Kurs i Steinkjer

C# is a power language. [-]

Målsetting: Forebygge at personell som arbeider nær ved elektriske anlegg og betjener elektrisk utstyr ikke blir utsatt for ulykker som er forårsaket av kortslutning (lysbue) eller strømgjennomgang i et lavspenningsanlegg. Deltakerne vil også få opplæring i hvordan man skal opptre hvis en kommer opp i en ulykke forårsaket av elektrisk strøm, samt teoretisk opplæring i førstehjelp (HLR). Kurset er i henhold til: Kurset tilfredsstiller myndighetenes krav iht. FSE-forskriftens §§ 2 og 3 og DSB`s Elsikkerhet nr. 73 og 84 for ikke sakkyndig personell som skal arbeide med enkle driftsoppgaver. Årlig repetisjon er et myndighetskrav, ref. FSE-forskriften § 7.   Læremål: Etter gjennomført kurs skal deltakerne ha en bevisst holdning til elsikkerhet, slik at antall personskader og skader på materiell pga. elektrisk strøm blir redusert. FSE opplæring skal gi kunnskap om regelverk og instruksjoner, enkle vedlikeholdsoppgaver, hvordan betjene et elektrisk anlegg med blant annet sikringer og motorvern, risikovurdering og planlegging, jordfeilproblematikk og faremomenter, bruk av måleinstrumenter, bruk av verneutstyr og til slutt melding om ulykker og opplæring i førstehjelp ved strømulykker. Del 1 – FSE Instruert personell Elsikkerhet – hvorfor så viktig? Myndighetskrav FSE-forskriften Ansvarsforhold Instruert personell – definisjoner – ansvar Overordnet planlegging Risikovurdering Strømgjennomgang Melding om ulykker Ulykker og statistikk Kortslutning og lysbueskader Bruk av verneutstyr Feilsøking Jordfeilproblematikk Faremomenter Teknisk opplæring Del 2 - førstehjelp Opptreden på skadestedet Prioritering og behandling Elektriske skader  -  Fallskader Skader ved strømgjennomgang (rytmeforstyrrelser i hjerte) Lysbueskader Brannskader Hvordan HLR skal utføres De mest alminnelige akutte sykdommer Alminnelig reaksjon når krisesituasjoner oppstår   [-]

Test test [-]

Ingeniørpakken gir til sammen 2 realfagspoeng og passer for deg som vil bli ingeniør, men som mangler fag eller må forbedre fagene. Har du studiekompetanse, men mangler realfag for å kunne søke opptak ved ingeniørhøyskoler? Fagene du trenger, er matematikk R1 og R2 og fysikk 1. Her kan du prøve Matematikk eller Fysikk (gratis) Gjennomføring NettstudierDu bestemmer hva, 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. Plattform for oppmelding til eksamen kan variere fra fylke til fylke. Se fylkesoversikt her. Husk at betaling av eksamensavgiften skjer ved oppmelding.  Velg Ingeniørpakken og få tilgang til Fysikk 1, Matematikk R1 og Matematikk R2 i 12 måneder. Du velger selv når du vil ta eksamen.  Fysikk 1, eksamen nov/des eller mai/juni Matematikk R1, eksamen nov/des eller mai/juni Matematikk R2, eksamen nov/des eller mai/juni 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. Lånekassestøtte Utdanningen er godkjent i lånekassen. Søk direkte via lanekassen.no.For mer informasjon se nettsiden vår under Praktisk info. Støtteordninger 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 mer norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle kurs her Krav til utstyr Som deltaker på K2 Nettstudier kan du bruke både mobil, nettbrett og PC når du tar kurset.Til eksamen må du ha tilgang til PC. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Se her 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.   [-]

Du vil få tilsendt en sertifiserings-voucher slik at du kan ta sertifiseringstesten for eksempel hjemme eller på jobb. Denne vil være gyldig i ett år. Tid for sertifiseringstest avtales som beskrevet i e-post med voucher. Eksamen overvåkes av en web-basert eksamensvakt.  Eksamen er på engelsk. Eksamensformen er casebasert med 50 tilknyttede multiple choice-spørsmål, og du består ved 66% korrekte svar (dvs 30 av 50 spørsmål). Deltakerne har 2 timer og 30 minutter til rådighet på eksamen.  Dette er en åpen bok eksamen. Nødvendige forkunnskaper: PRINCE2® Agile Foundation eller PRINCE2® Foundation sertifisering [-]

