Oversikt over relevante kurs innen IT kompetanse i Bjerke

Modern Service Oriented Architecture [-]

Kursinnhold• Hardwarekomponenter og arkitektur• Operativsystemer  • Kommunikasjon og nettverk• Nettverkstjenester• Trådløs og mobil databehandling• Nettverksadministrasjon• Service og support   UndervisningsformKlasseromsundervisning med prosjektor hvor deltakerne får tildelt PC med nødvendig programvare installert. Praktisk trening med øvingsoppgaver for å aktivisere kunnskapen.   InstruktørerVi har erfarne instruktørene med høy kompetanse, lang erfaring og dyktige pedagogiske evner.   MålsetningModul Operate omhandler nettverk og relaterte kommunikasjonstjenester innen en IT- infrastruktur, samt vedlikehold og brukerproblemstillinger i forhold til tjenestetilbudet. Modulen krever at kandidaten skal kjenne til hardware komponenter, dataarkitekturer og forskjellige operativsystemer. Kandidaten skal også skille mellom ulike nivåer av kommunikasjonsprotokoller, og deres bruk i både kablede og trådløse nettverksteknologier. Dessuten skal kandidaten forstå Simple Network Management Protocol (SNMP), e-post og webtjenester, og de tilhørende sikkerhetstrusler og mottiltak. Kandidaten skal forstå betydningen av en klient-orientert tilnærming til IT-støtte, og kunne benytte noen av de grunnleggende prinsipper for IT-support.. [-]

CEH: Certified Ethical Hacker v12 [-]

Modern Application Architecture [-]

COURSE OVERVIEW The course is not designed to teach students to become professional data scientists or software developers, but rather to build awareness of common AI workloads and the ability to identify Azure services to support them. The course is designed as a blended learning experience that combines instructor-led training with online materials on the Microsoft Learn platform (https://azure.com/learn). The hands-on exercises in the course are based on Learn modules, and students are encouraged to use the content on Learn as reference materials to reinforce what they learn in the class and to explore topics in more depth. TARGET AUDIENCE The Azure AI Fundamentals course is designed for anyone interested in learning about the types of solution artificial intelligence (AI) makes possible, and the services on Microsoft Azure that you can use to create them. You don’t need to have any experience of using Microsoft Azure before taking this course, but a basic level of familiarity with computer technology and the Internet is assumed. Some of the concepts covered in the course require a basic understanding of mathematics, such as the ability to interpret charts. The course includes hands-on activities that involve working with data and running code, so a knowledge of fundamental programming principles will be helpful. COURSE OBJECTIVES  After completing this course, you will be able to: Describe Artificial Intelligence workloads and considerations Describe fundamental principles of machine learning on Azure Describe features of computer vision workloads on Azure Describe features of Natural Language Processing (NLP) workloads on Azure Describe features of conversational AI workloads on Azure   COURSE CONTENT Module 1: Introduction to AI In this module, you'll learn about common uses of artificial intelligence (AI), and the different types of workload associated with AI. You'll then explore considerations and principles for responsible AI development. Artificial Intelligence in Azure Responsible AI After completing this module you will be able to Describe Artificial Intelligence workloads and considerations Module 2: Machine Learning Machine learning is the foundation for modern AI solutions. In this module, you'll learn about some fundamental machine learning concepts, and how to use the Azure Machine Learning service to create and publish machine learning models. Introduction to Machine Learning Azure Machine Learning After completing this module you will be able to Describe fundamental principles of machine learning on Azure Module 3: Computer Vision Computer vision is a the area of AI that deals with understanding the world visually, through images, video files, and cameras. In this module you'll explore multiple computer vision techniques and services. Computer Vision Concepts Computer Vision in Azure After completing this module you will be able to Describe features of computer vision workloads on Azure Module 4: Natural Language Processing This module describes scenarios for AI solutions that can process written and spoken language. You'll learn about Azure services that can be used to build solutions that analyze text, recognize and synthesize speech, translate between languages, and interpret commands. After completing this module you will be able to Describe features of Natural Language Processing (NLP) workloads on Azure Module 5: Conversational AI Conversational AI enables users to engage in a dialog with an AI agent, or *bot*, through communication channels such as email, webchat interfaces, social media, and others. This module describes some basic principles for working with bots and gives you an opportunity to create a bot that can respond intelligently to user questions. Conversational AI Concepts Conversational AI in Azure After completing this module you will be able to Describe features of conversational AI workloads on Azure   TEST CERTIFICATION Recommended as preparation for the following exams: Exam AI-900: Microsoft Azure AI Fundamentals. 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 [-]

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 [-]

Kursinnhold• Systemutvikling, prosess og metode• Datahåndteringe og databaser  • Programmering• Brukergrensesnitt og webdesign   UndervisningsformKlasseromsundervisning med prosjektor hvor deltakerne får tildelt PC med nødvendig programvare installert. Praktisk trening med øvingsoppgaver for å aktivisere kunnskapen.   InstruktørerVi har erfarne instruktørene med høy kompetanse, lang erfaring og dyktige pedagogiske evner.     [-]

