IT-kurs
IT kompetanse
Oslo
Du har valgt: Frogner
Nullstill
Filter
Ferdig

-

5 dager 30 000 kr
The new ECSAv10 program offers a seamless learning progress, continuing where the CEH program left off. [+]
Unlike most other pen testing programs that only follow a generic kill chain methodology; the ECSA presents a set of distinguishable comprehensive methodologies that are able to cover different pentesting requirements across different verticals. The ECSA penetration testing course provides you with a real world hands-on penetration testing experience and is a globally accepted hacking and penetration testing class available that covers the testing of modern infrastructures, operating systems and application environments while teaching the students how to document and write a penetration testing report.The ECSA pentest program takes the tools and techniques you learned in the Certified Ethical Hacker course (CEH) and elevates your ability into full exploitation by teaching you how to apply the skills learned in the CEH by utilizing EC-Council’s published penetration testing methodology. It focuses on pentesting methodology with an emphasis on hands-on learning.   Course outline: Security Analysis and Penetration Testing Methodologies TCP IP Packet Analysis Pre-penetration Testing Steps Information Gathering Methodology Vulnerability Analysis External Network Penetration Testing Methodology Internal Network Penetration Testing Methodology Firewall Penetration Testing Methodology IDS Penetration Testing Methodology Web Application Penetration Testing Methodology SQL Penetration Testing Methodology Database Penetration Testing Methodology Wireless Network Penetration Testing Methodology Mobile Devices Penetration Testing Methodology Cloud Penetration Testing Methodology Report Writing and Post Test Actions [-]
Les mer
2 dager 15 000 kr
This live classroom course is new for 2018! It focuses on the newest technologies of Microsoft Machine Learning Server and SQL Server 2017. [+]
This live classroom course is new for 2018! It focuses on the newest technologies of Microsoft Machine Learning Server and SQL Server 2017. This 2-day course introduces the most important concepts and Tools, and should be followed by the 3-day course: Intermediate Machine Learning in R on SQL Server and Microsoft ML Server. If you have attended a prior course on Machine Learning, like Rafals week-long class Practical Data Science course offered in 2015-2017, and if you are versed in model validity, accuracy, and reliability, then you should consider attending the Intermediate course only. Ask yourself these questions: Can I explain the difference between cross-validation and hold-out testing? Do I know which business metrics correspond to precision and which to recall? Is model accuracy more important than reliability? And how does a boosted decision tree work? If in doubt, please attend both the Introduction course (2 days) and Intermediate course (3 days).  To deliver the best possible training we follow the industry. The agenda and course content are subject to continuous improvement and revision without further notice. Machine Learning Fundamentals We begin with a thorough introduction of all of the key concepts, terminology, components, and tools. Topics include: Machine learning vs. data mining vs. artificial intelligence Tool landscape: open source R vs. Microsoft R, Python, SQL Server, ML Server, Azure ML Teamwork Algorithms There are hundreds of machine learning algorithms, yet they belong to just a dozen of groups, of which 5 are in very common use. We will introduce those algorithm classes, and we will discuss some of the most often used examples in each class, while explaining which technology tools (Azure ML, SQL, or R) provide their most convenient implementation. You will also learn how to find more algorithms on the Internet and how to figure out if they are any good for real use. Topics include: What do algorithms do? Algorithm classes in R, Python, ML Server, Azure ML, and SSAS Data Mining Supervised vs. unsupervised learning Classifiers Clustering Regressions Similarity Matching Recommenders Data Machine learning requires you to prepare your data into a rather unique, flat, denormalised format. While features (inputs) are always necessary, and you may need to engineer thousands of them, we do not need labels (predictive outputs) in all cases. Topics include: Cases, observations, signatures Inputs and outputs, features, labels, regressors, independent and dependent variables, factors Data formats, discretization/quantizing