Oversikt over relevante kurs innen IT-kurs i Broby kommune

Understand the purpose and key concepts of Release Management, elucidating its significance in planning, scheduling, and controlling the build, test, and deployment of releases to ensure they deliver the expected outcomes. The eLearning course: Interactive Self-paced Device-friendly 2-3 hour content Mobile-optimised Practical exercises   Exam:   20 questions Multiple choise Closed book 30 minutes Minimum required score to pass: 65% [-]

Understand the purpose and key concepts of Problem Management, including its role in identifying and managing the root causes of incidents to prevent recurrence.   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% [-]

Understand the purpose and key concepts of the Continual Improvement Practice, elucidating its significance in fostering a culture of ongoing improvement and innovation within the organisation. 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% [-]

Power BI – Profesjonelle rapporter [-]

JavaScript er et av verdens mest brukte programmeringsspråk som, sammen med HTML og CSS, utgjør grunnsteinene i moderne webutvikling. Selv om språket opprinnelig ble utviklet for bruk på nettet, har det de siste årene både blitt populært som server-språk og som programmeringsspråk for enkeltstående applikasjoner og apper. I dette kurset, ledet av Lars Vidar Nordli, vil du få en grundig introduksjon til JavaScript. Målet er at du etter fullført kurs skal kunne lage dine egne interaktive nettsider. Kurset gir også en innføring i programmering generelt, og du vil lære konsepter som variabler, arrayer, funksjoner, løkker og objekter. Kurset er strukturert i følgende kapitler: Kapittel 1: Introduksjon Kapittel 2: Variabler Kapittel 3: Conditional statements Kapittel 4: Funksjoner Kapittel 5: Arrays Kapittel 6: Loops Kapittel 7: Manipulere DOM (Document Object Model) Kapittel 8: Events Kapittel 9: Objekter Kapittel 10: Rutiner Kapittel 11: Prosjekt Kapittel 12: Avslutning Etter å ha fullført kurset vil du ha en solid forståelse av JavaScript og være i stand til å bruke det til å lage interaktive nettsider og applikasjoner. Du vil også ha kjennskap til viktige programmeringskonsepter som vil være nyttige i din utviklerkarriere.   Varighet: 5 timer og 1 minutt   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. [-]

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

Automatisering i Microsoft 365 med Power Automate [-]