Hva lærer du? Du lærer hvordan systematisk arbeid med å redusere miljøpåvirkningen kan bidra til en mer bærekraftig utvikling, og at kontinuerlig forbedring av miljøprestasjonen vil bidra til å fremme virksomhetens samfunnsansvar. Hva du får igjen for kurset Du blir i stand til å bistå virksomheter med å redusere kostnader knyttet til avfall og energiforbrukDu blir i stand til å bruke miljøarbeid aktivt for å forbedre omdømmet Fyll ut skjemaet til høyre, så får du omgående svar fra kursholder med informasjon og datoer.   [-]

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

MEDLEMSKURS: Retningslinjer for virksomheten i aksjeloven § 6-12 (Gratis for medlemmer) Nettbasert / Ca. 45 min / "Live" med Styrekonsulent   Ett komprimert og nyttig kurs med mange verdifulle tips og råd, "live" med styrekonsulent – enten via Teams eller Zoom. Mulighet for å stille spørsmål mm. underveis.   Kursinnhold: Styrets ansvar for organisering av selskapet i Aksjeloven § 6-12 Hvorfor styret bør vurdere å etablere retningslinjer Hva menes med «retningslinjer» i lovgivningen? Grunner til at styret bør påse utarbeidelse av retningslinjer Fundament for styring og ledelse/ansvarsbegrensende prosess Hvem utvikler retningslinjene og hva kan de omfatte? Verdien i og for selskapet av gjennomtenkte retningslinjer for drift Retningslinjenes oppdragende og retningsgivende effekt Retningslinjer i praksis – definere og bestemme omfang og områder Eksempler fra andre selskaper og tips og råd   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   [-]

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher slik at du kan ta sertifiseringstesten for eksempel hjemme eller på jobb. Denne vil være gyldig i ett år. Tid for sertifiseringstest avtales som beskrevet i e-post med voucher. Eksamen overvåkes av en web-basert eksamensvakt.   Eksamen er på engelsk. Eksamensformen er multiple choice - 50 spørsmål skal besvares, og du består ved 55% korrekte svar (dvs 28 av 50 spørsmål). Deltakerne har 1 time og 15 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.   Nødvendige Forkunnskaper: Ingen [-]

Du skal etter kurset: Kjenne til ulike metoder for å overvåke det systematiske HMS-arbeidet i virksomheten Kunne gjennomføre HMS-revisjoner basert på ISO 19011:2018 Være revisjonsleder og revisor i forbindelse med revisjoner av ledelsessystemer og internkontrollsystemer  Hva lærer du: Hvordan gjennomføre revisjoner med bruk av den internasjonalt anerkjente revisjonsmetoden NS-EN ISO-19011:2018, retningslinjer for revisjon av ledelsessystemer Forskjeller og likheter mellom revisjon i henhold til ISO 9001, ISO 14001, ISO 45001 og forskrift om systematisk HMS-arbeid (Internkontrollforskriften) Alle faser i revisjonsprosessen: Planlegge, utføre, kontrollere og korrigere Om revisjonsfunn, rapportering og oppfølging Hvordan bruke revisjoner i kontinuerlig forbedringsarbeid Revisjonsprinsipper og kompetansekrav til revisor Om etiske retningslinjer og fortrolighet Ulike metoder for systematisk overvåking av internkontrollen Fyll ut skjemaet til høyre, så får du omgående svar fra kursholder med informasjon og datoer.   [-]