vs. continuous Indicator columns Feature engineering Azure ML data preparation and manipulation modules Moving data around and its storage, SQL vs. NoSQL, files, data lakes, BLOBs, and Hadoop Process of Data Science The process consists of problem formulation, data preparation, modelling, validation, and deployment—in an iterative fashion. You will briefly learn about the CRISP-DM industry-standard approach but the key subject of this module will teach you how to apply the scientific method of reasoning to solve real-world business problems with machine learning and statistics. Notably, you will learn how to start projects by expressing needs as hypotheses, and how to test them. Topics include: CRISP-DM Stating business question in data science term Hypothesis testing and experiments Students t-test Pearson chi-squared test Iterative hypothesis refinement Introduction to Model Building At the heart of every project we build machine learning models! The process is simple and it follows a well-trodden path. In this module you will build your first decision tree and get it ready for validation in the next module. Topics include: Connecting to data Splitting data to create a holdout Training a decision tree Scoring the holdout Plotting accuracy Introduction to Model Validation The most important aspect of any data science, artificial intelligence, and machine learning project is the iterative validation and improvement of the models. Without validation, your models cannot be reliably used. There are several tests of model validity, most importantly those that check accuracy and reliability. Topics include: Testing accuracy False positives vs. false negatives Classification (confusion) matrix Precision and recall Balancing precision with recall vs. business goals and constraints Introduction to lift charts and ROC curves Testing reliability Testing usefulness Format The course format is 50% lectures, 30% demos and 20% tutorials. You are encouraged to follow the demos on your machine, and you will be challenged to find answers to 3 larger problems during the tutorials. While they are a hands-on part of the course, if you prefer not to practice, you are welcome to use that time for additional Q&A, or to analyse your own data. We will provide you with all the necessary data sets, and we will explain what free or evaluation edition software needs to be installed to follow the course on your own laptop. In some training centres we are able to provide pre-built machines which you can use instead of your own—please enquire. You will need an Azure account (even a free one) during the course. You can copy course experiments and data into your workspace for learning and for future reference after the course.  [-]
Les mer
Nettstudier 1 semester 4 980 kr
På forespørsel
Utviklingsprosesser. Modellering. UML. Verktøy. Objektorientert analyse Objektorientert design. Bruk av arkitektoniske stiler og design mønstre. Implementasjon og test. [+]
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.    [-]
Les mer
1 dag 4 900 kr
Dave Wells: Practice Director, Data Management at Eckerson Group   Dave Wells is an advisory consultant, educator, and industry analyst dedicated to b... [+]
   Dave Wells: Practice Director, Data Management at Eckerson Group   Dave Wells is an advisory consultant, educator, and industry analyst dedicated to building meaningful connections throughout the path from data to business value. More than forty years of information systems experience combined with over ten years of business management give him a unique perspective about the connections among business, information, data, and technology.    The once simple world of data preparation—ETL for operational data integration—changed radically with the emergence of self-service data analysis and visualization tools. Every line-of-business data analyst needs the ability to prepare data before analysis. The exciting work of analytics doesn’t work well until the data is ready for meaningful analysis.    The common practice of using spreadsheets to improve, enrich, blend, and format data is inefficient, time consuming, and error prone. Modern data preparation technologies meet the challenges with business-friendly and code-free tools. When your analytics projects spend more time finding and fixing data than analyzing the data, you really need to make a change. Learn about the tools and techniques that can help individuals and teams—both business and technical—to cleanse, combine, format, and sample data for analytics.     