Oversikt over relevante kurs innen IT-kurs i Hemsedal

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% [-]

Understand the purpose and key concepts of Deployment Management, highlighting its importance in managing the deployment of new or changed services into the live environment. This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours of content   Mobile-optimised   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

Understand the purpose and key concepts of IT Asset Management, elucidating its significance in managing and optimising the lifecycle of IT assets to maximise value, control costs, and manage risks. 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% [-]

Kurset fokuserer på konvertering av etterspørsel til verdi via IT-relaterte tjenester. Modulen dekker sentrale emner som SLA-design, styring av flere leverandører, kommunikasjon, relasjonsstyring, CX- og UX-design, kartlegging av kunder og mer. E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på  AXELOS sine websider. Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert. [-]

Har du lite erfaring med PowerPoint og ønsker en innføring i programmet? På dette kurset lærer du hvordan du lager presentasjoner med bruk av tekst, bilder og ulike oppsett i PowerPoint. Du jobber i ditt eget tempo via et e-læringsprogram, med instruktør tilstede i rommet som hjelper deg om du står fast.   Kursinnhold:   Bli kjent med PowerPoint Oppstart Åpning Visninger Navigering Lagring og lukking Alternativer Egenskaper Hjelpemuligheter   Utforming Utformingsprosessen Nye presentasjoner Nye lysbilder Tema   Tekst Bruk av tekst i presentasjoner Innskriving og redigering Maler Skriftformatering Justering Avstand mellom linjer og avsnitt Punktlister og nummererte lister Angremuligheter Topptekst og bunntekst Tabulatorer Søking og erstatting Stavekontroll Synonymordbok   Bilder og objekter Bruk av bilder Utklipp Bilder fra fil Fotoalbum Video og lyd fra fil Arbeid med objekter Formatering av bilder Import av objekter   Tegning Tegning Koblingslinjer Formatering av objekter WordArt SmartArt   Diagram Utforming av diagram Diagramtyper Diagramelementer Formatering av diagram   Organisasjonskart Utforming av organisasjonskart Formatering av organisasjonskart   Tabeller Utforming av tabeller Merking Innsetting og sletting Radhøyde og kolonnebredde Justering   Utskrift Utskriftsformat Forhåndsvisning og utskrift Eksport av lysbilder til Word   Lysbildeframvisning Animasjoner Egendefinerte animasjoner Lysbildesortering Overgangseffekter Lysbildeframvisning Tilpassede framvisninger Framvisning uavhengig av PowerPoint   Internett og distribusjon Websider Hyperkoblinger Handlingsknapper Elektronisk post PDF- og XPS-format Dokumentinspeksjon Endelig versjon   [-]

  Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: IINI1001 IT Introduksjon eller tilsvarende forhåndskunnskaper. Innleveringer: Et større prosjektarbeid som gjennomføres som gruppearbeid. Personlig veileder: ja Vurderingsform: Vurderingen i faget er basert på prosjektarbeidet. Prosjektene gjennomføres gruppevis. Individuelle karakterer kan gis ved manglende deltakelse eller ved kontraktsbrudd med øvrige medlemmer. Ansvarlig: Thor O. Olsen         Læremål: Etter å ha gjennomført emnet «Lokale informasjonstjenester» skal studenten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kjenner til ulike typer informasjon som brukes i bedrifter og organisasjoner- har kunnskap om hvordan datateknologi og nettløsninger kan brukes i bedriftens forvaltning av informasjon- har kunnskap om moderne former for intern opplæring og oppbevaring og tilgjengelighet av kunnskapskapital FERDIGHETER:Kandidaten:- kan se behov for og være pådriver for små og mellomstore informasjonsløsninger for intern informasjon- kan komme med anbefalinger for bruk av moderne IT-kommunikasjonsløsninger - kan både individuelt og i grupper diskutere og redegjøre for holdninger og standpunkter i forhold til informasjonsforvaltning og ivaretakelse av virksomheters kunnskapskapital GENERELL KOMPETANSE:Kandidaten:- har forståelse for betydningen av aktiv informasjons- og kunnskapsforvaltning.- kan delta i planlegging og gjennomføring av informasjonshåndteringsprosjekter- kan identifisere, planlegge og gjennomføre en selvstendig oppgave i samarbeid med andre Innhold:Intranett og intranett-teknologi; Tjenesteinnhold i lokale informasjonssystemer; Sikkerhet i informasjonstjenester; Bedriftsopplæring;Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag Lokale informasjonstjenester 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Agenda:• Introduksjon til BIM• Link av Revit-modeller• Koordinering av modeller• Utarbeidelse av generisk modell• Arbeide med eksisterende families• Håndtering av forandringer i grunnlaget• Snitt og detaljer• Skjemaer og uttrekk• Oppsetning til print [-]