DP-203: Data Engineering on Microsoft Azure [-]

  Studieår: 2013-2014   Gjennomføring: Vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: For å kunne gå opp til eksamen må 8 utvalgte øvingsoppgaver være godkjente. Det settes krav til at studenten har tilgang til en PC som kan brukes til praktiske maskinvare- og programvareendringer for å trene på feildiagnostisering og feilretting. Maskinen kan gjerne være en eldre og utdatert maskin, men den må virke. Personlig veileder: ja Vurderingsform: Skriftlig eksamen, individuell, 3 timer. Ansvarlig: Geir Ove Rosvold Eksamensdato: 20.12.13 / 23.05.14         Læremål: KUNNSKAPER:Kandidaten:- har innsikt i datamaskinens virkemåte både fra et teoretisk og praktisk ståsted- kjenner godt til de enkelte komponenter i datamaskinen og hvordan de virker sammen- kjenner til de grunnleggende matematikk- og informatikktema (tallsystemer, datarepresentasjon, lokalitet) som er relevante for emnets tekniske hovedtemaer FERDIGHETER:Kandidaten:- kan gjøre nytte av sine teoretiske kunnskaper inne emnets tema i relevant praktisk problemløsing- kan optimalisere, oppgradere og holde ved like en datamaskin, samt diagnostisere, feilsøke og reparere en datamaskin ved de vanligste feilsituasjoner GENERELL KOMPETANSE:Kandidaten:- har kompetanse til selvstendig både å formidle og å ta i bruk sine kunnskaper og ferdigheter innen emnets tema- kan i en praktisk driftssituasjon, forklare og gjøre bruk av sin kunnskap både innen hvert enkelt tema i faget og på tvers av temaene Innhold:Datamaskinarkitektur: De viktigste komponentene og deres virkemåte og oppbygging: CPU, buss, lagerteknologier (cache og ulike typer primær- og sekundærlager), kontrollere og io-utstyr, avbruddsmekanismen, DMA, brikkesett og moderne systemarkitektur, ulike maskinklasser. Prosessorarkitektur: Pipeline, superskalaritet, dynamisk utføring, mikrooperasjoner, kontrollenheten, hardkoding kontra mikroprogrammering, RISC og CISC. Teori-tema: Tallsystemer. Datarepresentasjon og -aritmetikk. Buss- og lagerhierarki. Cache og lokalitet. Høynivåspråk kontra assembly. Praktisk driftsarbeid: Kabinett, hovedkort, ulike prosessorer, buss, RAM, cache, BIOS. Lyd-, nettverks-og skjermkort. Sekundærminne (Harddisk, CD-ROM, DVD, tape og andre typer). Avbruddsmekanismen, I/O, DMA og busmastering. Å oppdage og rette feil. Boot-prosessen. Formatering, partisjonering.Les mer om faget her [-]

Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: Erfaring fra et objektorientert programmeringsspråk, kjennskap til prosjektarbeid Innleveringer: Innleverte øvinger. Det blir gitt 10 øvinger, 8 må være godkjent for å kunne gå opp til eksamen. Personlig veileder: ja Vurderingsform: 4 timer skriftlig eksamen. Ansvarlig: Tore Berg Hansen Eksamensdato: 12.12.13         Læremål: Forventet læringsutbytte:Etter å ha gjennomført emnet Objektorientert systemutvikling skal studenten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kan definere, gjenkjenne og forklare de grunnleggende konsepter for utvikling av store programvaresystemer basert på det objektorienterte paradigme- argumentere for betydningen av å følge en prosessmodell- argumentere for fordelene med smidige prosesser- argumentere for modellbasert utvikling- beskrive modellene som brukes i objektorientert systemutvikling og hvordan de henger sammen- forklare begrepene arkitektoniske stiler og designmønstre FERDIGHETER:Kandidaten:- kan demonstrere den systematiske gangen fra krav, via arkitektonisk og detaljert design, til ferdig kodet og implementert system GENERELL KOMPETANSE:Kandidaten:- er klar over at utvikling av store programvaresystemer er ingeniørarbeid- er seg bevisst at utvikling av komplekse programvaresystemer krever koordinert innsats av et velfungerende team som følger en definert, smidig prosess- er opptatt av tett kontakt med alle interessenter for å oppnå et godt resultat Innhold:Utviklingsprosesser. Modellering. UML. Verktøy. Objektorientert analyse Objektorientert design. Bruk av arkitektoniske stiler og design mønstre. Implementasjon og test.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag Objektorientert systemutvikling 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Kursinnhold• Hardwarekomponenter og arkitektur• Operativsystemer  • Kommunikasjon og nettverk• Nettverkstjenester• Trådløs og mobil databehandling• Nettverksadministrasjon• Service og support   UndervisningsformKlasseromsundervisning med prosjektor hvor deltakerne får tildelt PC med nødvendig programvare installert. Praktisk trening med øvingsoppgaver for å aktivisere kunnskapen.   InstruktørerVi har erfarne instruktørene med høy kompetanse, lang erfaring og dyktige pedagogiske evner.   MålsetningModul Operate omhandler nettverk og relaterte kommunikasjonstjenester innen en IT- infrastruktur, samt vedlikehold og brukerproblemstillinger i forhold til tjenestetilbudet. Modulen krever at kandidaten skal kjenne til hardware komponenter, dataarkitekturer og forskjellige operativsystemer. Kandidaten skal også skille mellom ulike nivåer av kommunikasjonsprotokoller, og deres bruk i både kablede og trådløse nettverksteknologier. Dessuten skal kandidaten forstå Simple Network Management Protocol (SNMP), e-post og webtjenester, og de tilhørende sikkerhetstrusler og mottiltak. Kandidaten skal forstå betydningen av en klient-orientert tilnærming til IT-støtte, og kunne benytte noen av de grunnleggende prinsipper for IT-support.. [-]