You Will Learn:  •The common challenges of data preparation in the age of big data   •Techniques for data preparation that improve both speed and quality of analytics activities   •The business case and the technical case for data preparation tools   •The data management and governance benefits of data preparation technologies   •The landscape of tools and technologies for modern data preparation     OM CGI   CGI Group Inc. ble grunnlagt i 1976 og er verdens femte største uavhengige leverandør av tjenester innen IT- og forretningsprosesser. Med 74 000 medarbeidere over hele verden, leverer CGI en portefølje av ende-til-ende løsninger innen avanserte IT- og forretningskonsulenttjenester, systemintegrasjon og utsetting av IT- og forretningsprosesser. CGIs modell med kundenærhet, et globalt leveransenettverk og egne løsninger bidrar til at kundene hurtigere oppnår resultater og bidrar til deres digitale transformasjon. CGI har en samlet årlig omsetning på over 60 milliarder NOK. CGI-aksjene er notert på TSX (GIB.A) og NYSE (GIB). Hjemmeside: www.cginorge.no      [-]
Les mer
9 500 kr
Praktisk maskinlæring med eksempler i R, Python og Azure ML. [+]
Maskinlæring inngår som en naturlig del av faget kunstig intelligens (AI), og har de senere årene fått stor oppmerksomhet. I dette kurset vil du bli kjent med mange av metodene som benyttes i maskinlæring. Kurset har en praktisk tilnærming der du anvender metodene på forskjellige case. Hver kursdeltager har tilgang på egen kursPC, og velger selv om han/hun vil arbeid i R, Python, Azure ML, eller bare være passiv deltager. Kursinnhold Lineær og ulineær regresjon Logistisk regresjon Trebaserte metoder (Random forrest) Support vector machines og Kernels Nevrale nettverk (prediksjon og læring) Avanserte nevrale nettverk Ikke-veiledet læring K-means clustering Prinsipal komponentanalyse (PCA) Overparameterisering og hyperparametertilpasning Dimensjonsreduksjon og regularisering Eksempler i R, Python og Azure ML [-]
Les mer
1 dag 5 900 kr
Big Data has become THE buzzword in today’s media. Unfortunately, most in-depth information on Big Data are for those building the solution, not those seeking a competiti... [+]
Big Data has become THE buzzword in today’s media. Unfortunately, most in-depth information on Big Data are for those building the solution, not those seeking a competitive edge through advanced analytics. Now we share our experience and best practices. Learn about advanced analytics and how big data can be transform your business. Get fundamental understanding of principles, techniques and platforms, and be informed about the challenges involved in implementing a solution. Most people in business find it difficult to make decisions based on the large amount of information they have. Big Data is about solving this challenge. Affecto has more than 15 years of experience in Business Intelligence and Big Data. A deeper understanding of available business information may create development opportunities and can transform knowledge into action through good decision-making. Real time information and self-service give you precise and relevant information. This way you can take smart decisions and give personalized service and advice. Content:What is Big Data, and how to make use of it? Is Big Data just a hype? Innovation with Big Data Client cases and best uses of Big Data in real life Hands-on training Data discovery and analysis with new tools such as IBM Watson and Blue Mix What are the main technologies within Big Data? Data sources Visualization Analysis and data mining Implementation Introduction to data mining and Big Data techniques Big Data and marketing: Segmenting and targeting your audience Social media analytics. How to get data from the web and understand the buzz Text mining. How to understand text and boost your prediction level Internet of Things and Big Data: Utilizing sensor data for predictive maintenance and analytics Hands-on training Vizualisation and analysis with tools as Tableau Big Data challenges How to choose the right tools Organizing Big Data projects How to get started with Big Data successfully   OM CGI CGI Group Inc. ble grunnlagt i 1976 og er verdens femte største uavhengige leverandør av tjenester innen IT- og forretningsprosesser. Med 74 000 medarbeidere over hele verden, leverer CGI en portefølje av ende-til-ende løsninger innen avanserte IT- og forretningskonsulenttjenester, systemintegrasjon og utsetting av IT- og forretningsprosesser. CGIs modell med kundenærhet, et globalt leveransenettverk og egne løsninger bidrar til at kundene hurtigere oppnår resultater og bidrar til deres digitale transformasjon. CGI har en samlet årlig omsetning på over 60 milliarder NOK. CGI-aksjene er notert på TSX (GIB.A) og NYSE (GIB). Hjemmeside: www.cgi.com [-]