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

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     [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer:   Vurderingsform: Studenten velger ut 3 av sine blogginnlegg som teller med på vurderingen. I tillegg skal studenten skrive et eksamensarbeid i form av et refleksjonsnotat som skal vurderes sammen med blogginnleggene. Dette eksamensarbeidet skal være i størrelsesorden 5-10 A4 sider. Ansvarlig: Svend Andreas Horgen         Læremål: KUNNSKAPER:- Informasjonskilder: Jeg kan hjelpe mine elever å finne og vurdere relevant informasjon, inkludert bilder, kart, lyd og video fra IKT kilder, på lik linje med tradisjonelle kilder(for eksempel RSS, Wikipedia). - Lagring av informasjon: Jeg kan hjelpe mine elever å lagrer informasjon på digital form slik som blogger, wikier, podcaster eller portefølger (dvs. slik at det er tilgjengelig hjemme, på reise og til eksterne eksperter / rådgivere). - Kommunikasjon: Jeg kan hjelpe mine elever å kommunisere synkront og asynkront gjennom tekst, tale og video. - Dokumentasjon: Jeg kan skrive innlegg på nettet for å dokumentere læringsaktiviteter/hendelser og legge til rette for elevenes bruk av dette materialet etterpå (e-portefølge, skjermopptak, klassens blog / wiki). - Trygg bruk: Jeg kan hjelpe mine elever å bruke elektroniske applikasjoner på en trygg måte (f.eks. elektronisk identitet, privatliv, pålitelighet). - Gruppearbeid: Jeg kan legge til rette for gruppearbeid på nettet, ved hjelp av metoder som kompleks instruksjon.- Læring: Jeg kan identifisere forventede læringsutbytter fra bruken av bestemte IKT-verktøy for en bestemt læringsaktivitet. - Vurdering: Jeg kan identifisere hvordan læringsutbyttene tilknyttet IKT-relaterte aktiviteter skal bidra til vurderingen av elevene og å kunne og bruke egnede verktøy for å registrere dette (f.eks. faglig utvikling og coaching). FERDIGHETER:- Planlegging: Jeg har laget en plan for min faglige utvikling i riktig bruk av IKT i min undervisning. - Dokumentasjon: Jeg har dokumentert bruken av et interaktivt internettverktøy, slik at andre kan dra nytte av mine erfaringer. - Deling: Jeg har prøvd minst én måte å dele min IKT erfaring med kolleger enten internt eller eksternt. - Lokal kontekst: Jeg har identifisert hvilke muligheter og begrensninger som gjelder for bruk av interaktive Internettverktøy i min institusjon. - Portefølge: Jeg har begynt på eller lagt til nytt materiale til en eksisterende e-portefølge. - Evaluering: Jeg har evaluert resultatene av mitt endrede undervisningsopplegg og dokumentert dette i min e-portefølge. - Coaching: Jeg har prøvd ut parvis coaching med en av mine kolleger. - Coaching: Jeg har de nødvendige ferdighetene når det gjelder å lytte og å stille spørsmål for å kunne coache andre mennesker. Innhold:Lage egen blogg på nett, coaching, oversikt over diverse lærings- og undervisningsstiler samt finne ut hvor din stil passer inn. Teknologi og verktøy for læring på nett, GROW-modellen, undersøkelser om tilstanden i egen institusjon når det gjelder bruk av IKT-verktøy i undervisningen, nettsteder for yrkesutøvere (CoP-Community of Practice), eksempler på "best practice", metoder for å planlegge og gjennomføre egne læringsaktiviteter på nett med bruk av diverse IKT-verktøy, coaching-teknikker. Sentrale verktøy er: blogg, wiki, video, lyd, undersøkelser, avstemminger. I alle disse verktøyene skal det produseres innhold.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Web 2.0 og coaching for lærere etter vitae metoden 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Blended Virtual Course The course is a hybrid of virtual training and self-study which will be a mixture of teaching using Microsoft Teams for short bursts at the beginning of the day, then setting work for the rest of the day and then coming back at the end of the day for another on-line session for any questions before setting homework in the form of practice exams for the evening. You do not have to install Microsoft Teams , you will receive a link and can access the course using the web browser.  Remote proctored examTake your exam from any location. Read about iSQI remote proctored exam here Requirements for the exam: The exam will be using Google Chrome and there is a plug-in that needs to be installed  You will need a laptop/PC with a camera and a microphone  A current ID with a picture  This 3-day course is aimed at anyone wishing to attain the ISTQB Advanced Test Automation Engineer qualification. This qualification builds upon the Foundation syllabus and provides essential skills for all those involved in test automation and who want to develop further their expertise in one or more specific areas. Bouvet sine kursdeltakeres testresultater vs ISTQB gjennomsnitt A Test Automation Engineer is one who has broad knowledge of testing in general, and an in-depth understanding in the special area of test automation. An in-depth understanding is defined as having sufficient knowledge of test automation theory and practice to be able to influence the direction that an organization and/or project takes when designing, developing and maintaining test automation solutions for functional tests. The modules offered at the Advanced Level Specialist cover a wide range of testing topics.   The course is highly practical addressing the following areas: Introduction and objectives for Test Automation This section provides an introduction to test automation explaining the objectives, advantages, disadvantages and limitations of test automation as well as technical success factors of a test automation project. Preparing for Test Automation Understanding the type of system is vital for determining the most appropriate automation solution and also how we can design systems and testing for more effective automation. This section also looks at how we can evaluate for the most appropriate tools. The generic Test Automation architecture A test automation engineer has the role of designing, developing, implementing, and maintaining test automation solutions. As each solution is developed, similar tasks need to be done, similar questions need to be answered, and similar issues need to be addressed and prioritized. These reoccurring concepts, steps, and approaches in automating testing become the basis of the generic test automation architecture, and this will be discussed in detail during this section Deployment risks and contingencies This section looks at the various risks associated with the deployment of test tools and how to avoid test automation failure. Test Automation reporting and metrics Providing information to stakeholders for them to make informed decisions about the quality of the software is a vital part of testing and this section looks at the various metrics that can be used to monitor test automation and what information should be supplied to the stakeholder and how it should be presented. Transitioning manual testing to an automated environment This section looks at the various criteria to apply to determine the suitability for automation and understanding the factors for transitioning from manual to automation testing Verifying the Test Automation solution To have justified confidence in the information we supply to the stakeholders regarding test automation we must have justified confidence in the test environment and test automation solution supporting the information Continuous improvement This section looks ahead and how we can improve the automation solution making it more effective and efficient The Exam The ISTQB Advanced Test Automation Engineer exam is a 1 hour 30 minute, 40 question multiple-choice exam totaling 75 points. The pass mark is 65% (49 out of 75). It is a pre-requisite that attendees hold the ISTQB Foundation Level certificate. [-]

