Oversikt over relevante kurs innen IT-kurs i Åfjord

Understand the purpose and key concepts of Information Security Management, elucidating its significance in safeguarding the confidentiality, integrity, and availability of organisational information assets. This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours content   Mobile-optimised   Practical exercises   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

COURSE OVERVIEW   The delegate will learn how to exploit advanced features of the Python language to build complex and efficient applications. Exercises and examples are used throughout the course to give practical hands-on experience with the techniques covered. TARGET AUDIENCE The Python Programming 2 course is designed for existing Python developers who have a good grounding in the basics and want to exploit some of the advanced features of the language. For the delegate for whom Python is their first programming language,we recommend taking the Python Programming 1 course first,then taking some time to practice the skills gained,before returning to take the Python Programming 2 course.   COURSE OBJECTIVES This course aims to provide the delegate with the knowledge to be able to interpret,write,and troubleshoot complex Python applications exploiting inheritance and polymorphism,mixins,composition and aggregation,iterators,generators,decorators,comprehension,concurrency,functional programming,and RESTful web services. COURSE CONTENT DAY 1 COURSE INTRODUCTION Administration and Course Materials Course Structure and Agenda Delegate and Trainer Introductions SESSION 1: ADVANCED OBJECT ORIENTATION The self Keyword Constructors and Destructors Encapsulation Inheritance Introspection with __dict__,__name__,__module__,__bases__ The hasattr(obj,attr),dir(obj),help(obj) functions Polymorphism Abstract Classes Multiple Inheritance and Mixins Composition and Aggregation Static Members SESSION 2: ITERATORS & GENERATORS Iterables Iterators Custom Iterators Generators Yield vs. Return SESSION 3: COMPREHENSIONS List Comprehension Set Comprehension The zip Function Dictionary Comprehension DAY 2 SESSION 4: DECORATORS Decorators Decorator Functions Decorator Annotations Decorator Use Cases Labs SESSION 5: FUNCTIONAL PROGRAMMING Functional Programming Lambdas Immutability Mapping Filtering Reducing SESSION 6: MULTITHREADING Threads Multithreading Thread Construction Thread Execution Thread Sleep Joins Data Sharing Synchronisation Multithreading vs. Multiprocessing DAY 3 SESSION 7: WEB SERVICES RESTful Web Services JSON Data CRUD and HTTP RESTful Clients RESTful APIs SESSION 8: UNIT TESTING Unit Testing Terminology Test Classes Test Fixtures Test Cases Assertions Test Runners   FOLLOW ON COURSES Data Analysis Python [-]

. This course includes identity content for Azure AD, enterprise application registration, conditional access, identity governance, and other identity tools.   TARGET AUDIENCE This course is for the Identity and Access Administrators who are planning to take the associated certification exam, or who are performing identity and access administration tasks in their day-to-day job. This course would also be helpful to an administrator or engineer that wants to specialize in providing identity solutions and access management systems for Azure-based solutions; playing an integral role in protecting an organization. COURSE OBJECTIVES Implement an identity management solution Implement an authentication and access management solutions Implement access management for apps Plan and implement an identity governancy strategy COURSE CONTENT Module 1: Implement an identity management solution Learn to create and manage your initial Azure Active Directory (Azure AD) implementation and configure the users, groups, and external identities you will use to run your solution. Lessons M1 Implement Initial configuration of Azure AD Create, configure, and manage identities Implement and manage external identities Implement and manage hybrid identity Lab 1a: Manage user roles Lab 1b: Setting tenant-wide properties Lab 1c: Assign licenses to users Lab 1d: Restore or remove deleted users Lab 1e: Add groups in Azure AD Lab 1f: Change group license assignments Lab 1g: Change user license assignments Lab 1h: Configure external collaboration Lab 1i: Add guest users to the directory Lab 1j: Explore dynamic groups After completing module 1, students will be able to: Deploy an initail Azure AD with custom settings Manage both internal and external identities Implement a hybrid identity solution Module 2: Implement an authentication and access management solution Implement and administer your access management using Azure AD. Use MFA, conditional access, and identity protection to manager your identity solution. Lessons M2 Secure Azure AD user with MFA Manage user authentication Plan, implement, and administer conditional access Manage Azure AD identity protection Lab 2a: Enable Azure AD MFA Lab 2b: Configure and deploy self-service password reset (SSPR) Lab 2c: Work with security defaults Lab 2d: Implement conditional access policies, roles, and assignments Lab 2e: Configure authentication session controls Lab 2f: Manage Azure AD smart lockout values Lab 2g: Enable sign-in risk policy Lab 2h: Configure Azure AD MFA authentication registration policy After completing module 2, students will be able to: Configure and manage user authentication including MFA Control access to resources using conditional access Use Azure AD Identity Protection to protect your organization Module 3: Implement access management for Apps Explore how applications can and should be added to your identity and access solution with application registration in Azure AD. Lessons M3 Plan and design the integration of enterprise for SSO Implement and monitor the integration of enterprise apps for SSO Implement app registration Lab 3a: Implement access management for apps Lab 3b: Create a custom role to management app registration Lab 3c: Register an application Lab 3d: Grant tenant-wide admin consent to an application Lab 3e: Add app roles to applications and recieve tokens After completing module 3, students will be able to: Register a new application to your Azure AD Plan and implement SSO for enterprise application Monitor and maintain enterprise applications Module 4: Plan and implement an identity governancy strategy Design and implement identity governance for your identity solution using entitlement, access reviews, privileged access, and monitoring your Azure Active Directory (Azure AD). Lessons M4 Plan and implement entitlement management Plan, implement, and manage access reviews Plan and implement privileged access Monitor and maintain Azure AD Lab 4a: Creat and manage a resource catalog with Azure AD entitlement Lab 4b: Add terms of use acceptance report Lab 4c: Manage the lifecycle of external users with Azure AD identity governance Lab 4d: Create access reviews for groups and apps Lab 4e: Configure PIM for Azure AD roles Lab 4f: Assign Azure AD role in PIM Lab 4g: Assign Azure resource roles in PIM Lab 4h: Connect data from Azure AD to Azure Sentinel After completing module 4, students will be able to: Mange and maintain Azure AD from creation to solution Use access reviews to maintain your Azure AD Grant access to users with entitlement management [-]

