Oversikt over relevante kurs innen IT-kurs i Hol

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% [-]

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

Her er et utvalg av temaene du vil lære på kurset: Oppsett av nytt sprinklerprosjekt i Revit Prosjektering av sprinkleranlegg Behandling av rørtyper, systemer etc Lage egne produkter for sprinklerhoder og andre produkter Hydrauliske beregninger IFC-eksport Oppsett av tegninger [-]

Excelkurs Basis - elæringskurs [-]

TARGET AUDIENCE Software engineers concerned with building, managing and deploying AI solutions that leverage Azure Cognitive Services, Azure Cognitive Search, and Microsoft Bot Framework. They are familiar with C#, Python, or JavaScript and have knowledge on using REST-based APIs to build computer vision, language analysis, knowledge mining, intelligent search, and conversational AI solutions on Azure. COURSE OBJECTIVES After completing this course you should be able to: Describe considerations for creating AI-enabled applications Identify Azure services for AI application development Provision and consume cognitive services in Azure Manage cognitive services security Monitor cognitive services Use a cognitive services container Use the Text Analytics cognitive service to analyze text Use the Translator cognitive service to translate text Use the Speech cognitive service to recognize and synthesize speech Use the Speech cognitive service to translate speech Create a Language Understanding app Create a client application for Language Understanding Integrate Language Understanding and Speech Use QnA Maker to create a knowledge base Use a QnA knowledge base in an app or bot Use the Bot Framework SDK to create a bot Use the Bot Framework Composer to create a bot Use the Computer Vision service to analyze images Use Video Indexer to analyze videos Use the Custom Vision service to implement image classification Use the Custom Vision service to implement object detection Detect faces with the Computer Vision service Detect, analyze, and recognize faces with the Face service Use the Computer Vision service to read text in images and documents Use the Form Recognizer service to extract data from digital forms Create an intelligent search solution with Azure Cognitive Search Implement a custom skill in an Azure Cognitive Search enrichment pipeline Use Azure Cognitive Search to create a knowledge store   COURSE CONTENT Module 1: Introduction to AI on Azure Artificial Intelligence (AI) is increasingly at the core of modern apps and services. In this module, you'll learn about some common AI capabilities that you can leverage in your apps, and how those capabilities are implemented in Microsoft Azure. You'll also learn about some considerations for designing and implementing AI solutions responsibly. Introduction to Artificial Intelligence Artificial Intelligence in Azure Module 2: Developing AI Apps with Cognitive Services Cognitive Services are the core building blocks for integrating AI capabilities into your apps. In this module, you'll learn how to provision, secure, monitor, and deploy cognitive services. Getting Started with Cognitive Services Using Cognitive Services for Enterprise Applications Lab: Get Started with Cognitive Services Lab: Get Started with Cognitive Services Lab: Monitor Cognitive Services Lab: Use a Cognitive Services Container Module 3: Getting Started with Natural Language Processing  Natural Language processing (NLP) is a branch of artificial intelligence that deals with extracting insights from written or spoken language. In this module, you'll learn how to use cognitive services to analyze and translate text. Analyzing Text Translating Text Lab: Analyze Text Lab: Translate Text Module 4: Building Speech-Enabled Applications Many modern apps and services accept spoken input and can respond by synthesizing text. In this module, you'll continue your exploration of natural language processing capabilities by learning how to build speech-enabled applications. Speech Recognition and Synthesis Speech Translation Lab: Recognize and Synthesize Speech Lab: Translate Speech Module 5: Creating Language Understanding Solutions To build an application that can intelligently understand and respond to natural language input, you