Les mer
1 dag 6 200 kr
Data genereres i stadig større mengder - av mennesker, av sensorer og av innebygde dataenheter. Mottak, behandling og analyse av store datamengder krever distribuerte tek... [+]
Data genereres i stadig større mengder - av mennesker, av sensorer og av innebygde dataenheter. Mottak, behandling og analyse av store datamengder krever distribuerte teknologier og lagringsformater. Big Data er blitt et fellesbegrep på disse teknologiene og dataene de behandler. Det er i dag forretningskritisk innenfor flere og flere bransjer å kunne håndtere Big Data. Men hvor skal man begynne? Kursinnhold Hvordan defineres Big Data? Hvilke problemstillinger kan løses med Big Data Hvilke Big Data teknologier finnes og hvilke bør vi satse på? Hva er hovedutfordringene med å ta i bruk Big Data? Kurset gjennomføres som en serie foredrag med rom for spørsmål og utdypninger innen hvert emne. De mest brukte teknologiene innen Big Data lagring, datahåndtering og analyse blir gjennomgått og vurdert, inkludert Hadoop, Spark, Hive, HBase, Cassandra, Kafka, MongoDB og en rekke andre. [-]
Les mer
Nettkurs 1 semester 6 000 kr
Dette kurset bruker OSI-modellen som en forklaringsmodell til datakommunikasjon, samt hva som kreves for å koble en pc til et nettverk. [+]
Faglig innhold:Dette kurset innholder OSI-modellen som en forklaringsmodell til datakommunikasjon. En oversikt over ulike lag i OSI-modellen med tilhørende eksempler på protokoller Hva kreves for å koble en pc til et nettverk - Nettverkskonfigurasjon - Ulike typer infrastruktur - Tilkoblinger til Internett Ulike typer enheter som kan kobles til Internett Sikkerhetsaspekter i tilknytning til datakommunikasjon og infrastruktur.Læremål:Etter å ha gjennomført emnet skal studenten ha følgende læringsutbytte:KUNNSKAPERStudenten har:- kunnskap om begreper, prosesser, og verktøy som anvendes innenfor datakommunikasjon- kunnskap om grunnprinsipper i lagdelt datakommunikasjon- innsikt i virkemåten til eksempelprotokoller på de ulike lagene i OSI-modellen- innsikt i ulike typer infrastruktur, kommunikasjonsutstyr og overføringsteknologi- bransjekunnskap om sikkerhetsprinsipper i tilknytning til datakommunikasjon og infrastrukturFERDIGHETERStudenten kan:- anvende faglig kunnskap til å analysere konfigurasjonen på egen pc som er koblet til et nettverk- anvende faglig kunnskap til å analysere og videreutvikle eksisterende infrastruktur- kartlegge sikkerhetsutfordringer knyttet til bruk av ulike teknologier inne datakommunikasjon- anvende relevante faglige verktøy- Eks. Wireshark til å fange og analysere datatrafikk- Eks. Ping og Traceroute til å identifisere ulike typer nettverksproblemerGENERELL KOMPETANSEStudenten har:- forståelse for yrkes- og bransjeetiske prinsipper- utviklet en etisk grunnholdning i utøvelsen av yrket- kan bygge relasjoner med fagfeller gjennom aktiv deltakelse i ulike digitale kanaler [-]
Les mer
1 dag 7 500 kr
14 Oct
18 Nov
15 Dec
Data science og maskinlæring er blitt en viktig drivkraft bak mange forretnings beslutninger. Men fortsatt er mange usikre på hva begrepene innebærer og hvilke muligheter... [+]
Maskinlæring handler om sette datamaskiner i stand til å lære fra og utvikle atferd basert på data. Det vil si at en datamaskin kan løse en oppgave den ikke er eksplisitt programmert for å håndtere. I stedet er den i stand til å automatisk lære gjenkjenning av komplekse mønstre i data og gjøre beslutninger basert på dette disse. Maskinlæring gir store muligheter, men mange bedrifter har problemer med å ta teknologien i bruk. Nøyaktig hvilke oppgaver kan maskinlæring utføre, og hvordan kommer man i gang? Dette kurset gir oversikt over mulighetene som ligger i maskinlæring, og hvordan i tillegg til kunnskap om hvordan teknologien kan løse oppgaver og skape resultater i praksis. Hva er maskinlæring, datavitenskap og kunstig intelligens og hvordan det er relatert til statistikk og dataanalyse? Hvordan å utvinne kunnskap fra dataene dine? Hva betyr Big data og hvordan analyseres det? Hvor og hvordan skal du bruke maskinlæring til dine daglige forretningsproblemer? Hvordan bruke datamønstre til å ta avgjørelser og spådommer med eksempler fra den virkelige verden? Hvilke typer forretningsproblemer kan en maskinen lære å håndtere Muligheter som maskinlæring gir din bedrift Hva er de teoretiske aspekter på metoder innen maskinlæring? Hvilke ML-metoder som er relevante for ulike problemstillinger innen dataanalyse? Hvordan evaluere styrker og svakheter mellom disse algoritmene og velge den beste? Anvendt data science og konkrete kunde eksempler i praksis Målsetning Kurset gir kunnskap om hvordan maskinlæring kan løse et bestemt problem og hvilke metoder som egner seg i en gitt situasjon. Du blir i stand til å kan skaffe deg innsikt i data, og vil kunne identifisere egenskapene som representerer dem best. Du kjenner de viktigste maskinlæringsalgoritmene og hvilke metoder som evaluerer ytelsen deres best. Dette gir grunnlag for kontinuerlig forbedring av løsninger basert på maskinlæring. [-]