Ønsker du å mestre Google Analytics 4 for å få dybdeinnsikt i kundeadferden på nettstedet eller appen din? Da er kurset "Google Analytics 4: Komplett", ledet av Espen Faugstad, perfekt for deg. Dette kurset er designet for å gi deg en helhetlig forståelse av Google Analytics 4, slik at du kan jobbe profesjonelt med dette kraftige analyseverktøyet. Kurset starter med grunnleggende om hvordan Google Analytics 4 fungerer og veileder deg gjennom installasjonen på din nettside. Du vil lære å konfigurere Google Analytics for å maksimere dets potensial, administrere brukere, spore nettstedsøk, og mye mer. I tillegg gir kurset deg en detaljert gjennomgang av standardrapporter og utforskninger som er tilgjengelige i Google Analytics 4. Mot slutten av kurset vil du dykke inn i mer avanserte temaer som opprettelse og sporing av egendefinerte hendelser, konverteringssporing, og hvordan du kan utnytte innsikter fra brukerdata for å forbedre dine digitale strategier. Dette kurset er din vei til å bli en ekspert i Google Analytics 4.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Installer Kapittel 3: Konfigurer Kapittel 4: Rapporter Kapittel 5: Utforsk Kapittel 6: Hendelser Kapittel 7: Avansert Kapittel 8: Avslutning   Varighet: 4 timer og 48 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Tjenesten fungerer på samme måte som strømmetjenester for musikk eller TV-serier. Våre kunder betaler en fast månedspris og får tilgang til alle kursene som er produsert så langt. Plattformen har hatt en god vekst de siste årene og kan skilte med 30.000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle – og med oss har vi Innovasjon Norge og Forskningsrådet. [-]

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.   [-]

RH294: Red Hat System Administration III: Linux Automation with Ansible [-]

Oppdag kraften i effektivt samarbeid med Microsoft Teams gjennom dette omfattende nettkurset ledet av Espen Faugstad. Kurset er skreddersydd for å gi deg en grundig forståelse av Teams' funksjoner, slik at du kan styrke kommunikasjon og samarbeid i organisasjonen din. Lær å navigere i Teams, administrere teams og kanaler, chatte effektivt, holde møter, og dele filer, samt integrere med andre Microsoft 365-applikasjoner og tredjepartsverktøy. Dette kurset er ideelt for alle roller – fra de som er ansvarlige for administrasjonen av Microsoft Teams, til teamledere som ønsker å forbedre samarbeidet, og ansatte som ønsker å jobbe mer effektivt. Meld deg på i dag for å bli en ekspert i Microsoft Teams og ta skrittet mot en mer effektiv og produktiv arbeidshverdag med veiledning fra Espen Faugstad.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Kom i gang Kapittel 3: Teams og kanaler Kapittel 4: Kommunikasjon Kapittel 5: Møter og videosamtaler Kapittel 6: Filhåndtering og samarbeid Kapittel 7: Ekstra funksjonalitet Kapittel 8: Avslutning   Varighet: 1 time og 47 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Tjenesten fungerer på samme måte som strømmetjenester for musikk eller TV-serier. Våre kunder betaler en fast månedspris og får tilgang til alle kursene som er produsert så langt. Plattformen har hatt en god vekst de siste årene og kan skilte med 30.000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle – og med oss har vi Innovasjon Norge og Forskningsrådet. [-]