 This course teaches you to leverage your existing knowledge of Python and machine learning to manage data ingestion and preparation, model training and deployment, and machine learning solution monitoring in Microsoft Azure. TARGET AUDIENCE This course is designed for data scientists with existing knowledge of Python and machine learning frameworks like Scikit-Learn, PyTorch, and Tensorflow, who want to build and operate machine learning solutions in the cloud. COURSE CONTENT Module 1: Introduction to Azure Machine Learning In this module, you will learn how to provision an Azure Machine Learning workspace and use it to manage machine learning assets such as data, compute, model training code, logged metrics, and trained models. You will learn how to use the web-based Azure Machine Learning studio interface as well as the Azure Machine Learning SDK and developer tools like Visual Studio Code and Jupyter Notebooks to work with the assets in your workspace. Getting Started with Azure Machine Learning Azure Machine Learning Tools Lab : Creating an Azure Machine Learning WorkspaceLab : Working with Azure Machine Learning Tools After completing this module, you will be able to Provision an Azure Machine Learning workspace Use tools and code to work with Azure Machine Learning Module 2: No-Code Machine Learning with Designer This module introduces the Designer tool, a drag and drop interface for creating machine learning models without writing any code. You will learn how to create a training pipeline that encapsulates data preparation and model training, and then convert that training pipeline to an inference pipeline that can be used to predict values from new data, before finally deploying the inference pipeline as a service for client applications to consume. Training Models with Designer Publishing Models with Designer Lab : Creating a Training Pipeline with the Azure ML DesignerLab : Deploying a Service with the Azure ML Designer After completing this module, you will be able to Use designer to train a machine learning model Deploy a Designer pipeline as a service Module 3: Running Experiments and Training Models In this module, you will get started with experiments that encapsulate data processing and model training code, and use them to train machine learning models. Introduction to Experiments Training and Registering Models Lab : Running ExperimentsLab : Training and Registering Models After completing this module, you will be able to Run code-based experiments in an Azure Machine Learning workspace Train and register machine learning models Module 4: Working with Data Data is a fundamental element in any machine learning workload, so in this module, you will learn how to create and manage datastores and datasets in an Azure Machine Learning workspace, and how to use them in model training experiments. Working with Datastores Working with Datasets Lab : Working with DatastoresLab : Working with Datasets After completing this module, you will be able to Create and consume datastores Create and consume datasets Module 5: Compute Contexts One of the key benefits of the cloud is the ability to leverage compute resources on demand, and use them to scale machine learning processes to an extent that would be infeasible on your own hardware. In this module, you'll learn how to manage experiment environments that ensure consistent runtime consistency for experiments, and how to create and use compute targets for experiment runs. Working with Environments Working with Compute Targets Lab : Working with EnvironmentsLab : Working with Compute Targets After completing this module, you will be able to Create and use environments Create and use compute targets Module 6: Orchestrating Operations with Pipelines Now that you understand the basics of running workloads as experiments that leverage data assets and compute resources, it's time to learn how to orchestrate these workloads as pipelines of connected steps. Pipelines are key to implementing an effective Machine Learning Operationalization (ML Ops) solution in Azure, so you'll explore how to define and run them in this module. Introduction to Pipelines Publishing and Running Pipelines Lab : Creating a PipelineLab : Publishing a Pipeline After completing this module, you will be able to Create pipelines to automate machine learning workflows Publish and run pipeline services Module 7: Deploying and Consuming Models Models are designed to help decision making through predictions, so they're only useful when deployed and available for an application to consume. In this module learn how to deploy models for real-time inferencing, and for batch inferencing. Real-time Inferencing Batch Inferencing Lab : Creating a Real-time Inferencing ServiceLab : Creating a Batch Inferencing Service After completing this module, you will be able to Publish a model as a real-time inference service Publish a model as a batch inference service Module 8: Training Optimal Models By this stage of the course, you've learned the end-to-end process for training, deploying, and consuming machine learning models; but how do you ensure your model produces the best predictive outputs for your data? In this module, you'll explore how you can use hyperparameter tuning and automated machine learning to take advantage of cloud-scale compute and find the best model for your data. Hyperparameter Tuning Automated Machine Learning Lab : Tuning HyperparametersLab : Using Automated Machine Learning After completing this module, you will be able to Optimize hyperparameters for model training Use automated machine learning to find the optimal model for your data Module 9: Interpreting Models Many of the decisions made by organizations and automated systems today are based on predictions made by machine learning models. It's increasingly important to be able to understand the factors that influence the predictions made by a model, and to be able to determine any unintended biases in the model's behavior. This module describes how you can interpret models to explain how feature importance determines their predictions. Introduction to Model Interpretation using Model Explainers Lab : Reviewing Automated Machine Learning ExplanationsLab : Interpreting Models After completing this module, you will be able to Generate model explanations with automated machine learning Use explainers to interpret machine learning models Module 10: Monitoring Models After a model has been deployed, it's important to understand how the model is being used in production, and to detect any degradation in its effectiveness due to data drift. This module describes techniques for monitoring models and their data. Monitoring Models with Application Insights Monitoring Data Drift Lab : Monitoring a Model with Application InsightsLab : Monitoring Data Drift After completing this module, you will be able to Use Application Insights to monitor a published model Monitor data drift   [-]