must define and train a model for language understanding. In this module, you'll learn how to use the Language Understanding service to create an app that can identify user intent from natural language input. Creating a Language Understanding App Publishing and Using a Language Understanding App Using Language Understanding with Speech Lab: Create a Language Understanding App Lab: Create a Language Understanding Client Application Use the Speech and Language Understanding Services Module 6: Building a QnA Solution One of the most common kinds of interaction between users and AI software agents is for users to submit questions in natural language, and for the AI agent to respond intelligently with an appropriate answer. In this module, you'll explore how the QnA Maker service enables the development of this kind of solution. Creating a QnA Knowledge Base Publishing and Using a QnA Knowledge Base Lab: Create a QnA Solution Module 7: Conversational AI and the Azure Bot Service Bots are the basis for an increasingly common kind of AI application in which users engage in conversations with AI agents, often as they would with a human agent. In this module, you'll explore the Microsoft Bot Framework and the Azure Bot Service, which together provide a platform for creating and delivering conversational experiences. Bot Basics Implementing a Conversational Bot Lab: Create a Bot with the Bot Framework SDK Lab: Create a Bot with a Bot Freamwork Composer Module 8: Getting Started with Computer Vision Computer vision is an area of artificial intelligence in which software applications interpret visual input from images or video. In this module, you'll start your exploration of computer vision by learning how to use cognitive services to analyze images and video. Analyzing Images Analyzing Videos Lab: Analyse Images with Computer Vision Lab: Analyze Images with Video Indexer Module 9: Developing Custom Vision Solutions While there are many scenarios where pre-defined general computer vision capabilities can be useful, sometimes you need to train a custom model with your own visual data. In this module, you'll explore the Custom Vision service, and how to use it to create custom image classification and object detection models. Image Classification Object Detection Lab: Classify Images with Custom Vision Lab: Detect Objects in Images with Custom Vision Module 10: Detecting, Analyzing, and Recognizing Faces Facial detection, analysis, and recognition are common computer vision scenarios. In this module, you'll explore the user of cognitive services to identify human faces. Detecting Faces with the Computer Vision Service Using the Face Service Lab:Destect, Analyze and Recognize Faces Module 11: Reading Text in Images and Documents Optical character recognition (OCR) is another common computer vision scenario, in which software extracts text from images or documents. In this module, you'll explore cognitive services that can be used to detect and read text in images, documents, and forms. Reading text with the Computer Vision Service Extracting Information from Forms with the Form Recognizer service Lab: Read Text in IMages Lab: Extract Data from Forms Module 12: Creating a Knowledge Mining Solution Ultimately, many AI scenarios involve intelligently searching for information based on user queries. AI-powered knowledge mining is an increasingly important way to build intelligent search solutions that use AI to extract insights from large repositories of digital data and enable users to find and analyze those insights. Implementing an Intelligent Search Solution Developing Custom Skills for an Enrichment Pipeline Creating a Knowledge Store Lab: Create and Azure Cognitive Search Solution Create a Custom Skill for Azure Cognitive Search Create a Knowledge Store with Azure Cognitive Search   TEST CERTIFICATION Recommended as preparation for the following exams: AI-102 - Designing and Implementing a Microsoft Azure AI Solution - Part of the requirements for the Microsoft Certified Azure AI Engineer Associate Certification.   HVORFOR VELGE SG PARTNER AS:  Flest kurs med Startgaranti Rimeligste kurs Beste service og personlig oppfølgning Tilgang til opptak etter endt kurs Partner med flere av verdens beste kursleverandører [-]