SFWIPA: Securing Data Center Networks and VPNs with Cisco Secure Firewall Threat Defense [-]

Kursinstruktør   Geir Johan Gylseth Geir Johan Gylseth er utdannet ved Universitetet i Oslo med hovedvekt på Informatikk og har over 30 års erfaring som instruktør. Geir sin styrke ligger innenfor MS Office. Han har lang erfaring med skreddersøm av kurs, kursmanualer og oppgaver. Geir er en entusiastisk og dyktig instruktør som får meget gode evalueringer. Kursinstruktør   Jonny Austad Jonny Austad er utdannet som Adjunkt og har jobbet som lærer og instruktør siden 1989. Han har dessuten jobbet mye med support og drifting av nettverk og vet som oftest hva som er vanlige problemer ute i bedriftene. Han var den første Datakort-læreren i landet (høsten 1997), og har Office-pakken med spesielt Excel som sitt hjertebarn. Jonny er en meget hyggelig og utadvendt person som elsker å undervise med smarte løsninger på problemer samt vise smarte tips og triks i de ulike programmene. Kursinnhold Kurset passer for deg som har basisferdighetene på plass men som ønsker å lære mer. Kurset passer også for deg som er selvlært og som ønsker å jobbe mer effektivt. Bruk av stiler gir profesjonelle og flotte dokumenter. Lær å lage innholdsfortegnelse, stikkordliste og figurliste automatisk. Profesjonelt sideoppsett med spalter, marger, sidefarger, sidekantlinjer og dokumenttemaer. Auto korrektur, byggeblokker, egenskaper og felt gjør det enklere å gjenbruke tekst. Flere deldokumenter kan samles i et hoved dokument ved hjelp av hoveddokumentvisning. I lange dokumenter kan du ha uliketopp- og bunntekster og selv bestemme side nummerering. For å friske opp et dokument kan du sette inn utklipp, figurer, SmartArt og diagram. Med tekstbokser kan du presentere sitater eller sammendrag fra dokumentet. Tabeller kan brukes til å presentere informasjon på en oversiktlig måte men kan også sorteres og inneholde beregninger. Maler brukes for å sikre at dokumenter av samme type får en ensartet formatering. Felt, innholdskontroller og skjemakontroller kan settes inn for å effektivisere bruken av maler. Med makroer kan du effektivisere avanserte oppgaver som består av serie med handlinger. Med fletting kan du masseprodusere brev, konvolutter, etiketter og e-post. I tillegg får du en rekke tips og triks du kan bruke i din arbeidsdag.  Alt du lærer får du repetert gjennom aktiv oppgaveløsning slik at du husker det du har lært når du kommer tilbake på jobb. Kursdokumentasjon, lunsj og pausemat er selvsagt inkludert! Kursholderne har mer enn 20 års Word erfaring som de gjerne deler med deg! Meld deg på Word-kurs allerede i dag og sikre deg plass! Lær deg: behandling av stiler rask og enkel opprettelse av innholdsfortegnelse sette inn forsider samarbeid om felles dokument spalter beregninger i tabeller innsetting av diagram sett inn bilder og bildetekst grafikk og tegning maler og skjema bruk av makroer integrasjon med Excel og andre programmer [-]

Objectives This course teaches participants the following skills: Identify the purpose and value of each of the Google Cloud Platform products and services Interact with Google Cloud Platform services Describe ways in which customers have used Google Cloud Platform Choose among and use application deployment environments on Google Cloud Platform: Google App Engine, Google Kubernetes Engine, and Google Compute Engine Choose among and use Google Cloud Platform storage options: Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, and Google Cloud Datastore Make basic use of BigQuery, Google’s managed data warehouse for analytics Make basic use of Cloud Deployment Manager, Google’s tool for creating and managing cloud resources through templates Make basic use of Google Stackdriver, Google’s monitoring, logging, and diagnostics system All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introducing Google Cloud Platform -Explain the advantages of Google Cloud Platform-Define the components of Google's network infrastructure, including: Points of presence, data centers, regions, and zones-Understand the difference between Infrastructure-as-a-Service (IaaS) and Platform-as-a-Service (PaaS) Module 2: Getting Started with Google Cloud Platform -Identify the purpose of projects on Google Cloud Platform-Understand the purpose of and use cases for Identity and Access Management-List the methods of interacting with Google Cloud Platform-Lab: Getting Started with Google Cloud Platform Module 3: Virtual Machines and Networks in the Cloud -Identify the purpose of and use cases for Google Compute Engine.-Understand the various Google Cloud Platform networking and operational tools and services.-Lab: Compute Engine Module 4: Storage in the Cloud -Understand the purpose of and use cases for: Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, and Google Cloud Datastore.-Learn how to choose between the various storage options on Google Cloud Platform.-Lab: Cloud Storage and Cloud SQL Module 5: Containers in the Cloud -Define the concept of a container and identify uses for containers.-Identify the purpose of and use cases for Google Kubernetes Engine and Kubernetes.-Lab: Kubernetes Engine Module 6: Applications in the Cloud -Understand the purpose of and use cases for Google App Engine.-Contrast the App Engine Standard environment with the App Engine Flexible environment.-Understand the purpose of and use cases for Google Cloud Endpoints.-Lab: App Engine Module 7: Developing, Deploying, and Monitoring in the Cloud -Understand options for software developers to host their source code.-Understand the purpose of template-based creation and management of resources.-Understand the purpose of integrated monitoring, alerting, and debugging.-Lab: Deployment Manager and Stackdriver Module 8: Big Data and Machine Learning in the Cloud -Understand the purpose of and use cases for the products and services in the Google Cloud big data and machine learning platforms.-Lab: BigQuery [-]

