, smidige prosjekter, eller kommer til å gjøre det etter hvert. PRINCE2 Agile® gir deg den mest tidsaktuelle og relevante vinklingen av smidig tilnæring og rammeverket inkluderer en rekke smidige metoder, slik som SCRUM, Kanban og Lean Startup. Lær hvordan smidige metoder passer og kan integreres i et PRINCE2® prosjekt.    Ekstra bonus: PRINCE2 Agile® Foundation e-læringskurs (engelsk) inkludert i prisen (tilgang 12 måneder) - verdi 9.900,-Ypperlig som forberedelse til kurset og for repetisjon og øving til eksamen! Eksamensgaranti: Ny sjanse om du ikke består eksamen på første forsøk (verdi 3.500,-)    Målgruppe  Det er ikke krav til forkunnskaper for deg som ønsker å ta PRINCE2 Agile® Foundation sertifiseringen. Kurset passer for alle som jobber i eller med små og store prosjekter, enten du er prosjektleder, prosjektmedarbeider eller på en annen måte er involvert i prosjekter, hvor en smidig metode kan være aktuell. Læringsutbytte: Dette PRINCE2 Agile® Foundation sertifiseringskurset vil gi deg et overblikk på PRINCE2® metoden og et overblikk på smidige konsepter og teknikker, samt kunnskap om hvordan de best spiller sammen. Kurset belyser hvordan du på best mulig måte skreddersyr PRINCE2® for en smidig tilnærming i ulike situasjoner, og hvordan du kan integrere et smidig rammeverk og tilhørende teknikker for å heve prosjektkvaliteten. Typisk for smidige utviklingsmetoder er eksempelvis stegvis utvikling, hyppige leveranser, kontinuerlig læring, styring etter verdi m.m. PRINCE2 Agile® kobler sammen PRINCE2® rammeverket med smidige metoder, og i din prosjekthverdag gir det deg:   Kombinasjonen av kontroll og fleksibilitet Klar definisjon av prosjektet Sømløs integrering Forbedret evne til å reagere og gjøre tilpasninger underveis i prosjektet I kurset veksles det mellom teori og praktiske øvelser. Innhold i kurset: PRINCE2 Agile® kurset inneholder følgende elementer: Innsikt i smidig metodikk og teknikker Påbygging av etablert PRINCE2® kunnskap Innsikt i hvordan PRINCE2 Agile® og PRINCE2® kan fungere sammen, hvordan integrere smidige teknikk i et PRINCE2® prosjekt Læring gjennom praktiske oppgaver Forberedelse til PRINCE2 Agile® Foundation eksamen   Kursdetaljer: Det er ingen krav til forkunnskaper for å delta på kurset. Kurset gjennomføres som klasseromskurs, 9-16 hver dag. Online eksamen gjennomføres i etterkant av kurset Online eksamen: Eksamen gjennomføres online fra din PC, i etterkant av kurset og innen 12 måneder. Merk at du må ha kamera på maskinen din. Du vil motta en e–post fra PeopleCert (eksamensleverandør) med informasjon om hvordan du melder deg opp til eksamen. Eksamen gjennomføres online og du velger selv dag/tid for eksamen i PeopleCert sin kalender. Du blir fulgt av en eksamensvakt fra PeopleCert via web-kamera under gjennomføringen av eksamen. Kursholder vil også informere om eksamen når du deltar på kurset  Eksamen er inkludert i kursprisen.EksamengarantiVi har eksamensgaranti. Det betyr at dersom du ikke består eksamen på første forsøk så gir vi deg en ny sjanse uten merkostnad. Eksamen 50 multiple choice spørsmål 55 % riktig besvart = bestått sertifisering (28 av 50 spørsmål) Varighet: 1 time Ingen hjelpemidler Engelsk eksamen Eksamen på Foundation nivå består av kunnskapsspørsmål (huske og kunne gjengi). Foundation-sertifiseringen må fornyes innen 3 år. Tar du eksamen på et språk som ikke er ditt morsmål får du tildelt 25 % ekstra tid fra kursholder. Gratis e-læringsmoduler inkludert Når du er påmeldt vårt 3-dagers kurs, får du også tilgang til vårt komplette PRINCE2 Agile® Foundation e-læringskurs! Du har tilgang til dette i 12 måneder og kan bruke det som forberedelse til kurset, eksamensforberedelse eller repetisjon etter gjennomført kurs. (E-læringskurset selger vi også som et selvstendig produkt, og det koster 9.900,- inklusiv eksamen). Pensum Digital pensumbok (engelsk) er inkludert i prisen. Du får tilgang til denne via PeopleCert sin kandidatportal PASSPORT samtidig som du mottar eksamensvoucheren for kurset. Undervisningen i kurset tar utgangspunkt i PRINCE2 Agile®-manualen (pensumboken): “PRINCE2 Agile®” (3rd impression). PRINCE2 Agile® is a registered trademark of the PeopleCert group. Used under licence from PeopleCert. All rights reserved. [-]