Kurset består av tre AutoCAD kursmoduler - 2D Grunnkurs og 2D Videregående, samt introduksjon til 3D modellering. Kurset gir deltakeren meget god kunnskap om AutoCAD, samt erfaring med utarbeidelse og oppbygging av tegninger. Mange av våre deltakerere har gjennomført kurset for å benytte dette på en CV ved søknad på ny jobb.   Følgende kursmoduler gjennomføres i dette kurset:  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 AutoCAD 2D Videregående kurs Tilpasse AutoCAD til eget brukermiljø Blokker med attributter og uttrekk til tabell/Excel Tabeller og Fields XREF - eksterne referanser Import og håndtering av PDF filer Innsetting av andre filformater som eks. DWF, raster filer og DGN Definering og bruk av annotative objekter ved målsetting og teksting. Avansert plotting Funksjoner i Express Tools AutoCAD 3D introduksjonskurs Koordinatsystemer Angivelse av punkter i rommet Solid modellering Surface modellering Mesh modellering Sette opp Layout i paperspace, projeksjoner og snitt Lagstruktur og lagdefinisjon, farger, linjetyper, målsetting Lyssetting, naturlig sollys og lokale lyskilder Knytte materialer til objekt eller til lag Renderfunksjoner Animasjon   Oppgaver Oppgaver knyttet til kurset, samt tilleggsoppgaver ift. fag.   Prosjektoppgaver Prosjektoppgaver knyttet til 2D tegning og 3D modellering.     [-]

Brukergrensesnittet. Opprette profiler med tilpasset oppsett. Verktøy for digital dokumentbehandling, slik som å sette sammen PDF’er, opprette hyperkoblinger, påføre digitale signaturer og stempler. Redigere innhold i PDF-filer Automatisk sammenligning Markeringsverktøy for bruk under designgjennomgang, etc. Bruk av Tool Chest til å spare symboler og tilpassede verktøy for enkel gjenbruk Bruk av markeringslisten til å sette status, kommentere, filtrere og rapportere Kalibrering og måleverktøy. Intro til mengdeberegning Intro til skybasert samarbeid med Studio Projects og Sessions   På kurset lærer du alle de viktigste funksjonene i Revu, noe som gir deg et godt overblikk og utgangspunkt for å jobbe videre med programmet. Du blir i stand til å digitalisere og effektivisere en rekke manuelle arbeidsprosesser, med tidsbesparelse og bedre kvalitet som resultat.   [-]

I en digital tidsalder hvor samhandling er essensielt for bedrifters suksess, er det kritisk for ledere å oppdatere sin kompetanse. Dette éndagskurset tilbyr praktisk trening og materiale for videre selvstudium, slik at ledere kan møte dagens databehov effektivt. Kurset fokuserer på tre hovedområder for å styrke deltakernes lederkompetanse innen datahåndtering. Det kombinerer teori og praksis for å maksimere læringen. Kurset avholdes på én arbeidsdag, med en strukturert agenda som dekker følgende temaer: Strategiske IT/IS-planer, inkludert organisatoriske strukturer, lederansvar, kompetansekartlegging, IT/IS-policyer, og en gjennomgang av IS-domener. Dette inkluderer også sikkerhetsaspekter som aktiva, nettverk, identitets- og tilgangsstyring, risikostyring, sikkerhetsvurdering og -testing, sikkerhetsoperasjoner, og sikkerhet i utviklingsfasen. Intern gapanalyse, oppbygging av en effektiv Enterprise Information Security Architecture (EISA), definering av opplæringskrav, tilpassede SETA-programmer, trusselvurdering, håndtering av sårbarheter, og en praktisk tilnærming til leverandørrisiko og sikkerhetsvurdering av digitale nettverk. Utvikling av KPI-dashboards, trusselvurdering, kommunikasjonsstrategier, introduksjon til økonomiske nøkkeltall innen informasjonssikkerhet, samt planlegging for forretningskontinuitet og katastrofegjenoppretting. Målsettingen er at hver deltaker etter kurset skal kunne sette SMART-mål for hvert punkt, hvor SMART representerer Spesifikke, Målbare, Oppnåelige, Relevante og Tidsbestemte mål. Kurset gir deltakerne verktøyene de trenger for å forbedre sitt lederskap i en digitalisert verden. Kursholder har jobbet med informasjonssikkerhet for ledende teknologiselskaper de siste 25 årene, og har hjulpet ledere finne farbare veier i krevende situasjoner. Han er sertifisert kvalitetsrevisor ISO 19011 og har utarbeidet sikkerhetsstyringsrutiner for selskaper som følger både enkle og svært strenge lovkrav. Han har en Ph.D. i Cybersecurity Leadership, en MBA innen Finans, Digital transformasjon, Forretningsstrategi, Kommunikasjon og Markedsføring. Han er sertifisert i Advanced Computer Security fra Stanford University og Cyber Forensics and Counterterrorism fra Harvard University. Han har også CISSP fra ISC2, Certified Data Privacy Solution Engineer fra ISACA, og CCSK (Certificate of Cloud Security Knowledge) fra CSA. I tillegg har han gjennomført NHH sitt styreprogram, som utgjør en relevant bakgrunn for dette kurset. Til daglig jobber han som CISO for et selskap med lokasjoner på 24 steder over hele verden. Selskapet må både sikre trygg drift og utvikle programvare og tjenester som må være i drift 24/7. [-]