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. After completing this course, students will be able to: 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 prerequisites Successful students start this course with knowledge of cloud computing and core data concepts and professional experience with data solutions.Recommended prerequisites:M-DP900 - Microsoft Azure Data FundamentalsM-AZ900 - Microsoft Azure Fundamentals Agenda 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. 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. 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. 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). 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Module 16: Build reports using Power BI integration with Azure Synapase 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. 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. [-]

MoP® Foundation [-]

Machine Learning and Data Science in R with Microsoft SQL Server - with Rafal Lukawiecki [-]

God formatering i Microsoft Excel handler ikke bare om å få et regneark til å se pent ut; det handler like mye om å kommunisere effektivt. Et dårlig formatert regneark kan gjøre det vanskelig å lese og forstå innholdet. Derimot vil et godt formatert regneark gjøre det enklere å absorbere informasjonen som presenteres. Dette kurset, ledet av Espen Faugstad, vil gi deg ferdighetene du trenger for å formatere data i Microsoft Excel på avansert nivå. Du vil lære hvordan du gjør regnearket mer leselig, forståelig og effektivt. Emner inkluderer formatering av tekstverdier og tallverdier, opprettelse av egendefinerte formateringsregler, tilpasning av rader, kolonner og celler, formatering av tabeller, diagrammer og bilder, og mye mer. Kurset er delt inn i følgende kapitler: Kapittel 1: Introduksjon Kapittel 2: Skrift Kapittel 3: Justering Kapittel 4: Tall Kapittel 5: Stiler Kapittel 6: Celler Kapittel 7: Tabell Kapittel 8: Diagrammer Kapittel 9: Bilder Kapittel 10: Avslutning Etter å ha fullført kurset, vil du kunne bruke avansert formatering i Excel for å forbedre presentasjonen og lesbarheten av dine regneark, noe som er uvurderlig for effektiv kommunikasjon og dataanalyse.   Varighet: 2 timer og 27 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Vår tjeneste fungerer på samme måte som strømmetjenester for musikk eller TV-serier, der våre kunder betaler en fast månedspris for tilgang til alle kursene vi har tilgjengelig. Vi har opplevd betydelig vekst de siste årene, med over 30 000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling engasjerende, spennende og tilgjengelig for alle, og vi har støtte fra Innovasjon Norge og Forskningsrådet. [-]

Fleksible kurs for fremtidenNy kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt.NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon.   Solibri Anywhere og Site   På kurset vil du lære å: Sammenstille flere IFC-modeller og navigere i disse Velge ut grupper av objekter for nærmere studier Legge inn snitt, måle, markere og opprette slides fra visninger av modellen Opprette rapporter og kommentere «issues» i Excel og BCF-format Se på resultatet av utførte regelsjekker i modellen Se på resultatet av utførte informasjons- og mengdeuttak fra modellen Høste informasjon og mengder fra modellen basert på eksisterende maler og klassifikasjoner Skape egne klassifikasjoner og definisjoner for megndeuttak   Dette er et populært kurs, meld deg på nå! Spesialtilpasset kurs: NTI anbefaler spesialtilpassede kurs for bedrifter som planlegger å sende to eller flere deltakere på Solibri-kurs. Grunnen til dette er at Solibri brukes av mange forskjellige aktører og profesjoner i BAE-bransjen, og følgelig blir de åpne kursene ofte for generelle for enkelte kursdeltakere. I et spesialtilpasset kurs vil vår kurskonsulent kartlegge fokusområdene i forkant av kurset, og gjennomføre kurset i henhold til selskapets behov, gjerne basert på kundens egne modeller. Utbyttet av kurset blir følgelig mye større.  Ta kontakt med oss på telefon 483 12 300, epost: salg-no@nti.biz eller les mer på www.nti.biz   [-]