Oversikt over relevante kurs innen IT kompetanse i Sankt Hanshaugen

Skriv kursbeskrivelse her [-]

The students will also explore how to design data security including data access, data policies and standards. They will also design Azure data solutions which includes the optimization, availability and disaster recovery of big data, batch processing and streaming data solutions. Agenda Module 1: Data Platform Architecture Considerations. -Core Principles of Creating Architectures-Design with Security in Mind-Performance and Scalability-Design for availability and recoverability-Design for efficiency and operations-Case Study Module 2: Azure Batch Processing Reference Architectures. -Lambda architectures from a Batch Mode Perspective-Design an Enterprise BI solution in Azure-Automate enterprise BI solutions in Azure-Architect an Enterprise-grade Conversational Bot in Azure Module 3: Azure Real-Time Reference Architectures. -Lambda architectures for a Real-Time Perspective-Lambda architectures for a Real-Time Perspective-Design a stream processing pipeline with Azure Databricks-Create an Azure IoT reference architecture Module 4: Data Platform Security Design Considerations. -Defense in Depth Security Approach-Network Level Protection-Identity Protection-Encryption Usage-Advanced Threat Protection Module 5: Designing for Resiliency and Scale. -Design Backup and Restore strategies-Optimize Network Performance-Design for Optimized Storage and Database Performance-Design for Optimized Storage and Database Performance-Incorporate Disaster Recovery into Architectures-Design Backup and Restore strategies Module 6: Design for Efficiency and Operations. -Maximizing the Efficiency of your Cloud Environment-Use Monitoring and Analytics to Gain Operational Insights-Use Automation to Reduce Effort and Error [-]

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 [-]

The course will cover general cloud computing concepts as well as general cloud computing models and services such as Public, Private and Hybrid cloud and Infrastructure-as-a-Service (IaaS), Platform-as-a-Service(PaaS) and Software-as-a-Service (SaaS). It will also cover some core Azure services and solutions, as well as key Azure pillar services concerning security, privacy, compliance and trust. It will finally cover pricing and support services available.   Agenda Module 1: Cloud Concepts -Learning Objectives-Why Cloud Services?-Infrastructure-as-a-Service (IaaS), Platform-as-a-Service (PaaS) and Software-as-a-Service (SaaS)-Public, Private, and Hybrid cloud models Module 2: Core Azure Services -Core Azure architectural components-Core Azure Services and Products-Azure Solutions-Azure management tools Module 3: Security, Privacy, Compliance and Trust -Securing network connectivity in Azure-Core Azure Identity services-Security tools and features-Azure governance methodologies-Monitoring and Reporting in Azure-Privacy, Compliance and Data Protection standards in Azure Module 4: Azure Pricing and Support -Azure subscriptions-Planning and managing costs-Support options available with Azure-Service lifecycle in Azure [-]

Objectives Describe specialized data classifications on Azure Identify Azure data protection mechanisms Implement Azure data encryption methods Secure Internet protocols and how to implement them on Azure Describe Azure security services and features Agenda Module 1: Identity and Access -Configure Azure Active Directory for Azure workloads and subscriptions-Configure Azure AD Privileged Identity Management-Configure security for an Azure subscription Module 2: Platform Protection -Understand cloud security-Build a network-Secure network-Implement host security-Implement platform security-Implement subscription security Module 3: Security Operations -Configure security services-Configure security policies by using Azure Security Center-Manage security alerts-Respond to and remediate security issues-Create security baselines Module 4: Data and applications -Configure security policies to manage data-Configure security for data infrastructure-Configure encryption for data at rest-Understand application security-Implement security for application lifecycle-Secure applications-Configure and manage Azure Key Vault       [-]