Les mer
3 dager 4 515 kr
På forespørsel
Kandidaten skal bl.a. kunne begrunne IT-investeringer og få kjennskap til noen av de juridiske og etiske aspekter ved bruken av IT [+]
Kursinnhold• Organisasjoner og bruk av IT• IT- ledelse  • Verdsettelse av IT• Den globale nettverksøkonomien• Prosjektledelse• Samarbeid og kommunikasjon• Juridiske og etiske problemstillinger   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 Plan, ser på organisasjoner og deres bruk av IT, både som en tilrettelegger for effektive informasjonsystemer, og som en plattform for innovasjon. Modulen krever at kandidaten skal ha en grundig forståelse av organisasjoner, deres strategier og forretningsprosesser, samt de globale trender og muligheter som er involvert. Kandidaten skal kjenne igjen de viktigste problemstillinger knyttet til styringen av IT, som for eksempel å velge riktig teknologi, eller å velge mellom utvikling av interne systemer eller outsourcing. Kandidaten skal også kunne begrunne IT-investeringer og få kjennskap til noen av de juridiske og etiske aspekter ved bruken av IT. Kandidaten skal bli oppmerksomm på kravet om en profesjonell tilnærming til prosjektledelse og kvalitetsikring. Kandidaten skal også forstå betydningen av teambygging og effektivt kommunikasjon når man presenterer sin analyse eller beslutning for organisasjonen. [-]
Les mer
3 timer 2 500 kr
  Dave Wells: Practice Director, Data Management at Eckerson Group   Dave Wells is an advisory consultant, educator, and industry analyst dedicated to building ... [+]
  Dave Wells: Practice Director, Data Management at Eckerson Group    Dave Wells is an advisory consultant, educator, and industry analyst dedicated to building meaningful connections throughout the path from data to business value. More than forty years of information systems experience combined with over ten years of business management give him a unique perspective about the connections among business, information, data, and technology.   Managing data in an analytics- driven organization is complex and challenging. Abundant data sources, variety of data types, and multiple use cases result in many data pipelines—possibly as many as one distinct pipeline for each use case. Capabilities to find data, manage dataflow and workflow, and deliver the right data in the right forms for analysis are essential for all who seek to become analytics-driven organizations.    Multiple and complex data pipelines quickly become chaotic with pressures of agile, democratization, self-service, and organizational “pockets” of analytics. Increased difficulty of governance and uncertainty of data usage are only the beginning. From enterprise BI to self-service analysis, data pipeline management should ensure that data analysis results are traceable, reproducible, and of production strength. Robust pipeline management works across a variety of platforms from relational to Hadoop, and recognizes today’s bi-directional data flows where any data store may function in both source and target roles.    You Will Learn:    •The challenges and complexities of modern data pipelines •Why dataflow and workflow are critical parts of analytics architecture and how they fit into architecture •The roles and functions of metadata in pipeline management •The important relationships of pipeline management and data governance •How to define and design data pipelines •The state of tools and technologies to support pipeline management    OM CGI   CGI Group Inc. ble grunnlagt i 1976 og er verdens femte største uavhengige leverandør av tjenester innen IT- og forretningsprosesser. Med 74 000 medarbeidere over hele verden, leverer CGI en portefølje av ende-til-ende løsninger innen avanserte IT- og forretningskonsulenttjenester, systemintegrasjon og utsetting av IT- og forretningsprosesser. CGIs modell med kundenærhet, et globalt leveransenettverk og egne løsninger bidrar til at kundene hurtigere oppnår resultater og bidrar til deres digitale transformasjon. CGI har en samlet årlig omsetning på over 60 milliarder NOK. CGI-aksjene er notert på TSX (GIB.A) og NYSE (GIB). Hjemmeside: www.cginorge.no    [-]