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. [-]

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.   [-]

COURSE OVERVIEW Learn how to investigate, respond to, and hunt for threats using Microsoft Azure Sentinel, Azure Defender, and Microsoft 365 Defender. In this course you will learn how to mitigate cyberthreats using these technologies. Specifically, you will configure and use Azure Sentinel as well as utilize Kusto Query Language (KQL) to perform detection, analysis, and reporting. The course was designed for people who work in a Security Operations job role and helps learners prepare for the exam SC-200: Microsoft Security Operations Analyst. TARGET AUDIENCE The Microsoft Security Operations Analyst collaborates with organizational stakeholders to secure information technology systems for the organization. Their goal is to reduce organizational risk by rapidly remediating active attacks in the environment, advising on improvements to threat protection practices, and referring violations of organizational policies to appropriate stakeholders. Responsibilities include threat management, monitoring, and response by using a variety of security solutions across their environment. The role primarily investigates, responds to, and hunts for threats using Microsoft Azure Sentinel, Azure Defender, Microsoft 365 Defender, and third-party security products. Since the Security Operations Analyst consumes the operational output of these tools, they are also a critical stakeholder in the configuration and deployment of these technologies. COURSE OBJECTIVES Explain how Microsoft Defender for Endpoint can remediate risks in your environment Create a Microsoft Defender for Endpoint environment Configure Attack Surface Reduction rules on Windows 10 devices Perform actions on a device using Microsoft Defender for Endpoint Investigate domains and IP addresses in Microsoft Defender for Endpoint Investigate user accounts in Microsoft Defender for Endpoint Configure alert settings in Microsoft Defender for Endpoint Explain how the threat landscape is evolving Conduct advanced hunting in Microsoft 365 Defender Manage incidents in Microsoft 365 Defender Explain how Microsoft Defender for Identity can remediate risks in your environment. Investigate DLP alerts in Microsoft Cloud App Security Explain the types of actions you can take on an insider risk management case. Configure auto-provisioning in Azure Defender Remediate alerts in Azure Defender Construct KQL statements Filter searches based on event time, severity, domain, and other relevant data using KQL Extract data from unstructured string fields using KQL Manage an Azure Sentinel workspace Use KQL to access the watchlist in Azure Sentinel Manage threat indicators in Azure Sentinel Explain the Common Event Format and Syslog connector differences in Azure Sentinel Connect Azure Windows Virtual Machines to Azure Sentinel Configure Log Analytics agent to collect Sysmon events Create new analytics rules and queries using the analytics rule wizard Create a playbook to automate an incident response Use queries to hunt for threats Observe threats over time with livestream COURSE CONTENT Module 1: Mitigate threats using Microsoft Defender for Endpoint Implement the Microsoft Defender for Endpoint platform to detect, investigate, and respond to advanced threats. Learn how Microsoft Defender for Endpoint can help your organization stay secure. Learn how to deploy the Microsoft Defender for Endpoint environment, including onboarding devices and configuring security. Learn how to investigate incidents and alerts using Microsoft Defender for Endpoints. Perform advanced hunting and consult with threat experts. You will also learn how to configure automation in Microsoft Defender for Endpoint by managing environmental settings.. Lastly, you will learn about your environment's weaknesses by using Threat and Vulnerability Management in Microsoft Defender for Endpoint. Lessons M1 Protect against threats with Microsoft Defender for Endpoint Deploy the Microsoft Defender for Endpoint environment Implement Windows 10 security enhancements with Microsoft Defender for Endpoint Manage alerts and incidents in Microsoft Defender for Endpoint Perform device investigations in Microsoft Defender for Endpoint Perform actions on a device using Microsoft Defender for Endpoint Perform evidence and entities investigations using Microsoft Defender for Endpoint Configure and manage automation using Microsoft Defender for Endpoint Configure for alerts and detections in Microsoft Defender for Endpoint Utilize Threat and Vulnerability Management in Microsoft Defender for Endpoint Lab M1: Mitigate threats using Microsoft Defender for Endpoint Deploy Microsoft Defender for Endpoint Mitigate Attacks using Defender for Endpoint After completing module 1, students will be able to: Define the capabilities of Microsoft Defender for Endpoint Configure Microsoft Defender for Endpoint environment settings Configure Attack Surface Reduction rules on Windows 10 devices Investigate alerts in Microsoft Defender for Endpoint Describe device forensics information collected by Microsoft Defender for Endpoint Conduct forensics data collection using Microsoft Defender for Endpoint Investigate user accounts in Microsoft Defender for Endpoint Manage automation settings in Microsoft Defender for Endpoint Manage indicators in Microsoft Defender for Endpoint Describe Threat and Vulnerability Management in Microsoft Defender for Endpoint Module 2: Mitigate threats