Recommend solutions to minimize costs Recommend a solution for Conditional Access, including multi-factor authentication Recommend a solution for a hybrid identity including Azure AD Connect and Azure AD Connect Recommend a solution for using Azure Policy Recommend a solution that includes KeyVault Recommend a solution that includes Azure AD Managed Identities Recommend a storage access solution Design and Azure Site Recovery solution Recommend a solution for autoscaling Recommend a solution for containers Recommend a solution for network security Recommend a solution for migrating applications and VMs Recommend a solution for migration of databases  Agenda Module 1: Design for Cost Optimization -Recommend Solutions for Cost Management-Recommended Viewpoints for Minimizing Costs Module 2: Design a Solution for Logging and Monitoring -Azure Monitoring Services-Azure Monitor Module 3: Design Authentication -Recommend a Solution for Multi-Factor Authentication-Recommend a Solution for Single-Sign On (SSO)-Five Steps for Securing Identity Infrastructure-Recommend a Solution for a Hybrid Identity-Recommend a Solution for B2B Integration Module 4: Design Authorization -Infrastructure Protection-Recommend a Hierarchical Structure for Management Groups, Subscriptions and Resource Groups Module 5: Design Governance -Recommend a Solution for using Azure Policy-Recommend a Solution for using Azure Blueprint Module 6: Design Security for Applications -Recommend a Solution using KeyVault-Recommend a Solution using Azure AD Managed Identities Module 7: Design a Solution for Databases Select an Appropriate Data Platform Based on RequirementsOverview of Azure Data StorageRecommend Database Service Tier SizingDynamically Scale Azure SQL Database and Azure SQL Managed InstancesRecommend a Solution for Encrypting Data at Rest, Transmission, and In Use Module 8: Design Data Integration -Recommend a Data Flow-Recommend a Solution for Data Integration Module 9: Select an Appropriate Storage Account -Understanding Storage Tiers-Recommend a Storage Access Solution-Recommend Storage Management Tools Module 10: Design a Solution for Backup and Recovery -Recommend a Recovery Solution for Hybrid and On-Premises Workloads-Design and Azure Site Recovery Solution-Recommend a Solution for Recovery in Different Regions-Recommend a Solution for Azure Backup Management-Design a Solution for Data Archiving and Retention Module 11: Design for High Availability -Recommend a Solution for Application and Workload Redundancy-Recommend a Solution for Autoscaling-Identify Resources that Require High Availability-Identify Storage Tpes for High Availability-Recommend a Solution for Geo-Redundancy of Workloads Module 12: Design a Compute Solution -Recommend a Solution for Compute Provisioning-Determine Appropriate Compute Technologies-Recommend a Solution for Containers-Recommend a Solution for Automating Compute Management Module 13: Design a Network Solution -Recommend a Solution for Network Addressing and Name Resolution-Recommend a Solution for Network Provisioning-Recommend a Solution for Network Security-Recommend a Solution for iInternete Connectivity and On-Premises Networks,-Recommend a Solution for Automating Network Management-Recommend a Solution for Load Balancing and Rraffic Routing Module 14: Design an Application Architecture -Recommend a Microservices Architecture-Recommend an Orchestration Solution for Deployment of Applications-Recommend a Solution for API Integration Module 15: Design Migrations -Assess and On-Premises Servers and Applications for Migration-Recommend a Solution for Migrating Applications and VMs-Recommend a Solution for Migration of Databases [-]

Agenda Module 1: Implement VMs for Windows and Linux -Select Virtual Machine Size-Configure High Availability-Implement Azure Dedicated Hosts-Deploy and Configure Scale Sets-Configure Azure Disk Encryption Module 2: Automate Deployment and Configuration of Resources -Azure Resource Manager Templates-Save a Template for a VM-Evaluate Location of New Resources-Configure a Virtual Hard Disk Template-Deploy from a Template-Create and Execute an Automation Runbook Module 3: Implement Virtual Networking -Virtual Network Peering-Implement VNet Peering Module 4: Implement Load Balancing and Network Security -Implement Azure Load Balancer-Implement an Application Gateway-Understand Web Application Firewall-Implement Azure Firewall-Implement Azure Front Door-Implementing Azure Traffice Manager-Implement Network Security Groups and Application Security Grou-Implement Azure Bastion Module 5: Implement Storage Accounts -Storage Accounts-Blob Storage-Storage Security-Managing Storage-Accessing Blobs and Queues using AAD-Configure Azure Storage Firewalls and Virtual Networks Module 6: Implement Azure Active Directory -Overview of Azure Active Directory-Users and Groups-Domains and Custom Domains-Azure AD Identity Protection-Implement Conditional Access-Configure Fraud Alerts for MFA-Implement Bypass Options-Configure Trusted IPs-Configure Guest Users in Azure AD-Manage Multiple Directori Module 7: Implement and Manage Azure Governance -Create Management Groups, Subscriptions, and Resource Groups-Overview of Role-Based Access Control (RBAC)-Role-Based Access Control (RBAC) Roles-Azure AD Access Reviews-Implement and Configure an Azure Policy-Azure Blueprints Module 8: Implement and Manage Hybrid Identities -Install and Configure Azure AD Connect-Configure Password Sync and Password Writeback-Configure Azure AD Connect Health Module 9: Manage Workloads in Azure -Migrate Workloads using Azure Migrate-VMware - Agentless Migration-VMware - Agent-Based Migration-Implement Azure Backup-Azure to Azure Site Recovery-Implement Azure Update Management Module 10: Implement Cloud Infrastructure Monitoring -Azure Infrastructure Security Monitoring-Azure Monitor-Azure Workbooks-Azure Alerts-Log Analytics-Network Watcher-Azure Service Health-Monitor Azure Costs-Azure Application Insights-Unified Monitoring in Azure Module 11: Manage Security for Applications -Azure Key Vault-Azure Managed Identity Module 12: Implement an Application Infrastructure -Create and Configure Azure App Service-Create an App Service Web App for Containers-Create and Configure an App Service Plan-Configure Networking for an App Service-Create and Manage Deployment Slots-Implement Logic Apps-Implement Azure Functions Module 13: Implement Container-Based Applications -Azure Container Instances-Configure Azure Kubernetes Service Module 14: Implement NoSQL Databases -Configure Storage Account Tables-Select Appropriate CosmosDB APIs Module 15: Implement Azure SQL Databases -Configure Azure SQL Database Settings-Implement Azure SQL Database Managed Instances-High-Availability and Azure SQL Database [-]