Les mer
4 dager 4 865 kr
På forespørsel
Modul Build består av de tradisjonelle, tekniske aspektene ved design, spesifikasjon, utvikling, testing, integrering og anvendelse av IT-systemer [+]
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.   Målsetning Modul Build består av de tradisjonelle, tekniske aspektene ved design, spesifikasjon, utvikling, testing, integrering og anvendelse av IT-systemer. Det krever at kandidaten forstår systemutviklingens livssyklus, kjenner til den typiske utviklingsprosessen og er klar over de nyeste utviklingstrekk innen programvare. Kandidaten skal også kunne benytte relevante metoder og verktøy. Kandidaten skal kjenne til designprinsipper knyttet til brukergrensesnitt, websider og hypermedia, så vel som de som brukes i relasjonsdatabaser og datavarehus. Kandidaten vil også få en grunnleggende kunnskap om søkespråk og være oppmerksom på noen viktige databaseadministrasjonsproblemer. I tillegg skal kandidaten være i stand til å anvende typiske datastrukturer og algoritmer, gjenkjenne ulike programmeringsspråk og konstruksjoner, vurdere problemer med å opprettholde systemer, samt kjenne til dokumentasjon og testing av software systemer. [-]
Les mer
Nettstudier 1 semester 4 980 kr
På forespørsel
Datamaskinarkitektur: De viktigste komponentene og deres virkemåte og oppbygging: CPU, buss, lagerteknologier (cache og ulike typer primær- og sekundærlager), kontrollere... [+]
  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 [-]
Les mer
6 dager 7 525 kr
På forespørsel
Modul Plan, ser på organisasjoner og deres bruk av IT, både som en tilrettelegger for effektive informasjonsystemer, og som en plattform for innovasjon [+]
Kursinnhold     * Organisasjoner og bruk av IT    * IT- ledelse                     * Verdsettelse av IT    * Den globale nettverksøkonomien    * Prosjektledelse    * Samarbeid og kommunikasjon    * Juridiske og etiske problemstillinger   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 Plan, ser på organisasjoner og deres bruk av IT, både som en tilrettelegger for effektive informasjonsystemer, og som en plattform for innovasjon. Modulen krever at kandidaten skal ha en grundig forståelse av organisasjoner, deres strategier og forretningsprosesser, samt de globale trender og muligheter som er involvert. Kandidaten skal kjenne igjen de viktigste problemstillinger knyttet til styringen av IT, som for eksempel å velge riktig teknologi, eller å velge mellom utvikling av interne systemer eller outsourcing. Kandidaten skal også kunne begrunne IT-investeringer og få kjennskap til noen av de juridiske og etiske aspekter ved bruken av IT.   Kandidaten skal bli oppmerksom på kravet om en profesjonell tilnærming til prosjektledelse og kvalitetsikring. Kandidaten skal også forstå betydningen av teambygging og effektivt kommunikasjon når man presenterer sin analyse eller beslutning for organisasjonen.   [-]
Les mer
Nettkurs 1 semester 6 000 kr
Introduksjon til informasjonsteknologi, maskinvare og en datamaskins oppbygging, programvare og operativsystemer. [+]
Etter å ha gjennomført emnet skal studenten ha følgende læringsutbytte:    KUNNSKAPERStudenten har:- kunnskap om datamaskinens oppbygning og virkemåte;- kunnskap om begreper, prosesser og verktøy som anvendes i et operativsystem- innsikt i forskjellige tallsystemer og hvorfor vi benytter oss av disse- innsikt i ulike virtualiseringsteknologier og skyløsninger- kunnskap om begreper og bruk av kommandobasert grensesnitt og script  FERDIGHETERStudenten kan:- anvende faglig kunnskap til å analysere egen pc- anvende faglig kunnskap til å sikre egen maskin og data mot kjente trusler- kan anvende kjente skyløsninger for samskriving, filutveksling, kommunikasjon og lignende- anvende script til å utføre enkle og repeterende operasjoner    Eks. nettverkskonfigurasjon     Eks. prosessoversikt- kan finne og henvise til informasjon og fagstoff innenfor sikkerhet og vurdere relevansen     GENERELL KOMPETANSEStudenten kan:- forståelse for yrkes- og bransjeetiske prinsipper - kan utveksle synspunkter med andre med bakgrunn innenfor bransjen/ yrket- kan bygge relasjoner med fagfeller gjennom aktiv deltakelse i ulike digitale kanaler [-]
Les mer

Lukk Denne siden benytter seg av informasjonskapsler (cookies).
Du kan fortsette å bruke siden som vanlig hvis du godtar dette. Les mer om bruk av informasjonskapsler i vår personvernerklæring.