MB-300: Microsoft Dynamics 365: Core Finance and Operations [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: IINI1003 Databaser eller tilsvarende forhåndskunnskaper Innleveringer: Tilsvarende 8 obligatoriske øvinger må være godkjent før endelig karakter settes. Personlig veileder: ja Vurderingsform: Individuell netteksamen, 2 timer. Ansvarlig: Tore Mallaug Eksamensdato: 13.12.13 / 16.05.14         Læremål: KUNNSKAPERKandidaten:- kjenner sentrale begreper innen flerbrukerproblematikk og databaseadministrasjon, og kan gjøre rede for disse- forstår hvordan innebygd funksjonalitet i relasjonsdatabasesystem kan utnyttes i en klient/tjener-arkitektur- vet hvordan ulike typer data kan lagres og representeres i et databasesystem; tekst, XML og temporale data.- kan gjøre rede for hvordan NoSQL-løsninger er et alternativ til relasjonsdatabaser i Web-løsninger FERDIGHETERKandidaten:- kan administrere en flerbrukerdatabase med SQL-kommandoer i et valgt databaseverktøy- lager sin egen (mest mulig normaliserte) relasjonsdatabase med nøkler og referanseintegritet som ikke bare lagrer strukturelle data, men også tekst og semi-strukturelle data (XML)- kan utnytte databaseverktøyet funksjonalitet til utvidet bruk av SQL i en klient/tjener-sammenheng for å støtte opp rundt applikasjoner mot databasen- kan utnytte databaseverktøyet til å lagre temporale data- kan utføre SQL-spørringer mot ulike typer data i en database GENERELL KOMPETANSEKandidaten:- viser en bevisst holdning til lagring og representasjon av ulike typer data i et informasjonssystem- viser en bevisst holdning til databasedesign for å unngå unødvendig dobbeltlagring av data i en database Innhold:Installering og bruk av valgt databaseverktøy (MySQL). Flerbrukerproblematikk og databaseadministrasjon (DBA) i SQL. Bruk av SQL og innebygd funksjonalitet i databaseverktøyet (bruk av funksjoner/prosedyrer og triggere). Utnytte databaseverktøyet i en klient/tjener -arkitektur. Se på forholdet database - applikasjon. Lagring av ulike typer data; tekst, XML (semi-strukturelle data), dato/tid (temporale data). Enkel bruk av NoSQL-løsning. MySQL blir brukt i eksempler, men noen utfyllende eksempler i Oracle kan forekomme i lærestoffet.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Databaser 2 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Trenger du å bygge opp store og avanserte regneark? Ønsker du å lage rapporter og beregninger på store tallgrunnlag? Vil du finne ut hvordan du kan effektivisere arbeidet ditt i Excel? Ønsker du å lære de første stegene mot automatiserte rapporter? Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1    Generelt om regneark Om regneark og infrastruktur Bruke tastatur og hurtigtaster effektiv Absolutte referanser og definerte navn   Funksjoner Mer om funksjoner, hvis, antall.hvis, summer.hvis.sett Lær om "må ha funksjonen" Finn.rad [Vlookup] Andre funksjoner for spesielle oppgaver   Avansert formatering Spesiell formatering – dato, tekst og egendefinert Betinget formatering og cellestiler   Dag 2    Lister og tabeller Viktige regler og råd Bruk av autofilter og sortering Tabellfunksjonalitet Validering ved inntasting Beregninger av store datamengder via gode funksjoner   Pivottabell Hva er pivottabell og hvordan lage raske og enkle rapporter Utvidede muligheter i Pivot som grupperinger, vis verdier som og slicer   Dag 3   Metoder for dataimport Direkte import fra database   Innføring til makro Spille inn /registrere makro Ord/uttrykk og VBA editor   Datavask Slette tommer rader, fylle tomme celler Bruk av funksjoner for å klargjøre datagrunnlag Identifisere og håndtere avvik i grunnlag   Alternative temaer (hvis tid) Tips til diagrammer Hva hvis analyse Konsolidering   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