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     [-]

TARGET AUDIENCE Software engineers concerned with building, managing and deploying AI solutions that leverage Azure Cognitive Services, Azure Cognitive Search, and Microsoft Bot Framework. They are familiar with C#, Python, or JavaScript and have knowledge on using REST-based APIs to build computer vision, language analysis, knowledge mining, intelligent search, and conversational AI solutions on Azure. COURSE OBJECTIVES After completing this course you should be able to: Describe considerations for creating AI-enabled applications Identify Azure services for AI application development Provision and consume cognitive services in Azure Manage cognitive services security Monitor cognitive services Use a cognitive services container Use the Text Analytics cognitive service to analyze text Use the Translator cognitive service to translate text Use the Speech cognitive service to recognize and synthesize speech Use the Speech cognitive service to translate speech Create a Language Understanding app Create a client application for Language Understanding Integrate Language Understanding and Speech Use QnA Maker to create a knowledge base Use a QnA knowledge base in an app or bot Use the Bot Framework SDK to create a bot Use the Bot Framework Composer to create a bot Use the Computer Vision service to analyze images Use Video Indexer to analyze videos Use the Custom Vision service to implement image classification Use the Custom Vision service to implement object detection Detect faces with the Computer Vision service Detect, analyze, and recognize faces with the Face service Use the Computer Vision service to read text in images and documents Use the Form Recognizer service to extract data from digital forms Create an intelligent search solution with Azure Cognitive Search Implement a custom skill in an Azure Cognitive Search enrichment pipeline Use Azure Cognitive Search to create a knowledge store   COURSE CONTENT Module 1: Introduction to AI on Azure Artificial Intelligence (AI) is increasingly at the core of modern apps and services. In this module, you'll learn about some common AI capabilities that you can leverage in your apps, and how those capabilities are implemented in Microsoft Azure. You'll also learn about some considerations for designing and implementing AI solutions responsibly. Introduction to Artificial Intelligence Artificial Intelligence in Azure Module 2: Developing AI Apps with Cognitive Services Cognitive Services are the core building blocks for integrating AI capabilities into your apps. In this module, you'll learn how to provision, secure, monitor, and deploy cognitive services. Getting Started with Cognitive Services Using Cognitive Services for Enterprise Applications Lab: Get Started with Cognitive Services Lab: Get Started with Cognitive Services Lab: Monitor Cognitive Services Lab: Use a Cognitive Services Container Module 3: Getting Started with Natural Language Processing  Natural Language processing (NLP) is a branch of artificial intelligence that deals with extracting insights from written or spoken language. In this module, you'll learn how to use cognitive services to analyze and translate text. Analyzing Text Translating Text Lab: Analyze Text Lab: Translate Text Module 4: Building Speech-Enabled Applications Many modern apps and services accept spoken input and can respond by synthesizing text. In this module, you'll continue your exploration of natural language processing capabilities by learning how to build speech-enabled applications. Speech Recognition and Synthesis Speech Translation Lab: Recognize and Synthesize Speech Lab: Translate Speech Module 5: Creating Language Understanding Solutions To build an application that can intelligently understand and respond to natural language input, you must define and train a model for language understanding. In this module, you'll learn how to use the Language Understanding service to create an app