  An Azure IoT Developer is responsible for implementing and then maintaining the cloud and edge portions of an Azure IoT solution. In addition to configuring and maintaining devices by using Azure IoT services and other Microsoft tools, the IoT Developer also sets up the physical devices and is responsible for maintaining the devices throughout the life cycle. The IoT Developer implements designs for IoT solutions, including device topology, connectivity, debugging and security. For Edge device scenarios, the IoT Developer also deploys compute/containers and configures device networking, which could include various edge gateway implementations. The IoT Developer implements designs for solutions to manage data pipelines, including monitoring and data transformation as it relates to IoT. The IoT Developer works with data engineers and other stakeholders to ensure successful business integration. IoT Developers should have a good understanding of Azure services, including data storage options, data analysis, data processing, and the Azure IoT PaaS versus SaaS options. After completing this course, students will be able to: Create, configure, and manage an Azure IoT hub. Provision devices by using IoT Hub and DPS, including provisioning at scale. Establish secure 2-way communication between devices and IoT Hub. Implement message processing by using IoT Hub routing and Azure Stream Analytics. Configure the connection to Time Series Insights and support business integration requirements. Implement IoT Edge scenarios using marketplace modules and various edge gateway patterns. Implement IoT Edge scenarios that require developing and deploying custom modules and containers. Implement device management using device twins and direct methods. Implement solution monitoring, logging, and diagnostics testing. Recognize and address security concerns and implement Azure Security Center for IoT. Build an IoT Solution by using Azure IoT Central and recongize SaaS opportunities for IoT. Course prerequisites IoT Developers should have basic programming skills in at least one Azure-supported language, including C#, Node.js, C, Python, or Java. Software development experience is a prerequisite for this course, but no specific software language is required, and the experience does not need to be at a professional level. Data Processing Experience: General understanding of data storage and data processing is a recommended but not required.  Cloud Solution Awareness: Students should have a basic understanding of PaaS, SaaS, and IaaS implementations. Microsoft Azure Fundamentals (M-AZ-900T00/M-AZ900), or equivalent skills, is recommended.  This course helps to prepare for exam AZ-220.   Agenda Module 1: Introduction to IoT and Azure IoT Services -Business Opportunities for IoT-Introduction to IoT Solution Architecture-IoT Hardware and Cloud Services Module 2: Devices and Device Communication -IoT Hub and Devices-IoT Developer Tools-Device Configuration and Communication Module 3: Device Provisioning at Scale -Device Provisioning Service Terms and Concepts-Configure and Manage the Device Provisioning Service-Device Provisioning Tasks Module 4: Message Processing and Analytics -Messages and Message Processing-Data Storage Options-Azure Stream Analytics Module 5: Insights and Business Integration -Business Integration for IoT Solutions-Data Visualization with Time Series Insights-Data Visualization with Power BI Module 6: Azure IoT Edge Deployment Process -Introduction to Azure IoT Edge-Edge Deployment Process-Edge Gateway Devices Module 7: Azure IoT Edge Modules and Containers -Develop Custom Edge Modules-Offline and Local Storage Module 8: Device Management -Introduction to IoT Device Management-Manage IoT and IoT Edge Devices-Device Management at Scale Module 9: Solution Testing, Diagnostics, and Logging -Monitoring and Logging-Troubleshooting Module 10: Azure Security Center and IoT Security Considerations -Security Fundamentals for IoT Solutions-Introduction to Azure Security Center for IoT-Enhance Protection with Azure Security Center for IoT Agents Module 11: Build an IoT Solution with IoT Central -Introduction to IoT Central-Create and Manage Device Templates-Manage Devices in Azure IoT Central [-]