Fleksible kurs for fremtiden Ny 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.   3ds Max grunnkurs   Lag fotorealistiske presentasjoner av dine designløsninger! Her er et utvalg av temaene du vil lære på kurset: Grunnleggende funksjoner – Transformationer vha. move, rotate og scale Link til og import av DWG- og DXF-filer Lyssetning med standard lys Rendering med Scanline renderen og Mental Ray – Basics Editering av 2D- og 3D-geometri Dette kurset er tilpasset for arkitekter, ingeniører, designere og visualiseringseksperter, og gir en introduksjon til design og visualisering i 3ds MAX. Kurset vil gjøre deg i stand til å arbeide med lys, materialer og kamera i eksisterende 3D CAD/BIM-modeller.   Dette er et populært kurs, meld deg på nå!   Tilpassete kurs for bedrifterVi vil at kundene våre skal være best på det de gjør - hele tiden.  Derfor tenker vi langsiktig om kompetanseutvikling og ser regelmessig kunnskapsløft som en naturlig del av en virksomhet. Vårt kurskonsept bygger på et moderne sett av ulike læringsmiljøer, som gjør det enkelt å finne riktig løsning uansett behov. Ta kontakt med oss på telefon 483 12 300, epost: salg@nticad.no eller les mer på www.nticad.no [-]

MS-101: Microsoft 365 Mobility and Security [-]

Kurset vil gi deg en grunnleggende forståelse i bruk av tegne- og konstruksjonsprogrammet AutoCAD. AutoCAD 2D Grunnkurs:• Hovedprinsipper i AutoCAD's brukergrensesnitt• Oppretting og lagring av tegninger• Tegne- og editeringskommandoer• Hjelpefunksjoner for å tegne nøyaktig• Skjermstyring• Lagoppbygging og struktur• Målsetting, teksting og skravering• Symbol- og blokkhåndtering• Layout/plotting   Etter gjennomført kurs skal kursdeltagerne bl.a. kunne bruke AutoCAD til å: • Opprette tegninger• Utføre de vanligste tegne- og editeringsfunksjoner• Bruke og forstå lagoppbygging• Målsette og påføre tekst• Skrive ut tegning i målestokk  [-]