that can identify user intent from natural language input. Creating a Language Understanding App Publishing and Using a Language Understanding App Using Language Understanding with Speech Lab: Create a Language Understanding App Lab: Create a Language Understanding Client Application Use the Speech and Language Understanding Services Module 6: Building a QnA Solution One of the most common kinds of interaction between users and AI software agents is for users to submit questions in natural language, and for the AI agent to respond intelligently with an appropriate answer. In this module, you'll explore how the QnA Maker service enables the development of this kind of solution. Creating a QnA Knowledge Base Publishing and Using a QnA Knowledge Base Lab: Create a QnA Solution Module 7: Conversational AI and the Azure Bot Service Bots are the basis for an increasingly common kind of AI application in which users engage in conversations with AI agents, often as they would with a human agent. In this module, you'll explore the Microsoft Bot Framework and the Azure Bot Service, which together provide a platform for creating and delivering conversational experiences. Bot Basics Implementing a Conversational Bot Lab: Create a Bot with the Bot Framework SDK Lab: Create a Bot with a Bot Freamwork Composer Module 8: Getting Started with Computer Vision Computer vision is an area of artificial intelligence in which software applications interpret visual input from images or video. In this module, you'll start your exploration of computer vision by learning how to use cognitive services to analyze images and video. Analyzing Images Analyzing Videos Lab: Analyse Images with Computer Vision Lab: Analyze Images with Video Indexer Module 9: Developing Custom Vision Solutions While there are many scenarios where pre-defined general computer vision capabilities can be useful, sometimes you need to train a custom model with your own visual data. In this module, you'll explore the Custom Vision service, and how to use it to create custom image classification and object detection models. Image Classification Object Detection Lab: Classify Images with Custom Vision Lab: Detect Objects in Images with Custom Vision Module 10: Detecting, Analyzing, and Recognizing Faces Facial detection, analysis, and recognition are common computer vision scenarios. In this module, you'll explore the user of cognitive services to identify human faces. Detecting Faces with the Computer Vision Service Using the Face Service Lab:Destect, Analyze and Recognize Faces Module 11: Reading Text in Images and Documents Optical character recognition (OCR) is another common computer vision scenario, in which software extracts text from images or documents. In this module, you'll explore cognitive services that can be used to detect and read text in images, documents, and forms. Reading text with the Computer Vision Service Extracting Information from Forms with the Form Recognizer service Lab: Read Text in IMages Lab: Extract Data from Forms Module 12: Creating a Knowledge Mining Solution Ultimately, many AI scenarios involve intelligently searching for information based on user queries. AI-powered knowledge mining is an increasingly important way to build intelligent search solutions that use AI to extract insights from large repositories of digital data and enable users to find and analyze those insights. Implementing an Intelligent Search Solution Developing Custom Skills for an Enrichment Pipeline Creating a Knowledge Store Lab: Create and Azure Cognitive Search Solution Create a Custom Skill for Azure Cognitive Search Create a Knowledge Store with Azure Cognitive Search   TEST CERTIFICATION Recommended as preparation for the following exams: AI-102 - Designing and Implementing a Microsoft Azure AI Solution - Part of the requirements for the Microsoft Certified Azure AI Engineer Associate Certification.   HVORFOR VELGE SG PARTNER AS:  Flest kurs med Startgaranti Rimeligste kurs Beste service og personlig oppfølgning Tilgang til opptak etter endt kurs Partner med flere av verdens beste kursleverandører [-]

1 [-]