AI-050: Develop Generative AI Solutions with Azure OpenAI Service [-]

The students will also explore how to implement data security including authentication, authorization, data policies and standards. They will also define and implement data solution monitoring for both the data storage and data processing activities. Finally, they will manage and troubleshoot Azure data solutions which includes the optimization and disaster recovery of big data, batch processing and streaming data solutions. Agenda Module 1: Azure for the Data Engineer -Explain the evolving world of data-Survey the services in the Azure Data Platform-Identify the tasks that are performed by a Data Engineer-Describe the use cases for the cloud in a Case Study Module 2: Working with Data Storage. -Choose a data storage approach in Azure-Create an Azure Storage Account-Explain Azure Data Lake storage-Upload data into Azure Data Lake Module 3: Enabling Team Based Data Science with Azure Databricks. -Explain Azure Databricks and Machine Learning Platforms-Describe the Team Data Science Process-Provision Azure Databricks and workspaces-Perform data preparation tasks Module 4: Building Globally Distributed Databases with Cosmos DB. -Create an Azure Cosmos DB database built to scale-Insert and query data in your Azure Cosmos DB database-Provision a .NET Core app for Cosmos DB in Visual Studio Code-Distribute your data globally with Azure Cosmos DB Module 5: Working with Relational Data Stores in the Cloud. -SQL Database and SQL Data Warehouse-Provision an Azure SQL database to store data-Provision and load data into Azure SQL Data Warehouse Module 6: Performing Real-Time Analytics with Stream Analytics. Module 7: Orchestrating Data Movement with Azure Data Factory. -Explain how Azure Data Factory works-Create Linked Services and datasets-Create pipelines and activities-Azure Data Factory pipeline execution and triggers Module 8: Securing Azure Data Platforms. -Configuring Network Security-Configuring Authentication-Configuring Authorization-Auditing Security Module 9: Monitoring and Troubleshooting Data Storage and Processing. -Data Engineering troubleshooting approach-Azure Monitoring Capabilities-Troubleshoot common data issues-Troubleshoot common data processing issues Module 10: Integrating and Optimizing Data Platforms. -Integrating data platforms-Optimizing data stores-Optimize streaming data-Manage disaster recovery [-]

AI-102: Designing and Implementing a Microsoft Azure AI Solution [-]

Inga Strümke gir deg en innføring i kunstig intelligens og maskinlæring som gjør det lettere å ta bedre beslutninger. Kunstig intelligens (AI) er mer i vinden enn noensinne, men visste du at det har eksistert som akademisk fagfelt siden 1950-tallet? I dette kurset får du en innføring i hva kunstig intelligens egentlig er for noe, hvordan det brukes i dag og hvordan du kan anvende det for å ta bedre beslutninger. Du lærer om maskinlæring og nevrale nettverk, og hvordan dyp læring brukes til komplekse problemer som språkforståelse og bildegjenkjenning. Du får innsikt i fallgruver, hvorfor de oppstår og hvordan de kan unngås, og ikke minst – hva du bør tenke på når din bedrift skal ta i bruk kunstig intelligens.  HVA VIL DU LÆRE: Kunstig intelligens Maskinlæring, dyp læring og nevrale nettverk Data Bildegjenkjenning og språkforståelse Proxyvariabler og korrelasjon i modeller Forklaringer: Hva og for hvem? Integrering i bedriften Leksjoner Introduksjon til kurset Innføring i kunstig intelligens og algoritmer Maskinlæring Data  Nevrale nettverk og dyp læring Bildegjenkjenning Språkmodeller Proxy-variabler og et eksempel fra forsikring Korrelasjon og kausalitet  Forklaring - hva og for hvem? Eksempler på bruk Helhetlig integrering  Oppsummering [-]