using Microsoft 365 Defender Analyze threat data across domains and rapidly remediate threats with built-in orchestration and automation in Microsoft 365 Defender. Learn about cybersecurity threats and how the new threat protection tools from Microsoft protect your organization’s users, devices, and data. Use the advanced detection and remediation of identity-based threats to protect your Azure Active Directory identities and applications from compromise. Lessons M2 Introduction to threat protection with Microsoft 365 Mitigate incidents using Microsoft 365 Defender Protect your identities with Azure AD Identity Protection Remediate risks with Microsoft Defender for Office 365 Safeguard your environment with Microsoft Defender for Identity Secure your cloud apps and services with Microsoft Cloud App Security Respond to data loss prevention alerts using Microsoft 365 Manage insider risk in Microsoft 365 Lab M2: Mitigate threats using Microsoft 365 Defender Mitigate Attacks with Microsoft 365 Defender After completing module 2, students will be able to: Explain how the threat landscape is evolving. Manage incidents in Microsoft 365 Defender Conduct advanced hunting in Microsoft 365 Defender Describe the investigation and remediation features of Azure Active Directory Identity Protection. Define the capabilities of Microsoft Defender for Endpoint. Explain how Microsoft Defender for Endpoint can remediate risks in your environment. Define the Cloud App Security framework Explain how Cloud Discovery helps you see what's going on in your organization Module 3: Mitigate threats using Azure Defender Use Azure Defender integrated with Azure Security Center, for Azure, hybrid cloud, and on-premises workload protection and security. Learn the purpose of Azure Defender, Azure Defender's relationship to Azure Security Center, and how to enable Azure Defender. You will also learn about the protections and detections provided by Azure Defender for each cloud workload. Learn how you can add Azure Defender capabilities to your hybrid environment. Lessons M3 Plan for cloud workload protections using Azure Defender Explain cloud workload protections in Azure Defender Connect Azure assets to Azure Defender Connect non-Azure resources to Azure Defender Remediate security alerts using Azure Defender Lab M3: Mitigate threats using Azure Defender Deploy Azure Defender Mitigate Attacks with Azure Defender After completing module 3, students will be able to: Describe Azure Defender features Explain Azure Security Center features Explain which workloads are protected by Azure Defender Explain how Azure Defender protections function Configure auto-provisioning in Azure Defender Describe manual provisioning in Azure Defender Connect non-Azure machines to Azure Defender Describe alerts in Azure Defender Remediate alerts in Azure Defender Automate responses in Azure Defender Module 4: Create queries for Azure Sentinel using Kusto Query Language (KQL) Write Kusto Query Language (KQL) statements to query log data to perform detections, analysis, and reporting in Azure Sentinel. This module will focus on the most used operators. The example KQL statements will showcase security related table queries. KQL is the query language used to perform analysis on data to create analytics, workbooks, and perform hunting in Azure Sentinel. Learn how basic KQL statement structure provides the foundation to build more complex statements. Learn how to summarize and visualize data with a KQL statement provides the foundation to build detections in Azure Sentinel. Learn how to use the Kusto Query Language (KQL) to manipulate string data ingested from log sources. Lessons M4 Construct KQL statements for Azure Sentinel Analyze query results using KQL Build multi-table statements using KQL Work with data in Azure Sentinel using Kusto Query Language Lab M4: Create queries for Azure Sentinel using Kusto Query Language (KQL) Construct Basic KQL Statements Analyze query results using KQL Build multi-table statements using KQL Work with string data using KQL statements After completing module 4, students will be able to: Construct KQL statements Search log files for security events using KQL Filter searches based on event time, severity, domain, and other relevant data using KQL Summarize data using KQL statements Render visualizations using KQL statements Extract data from unstructured string fields using KQL Extract data from structured string data using KQL Create Functions using KQL Module 5: Configure your Azure Sentinel environment Get started with Azure Sentinel by properly configuring the Azure Sentinel workspace. Traditional security information and event management (SIEM) systems typically take a long time to set up and configure. They're also not necessarily designed with cloud workloads in mind. Azure Sentinel enables you to start getting valuable security insights from your cloud and on-premises data quickly. This module helps you get started. Learn about the architecture of Azure Sentinel workspaces to ensure you configure your system to meet your organization's security operations requirements. As a Security Operations Analyst, you must understand the tables, fields, and data ingested in your workspace. Learn how to query the most used data tables in Azure Sentinel. Lessons M5 Introduction to Azure Sentinel Create and manage Azure Sentinel workspaces Query logs in Azure Sentinel Use watchlists in Azure Sentinel Utilize threat intelligence in Azure Sentinel Lab M5 : Configure your Azure Sentinel