Excelkurs Basis - elæringskurs [-]

UX Foundation [-]

  Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: Emnet gir en innføring i programmering og krever ingen bestemte forkunnskaper. Innleveringer: Innleverte øvinger. Det blir gitt 10 øvinger, 8 må være godkjent for å kunne gå opp til eksamen. Personlig veileder: ja Vurderingsform: Skriftlig eksamen, individuell, 4 timer,  Ansvarlig: Tore Berg Hansen Eksamensdato: 06.12.13         Læremål: KUNNSKAPER:Kandidaten:- kan definere, gjenkjenne og forklare de grunnleggende konsepter for programmering i C++ så som programmers struktur, nøkkelord, spesialtegn, datatyper, algoritmer, kontrollstrukturer, operatorer, funksjoner og uttrykk- kan forklare gangen fra kildekode til ferdig kjørbart program inkludert bruken av redigeringsprogram, kompilator og lenker og disses plass i integrerte programmeringsomgivelser- kan gjøre rede for begrepene enkle og sammensatte datatyper samt en- og flerdimensjonale tabeller- kan forklare den objektorienterte tankegangen og bruk av klasser FERDIGHETER:Kandidaten:- kan lage programmer i C++ som demonstrerer bruk av funksjoner, algoritmer og kontrollstrukturer- kan lage programmer som bruker tabeller- kan lage programmer som bruker datafiler- kan lage programmer som viser bruk av objekter- kan lage programmer satt sammen av flere filer GENERELL KOMPETANSE:Kandidaten:- er oppmerksom på at emnet er en introduksjon til programmering i C++ og at det er mye mer å lære spesielt om objektorientert programmering Innhold:Datatyper, betingelser og løkker, uttrykk, funksjoner, funksjonsbibliotek, tabeller, tekststrenger, strukturer, klasser og objekter, datafiler, sortering, søking. Program som består av flere filer. Bruk av "header"-filer. Kompilering og lenking i integrerte programmeringsomgivelser og bruk av "debugger". Algoritmer, skrittvis forfining, testing og feilsøking.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag Programmering i C++ 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

 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   [-]

Dette webinaret fokuserer på bruk av eksisterende presentasjoner, endringer av disse, samt det å klargjøre for presentasjon. Vi viser deg en rekke tips og teknikker som bidrar til at presentasjonen ser strøken ut, og som hjelper deg å spare verdifull tid i forberedelsesfasen.  Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause.  Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Gjenbruk Sette inn lysbilder fra andre presentasjoner Tilbakestille lysbildeoppsett Endre mal Rydde opp i manuelle feil   Klargjøring Konvertere tekst til SmartArt Animasjon og lysbildeovergang Tilrettelegge for navigasjon (hyperkoblinger) Tilpasset fremvisning Lag lysbildefremvisning Ta med presentasjonen på minnepinne   3 gode grunner til å delta 1. Lær og gjenbruke innhold fra andre presentasjoner effektivt 2. Få oversikt over måter å "rydde opp" i en presentasjon 3. Få tips til praktiske verktøy til ferdigstilling av presentasjonen   [-]