COURSE OVERVIEW   This Python Programming 1 course is designed to give delegates the knowledge to develop and maintain Python scripts using the current version (V3) of Python. There are many similarities between Python V2 and Python V3. The skills gained on this course will allow the delegate to develop their own skills further using Python V2 or V3 to support the development and maintenance of scripts. The Python Programming 1 course comprises sessions dealing with syntax,variables and data types,operators and expressions,conditions and loops,functions,objects,collections,modules and packages,strings,pattern matching,exception handling,binary and text files,and databases. Exercises and examples are used throughout the course to give practical hands-on experience with the techniques covered. TARGET AUDIENCE The Python Programming 1 course course is aimed at those who want to improve their Python programming skills,and for developers/engineers who want to migrate to Python from another language,particularly those with little or no object-oriented knowledge. For those wishing to learn Python and have no previous knowledge of programming,they should look to attend our foundation course Introduction to Programming - Python. COURSE OBJECTIVES This course aims to provide the delegate with the knowledge to be able to produce Python scripts and applications that exploit all core elements of the language including variables,expressions,selection and iteration,functions,objects,collections,strings,modules,pattern matching,exception handling,I/O,and classes. COURSE CONTENT DAY 1 COURSE INTRODUCTION Administration and Course Materials Course Structure and Agenda Delegate and Trainer Introductions SESSION 1: GETTING STARTED About Python Python versions Python documentation Python runtimes Installing Python The REPL shell Python editors SESSION 2: PYTHON SCRIPTS & SYNTAX Script naming Comments Docstring Statements The backslash Code blocks Whitespace Console IO (to enable the writing of simple programs) A first Python program Script execution SESSION 3: VARIABLES & DATA TYPES Literals Identifiers Assignment Numbers (bool,int,float,complex) Binary,octal,and hexadecimal numbers Floating point accuracy Collections (str,list,tuple,set,dict) None Implicit and explicit type conversion (casting) The type function SESSION 4: OPERATORS & EXPRESSIONS Arithmetic Operators Assignment Operators Comparison Operators Logical Operators Membership Operators Bitwise Operators Identity Operators SESSION 5: CONDITIONS & LOOPS Conditional statements (if,elif,else) Nested conditional statements Short hand if/if else Python's alternative to the ternary operator Iterative statements (while,for,else) The range function Iterating over a list Break Continue Nested conditional/iterative statements COURSE CONTENTS - DAY 2 SESSION 6: FUNCTIONS Declaration Invocation Default values for parameters Named arguments args and kwargs Returning multiple values None returned Variable scope Masking and shadowing The pass keyword Recursive functions SESSION 7: OBJECTS AND CLASSES About objects Attributes and the dot notation The dir function Dunder attributes Mutability The id function Pass by reference Introduction to Classes Class Declaration and Instantiation Data attributes Methods Composition SESSION 8: LISTS About lists List syntax including slicing Getting and setting list elements Iterating over a list Checking for the presence of a value The len function List methods incl. append,insert,remove,pop,clear,copy,sort,reverse etc. The del keyword Appending to and combining lists List comprehension SESSION 9: TUPLES About tuples Tuple syntax Getting tuple elements including unpacking Iterating over a tuple Checking for the presence of a value The len function Appending to and combining tuples SESSION 10: SETS About Sets Dictionary syntax Creating,adding and removing set elements Iterating over a set Membership Testing Sorting Copying Set methods incl. union,intersection,difference,symmetric_difference etc. COURSE CONTENTS - DAY 3 SESSION 11: DICTIONARIES About dictionaries Dictionary syntax Getting and setting dictionary elements Iterating over a dictionary (keys,values,and items) Checking for the presence of a key The len function Dictionary methods incl. keys,values,items,get,pop,popitem,clear etc. The del keyword Dictionary comprehension SESSION 12: STRINGS About strings String syntax including slicing Escape characters Triple-quoted strings Concatenation Placeholders The format method Other methods e.g. endswith,find,join,lower,replace,split,startswith,strip,upper etc. A string as a list of bytes SESSION 13: MODULES & PACKAGES About modules Inbuilt modules math,random and platform the dir() and help() functions Creating and using modules the __pycache__ and the .pyc files The module search path Importing modules Namespaces Importing module objects The import wildcard Aliases Importing within a function Executable modules Reloading a module About packages Importing packaged modules Importing packaged module objects Package initialisation Subpackages Referencing objects in sibling packages The Standard Library Installing modules and packages using pip SESSION 14: PATTERN MATCHING About regular expressions Regular expression special characters Raw strings About the re module re module functions incl. match,search,findall,full match,split,sub   COURSE CONTENTS - DAY 4 SESSION 15: EXCEPTION HANDLING About exceptions and exception handling Handling exceptions (try,except,else,finally) Exception types The exception object Raising exceptions Custom exception types Built-in exceptions hierarchy SESSION 16: FILES & THE FILESYSTEM The open function Methods for seeking (seekable,seek) Methods for reading from a file (readable,read,readline,readlines) Iterating over a file Methods for writing to a file (writable,write,writelines) Introduction to context managers Text encoding schemes,codepoints,codespace ASCII and UNICODE (UTF schemes) UTF-8,binary and hexadecimal representations The ord() and chr() functions Binary files,bytes and bytearray I/O layered abstraction. About the os module os module functions incl. getcwd,listdir,mkdir,chdir,remove,rmdir etc. OSError numbers and the errno module SESSION 17: DATABASES The DB-API DP-API implementations Establishing a connection Creating a cursor Executing a query Fetching results Transactions Inserting,updating,and deleting records FOLLOW ON COURSES Python Programming 2  Data Analysis Python  Apache Web Server PHP Programming  PHP & MySQL for Web Development  PHP & MariaDB for Web Development  Perl Programming  Ruby Programming  Introduction to MySQL  Introduction to MariaDB [-]