Agenda Module 1: Creating Azure App Service Web Apps -Azure App Service core concepts-Creating an Azure App Service Web App-Configuring and Monitoring App Service apps-Scaling App Service apps-Azure App Service staging environments Module 2: Implement Azure functions -Azure Functions overview-Developing Azure Functions-Implement Durable Functions Module 3: Develop solutions that use blob storage -Azure Blob storage core concepts-Managing the Azure Blob storage lifecycle-Working with Azure Blob storage Module 4: Develop solutions that use Cosmos DB storage -Azure Cosmos DB overview-Azure Cosmos DB data structure-Working with Azure Cosmos DB resources and data Module 5: Implement IaaS solutions -Provisioning VMs in Azure-Create and deploy ARM templates-Create container images for solutions-Publish a container image to Azure Container Registry-Create and run container images in Azure Container Instances Module 6: Implement user authentication and authorization -Microsoft Identity Platform v2.0-Authentication using the Microsoft Authentication Library-Using Microsoft Graph-Authorizing data operations in Azure Storage Module 7: Implement secure cloud solutions -Manage keys, secrets, and certificates by using the KeyVault API-Implement Managed Identities for Azure resources-Secure app configuration data by using Azure App Configuration Module 8: Implement API Management -API Management overview-Defining policies for APIs-Securing your APIs Module 9: Develop App Service Logic Apps -Azure Logic Apps overview-Creating custom connectors for Logic Apps Module 10: Develop event-based solutions -Implement solutions that use Azure Event Grid-Implement solutions that use Azure Event Hubs-Implement solutions that use Azure Notification Hubs Module 11: Develop message-based solutions -Implement solutions that use Azure Service Bus-Implement solutions that use Azure Queue Storage queues Module 12: Monitor and optimize Azure solutions -Overview of monitoring in Azure-Instrument an app for monitoring-Analyzing and troubleshooting apps-Implement code that handles transient faults Module 13: Integrate caching and content delivery within solutions -Develop for Azure Cache for Redis-Develop for storage on CDNs [-]

Dette kurset tilbys som bedriftsinternt kurs   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.   [-]

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.    [-]

Modern Service Oriented Architecture [-]

Modern Application Architecture [-]