Dette studiet gir deg generell studiekompetanse hvis du tidligere har fullført yrkesfaglig utdanning med fagbrev eller svennebrev. Du blir dermed kvalifisert for opptak til høyere utdanning ved høyskole og universitet. Velg dette studium dersom du har oppnådd yrkeskompetanse med fagbrev eller svennebrev.   Obligatoriske emner Norsk Vg3, Påbygging til generell studiekompetanse         Historie Vg3 påbygging         Matematikk 2P-Y Vg3 påbygging         Naturfag Vg3 påbygging       Nivå: Videregående skole       Krav til forkunnskaper:           Yrkeskompetanse med fagbrev eller svennebrev fra videregående skole.   Studietid:   Du kan bruke inntil 18 måneder på å gjennomføre dette studiet. Dersom du ser at du trenger lenger tid på å fullføre kan du søke om forlengelse. Hvis du søker om forlengelse før studietiden har gått ut koster det 350 kroner pr. måned. Hvis du søker om forlengelse etter at den ordinære studietiden har gått ut koster det først 500 kroner i oppstartsgebyr og så 350 kroner pr. måned. Du kan utvide din studietid ved å sende en søknad om forlengelse pr. e-post til studietid@nki.no Studiestart:    Studiet har studiestart hver dag, hele året. Når vi har registrert din bestilling, mottar du passord til Nettskolen - og du er i gang! Antall innsendinger:  23   Eksamen:   Privatisteksamen arrangeres normalt to ganger i året over hele landet, ved videregående skoler som har den studieretningen du tar utdanning på. Du må selv melde deg opp til eksamen ved Privatistkontoret i hjemfylket ditt, eller via www.privatistweb.no Frister for oppmelding varierer, men er vanligvis 5. -15. januar for eksamen til sommeren og 5. - 15. september for eksamen til jul. Eksakt dato får du ved å kontakte fylkeskommunen. Pris for forbedringsfag varierer fra fylke til fylke. All informasjon om eksamen.     Pris kontant:   Pris 27 000,- Studiemateriell:   Studiemateriell fåes kjøpt hos NKI Forlaget. Etter bestilling av nettstudiet får du en link til NKI Forlaget hvor du finner pensumlitteratur og tilbud om å kjøpe de bøkene du trenger. Lånekassen:   Godkjent for lån / stipend i lånekassen. Finansiering:   Du kan velge mellom kortbetaling, faktura på totalbeløpet, avdragsordning eller annen betaler. Dette velger du i bestillingen. Tips til finansiering:   Du kan få støtte fra arbeidsgiver, NAV, fagforeninger eller søke om stipender. [-]