    Du lærer å designe og implementere ML-Ops som kan skape verdi i praksis Bli med på et intensivt kurs som tar deg dypt inn i ML-Ops og lærer deg å identifisere de beste områdene for implementering av teknologien. Over tre dager blir du introdusert for håndgripelige eksempler, mønsterpraksis og metodikk. Fokusområdene inkluderer dataadministrasjon, ML-Ops-arbeidsflyter, modellutrulling, modellomskolering, modellarkiv, monitorering og A/B-testing. Det vil si: Alt du trenger å vite, så du ikke skal finne opp ML-hjulet på nytt hver gang. Men kurset handler ikke bare om å lære deg tekniske ferdigheter. Det er laget for deg som vil bruke ML-Ops til å skape målbare forretningsverdier. For hvor mye nytte har du av en modell som aldri blir satt i produksjon? Du får også innsikt i hvor viktig god kommunikasjon er for ML-Ops. Når du har fullført kurset, vil du være i stand til å designe og rulle ut ende-til-ende ML-Ops-kommandokøer i virkelige prosjekter. Du vil være i stand til å skape brukbare arkitekturer som kan ta virksomheten din til nye høyder.    Dette får du med deg hjem: Dyp forståelse for håndtering og vedlikehold av ML gjennom en full livssyklus. Kjennskap til hvordan du gjennomfører en case-studie for å identifisere prosjekter med høy avkastning, lav implementasjonskompleksitet og begrenset risiko. Evnen til å sette ut maskinlæringsmodeller i faktisk produksjon. Forståelse for en ML-Ops-arbeidsflyt, og alle dens komponenter. Praktisk erfaring med ML-Ops-verktøy og -teknologier. Kunnskapen som trengs for å designe passende ML-Ops-arkitektur for prosjekter av ulik modenhetsgrad. En solid forståelse for viktigheten av samarbeid og kommunikasjon innen ML-Ops. Kjennskap til og kunnskap om ML-Ops-bestepraksis. En forståelse for «Model State»-, «Data Drift»- og «Model Drift»-monitorering. Kjennskap til A/B-testing med mål om å velge modellen som egner seg best. Kjennskap til «Shadow/Canary Mode»-utrulling og hvordan disse både kan brukes for å minimere risiko og for å bygge tillit til nye modeller. Forståelse for ulike teknikker når det gjelder modell-gjentrening. Evnen til å designe og implementere skalerbare, ende-til-ende ML-Ops-kommandokøer for reelle prosjekter.   Derfor skal du ta dette kurset: Brenner du etter å ta maskinlæringsferdighetene dine til neste nivå? Eller higer du etter å skape konkret forretningsverdi ved hjelp av ML-Ops? I 2019 rapporterte VentureBeat at så mye som 87 % av alle maskinlæringsmodeller aldri kommer så langt som til å bli satt i produksjon. Med andre ord: Det er bare drøye ti prosent av alle ML-modeller som faktisk kan brukes for å skape verdi!  Den største grunnen til at så få lykkes er at prosjektene ikke klarer å levere på forretningsmålene sine. De stiller feil spørsmål, og får feil svar. Som en direkte konsekvens av dette er kompetansen innen maskinlæring sterkt vektet mot prototyping, på bekostning av praktisk ML-Ops-erfaring.    Målet med dette kurset er å bygge en bro over dette gapet. Kurset gir deg kunnskapen til å sette modellene dine i produksjon – med høy suksessrate. Du kommer til å lære hvordan du skal identifisere prosjekter med høyt potensiale, lav kompleksitet og lav risiko. Med denne kunnskapen øker sannsynligheten for at du ikke bare vil levere på forretningsmålene dine, men at du kommer til å overlevere! Ikke kast bort tiden eller ekspertisen din – bli med på et kurs som gir deg innsikt i verktøyene og metodikken som bidrar til at du kan maksimere forretningsverdien i din organisasjon!   [-]

Bli klok på hvordan Lakehouse-plattformen kan brukes for å lagre, bruke og få glede av Big Data   På dette todagers-kurset om Lakehouse-teknologien får du en solid forståelse for fremtidens måte å lagre, håndtere og forvalte Big Data på. Du lærer om hvorfor Lakehouse fungerer som en missing link mellom et datavarehus og en datainnsjø, og du får sjansen til å jobbe under panseret på teknologien. I tillegg lærer du deg prinsippene for hvordan Lakehouse kan brukes til konkret verdiskaping, så som ACID Transactions, versjonshåndtering, styringsmodeller og Time Travel. På kurset tas kjente verktøy som Spark, Python og SWL i bruk for å bygge en Lakehouse-plattform. Du får innsikt i reelle brukeropplevelser der implementering av Lakehouse-teknologi i ulikt omfang er blitt brukt til å modernisere og forbedre selskapers dataarkitektur. Når kurset er slutt vil du være i stand til å identifisere de beste bruksområdene for Lakehouse-teknologi (uansett om det er på moderne eller nedarvede plattformer), samtidig som du kan konfigurere ende-til-ende ETL-arbeidsflyter som vil gjøre datahåndteringen enklere og mer effektivt. Du vil sitte igjen med en dyp forståelse for hvordan Lakehouse-arkitekturen fungerer i praksis – og hvordan du kan bruke den til å bygge mer moderne dataplattformer. Du vil også være bedre i stand til å vurdere kostnadsdrivende elementer ved Lakehouse-baserte løsninger – og ikke minst kunne dokumentere og avgjøre om bruk av Lakehouse vil være økonomisk smart for din bedrift.   Dette får du med deg hjem: En ny forståelse for hvorfor Lakehouse er blitt så populært innen Big Data-analyse. Forståelse for de teknologiske styrkene og svakhetene som ligger i Lakehouse-arkitekturen. Praktisk erfaring med å jobbe med Delta Lake, som er den underliggende teknologien som driver Lakehouse. Evnen til å både planlegge og distribuere Lakehouse-dataflyter videre til produksjon. Forståelse for hvordan Lakehouse kan tilpasses og brukes sammen med både moderne og nedarvede dataplattformer. Kunnskap om bestepraksis når det gjelder bruk av Lakehouse,.     [-]