environment Create an Azure Sentinel Workspace Create a Watchlist Create a Threat Indicator After completing module 5, students will be able to: Identify the various components and functionality of Azure Sentinel. Identify use cases where Azure Sentinel would be a good solution. Describe Azure Sentinel workspace architecture Install Azure Sentinel workspace Manage an Azure Sentinel workspace Create a watchlist in Azure Sentinel Use KQL to access the watchlist in Azure Sentinel Manage threat indicators in Azure Sentinel Use KQL to access threat indicators in Azure Sentinel Module 6: Connect logs to Azure Sentinel Connect data at cloud scale across all users, devices, applications, and infrastructure, both on-premises and in multiple clouds to Azure Sentinel. The primary approach to connect log data is using the Azure Sentinel provided data connectors. This module provides an overview of the available data connectors. You will get to learn about the configuration options and data provided by Azure Sentinel connectors for Microsoft 365 Defender. Lessons M6 Connect data to Azure Sentinel using data connectors Connect Microsoft services to Azure Sentinel Connect Microsoft 365 Defender to Azure Sentinel Connect Windows hosts to Azure Sentinel Connect Common Event Format logs to Azure Sentinel Connect syslog data sources to Azure Sentinel Connect threat indicators to Azure Sentinel Lab M6: Connect logs to Azure Sentinel Connect Microsoft services to Azure Sentinel Connect Windows hosts to Azure Sentinel Connect Linux hosts to Azure Sentinel Connect Threat intelligence to Azure Sentinel After completing module 6, students will be able to: Explain the use of data connectors in Azure Sentinel Explain the Common Event Format and Syslog connector differences in Azure Sentinel Connect Microsoft service connectors Explain how connectors auto-create incidents in Azure Sentinel Activate the Microsoft 365 Defender connector in Azure Sentinel Connect Azure Windows Virtual Machines to Azure Sentinel Connect non-Azure Windows hosts to Azure Sentinel Configure Log Analytics agent to collect Sysmon events Explain the Common Event Format connector deployment options in Azure Sentinel Configure the TAXII connector in Azure Sentinel View threat indicators in Azure Sentinel Module 7: Create detections and perform investigations using Azure Sentinel Detect previously uncovered threats and rapidly remediate threats with built-in orchestration and automation in Azure Sentinel. You will learn how to create Azure Sentinel playbooks to respond to security threats. You'll investigate Azure Sentinel incident management, learn about Azure Sentinel events and entities, and discover ways to resolve incidents. You will also learn how to query, visualize, and monitor data in Azure Sentinel. Lessons M7 Threat detection with Azure Sentinel analytics Threat response with Azure Sentinel playbooks Security incident management in Azure Sentinel Use entity behavior analytics in Azure Sentinel Query, visualize, and monitor data in Azure Sentinel Lab M7: Create detections and perform investigations using Azure Sentinel Create Analytical Rules Model Attacks to Define Rule Logic Mitigate Attacks using Azure Sentinel Create Workbooks in Azure Sentinel After completing module 7, students will be able to: Explain the importance of Azure Sentinel Analytics. Create rules from templates. Manage rules with modifications. Explain Azure Sentinel SOAR capabilities. Create a playbook to automate an incident response. Investigate and manage incident resolution. Explain User and Entity Behavior Analytics in Azure Sentinel Explore entities in Azure Sentinel Visualize security data using Azure Sentinel Workbooks. Module 8: Perform threat hunting in Azure Sentinel In this module, you'll learn to proactively identify threat behaviors by using Azure Sentinel queries. You'll also learn to use bookmarks and livestream to hunt threats. You will also learn how to use notebooks in Azure Sentinel for advanced hunting. Lessons M8 Threat hunting with Azure Sentinel Hunt for threats using notebooks in Azure Sentinel Lab M8 : Threat hunting in Azure Sentinel Threat Hunting in Azure Sentinel Threat Hunting using Notebooks After completing this module, students will be able to: Describe threat hunting concepts for use with Azure Sentinel Define a threat hunting hypothesis for use in Azure Sentinel Use queries to hunt for threats. Observe threats over time with livestream. Explore API libraries for advanced threat hunting in Azure Sentinel Create and use notebooks in Azure Sentinel [-]

Dette kurset er innrettet mot dem som jobber med økonomisk oppfølging i bedriften. Vi går inn på prosessene fra innhenting av data, bearbeidelse av dataene, sammendrag og analyse av dataene, og til sist rapportering av dataene til bedriftens beslutningstagere. Vi bruker en god del tid på Pivot og Power Pivot her, men vi går ikke fullt så langt som i spesialkurset om Pivottabeller. Kurset forutsetter at man er godt kjent i Excel, og vant til å jobbe med litt kompliserte problemstillinger i Excel. Kontroll/gjennomgang av en del sentral funksjonalitet – bl.a. absolutte, relative og blandede referanser. Sammendrag av data fra flere ark i samme eller flere arbeidsbøker, bl.a. gjennomgående summering og tabulering v.hj.a. INDIREKTE-funksjonen. Betingende sammendrag v.hj.a. matriseformler og funksjoner Sentrale funksjoner, bl.a. HVIS, HVISFEIL, FINN.RAD, FINN.KOLONNE, ANTALL.HVIS, etc. Sammendrag av data med Pivottabell Power Pivot Formler Rapportering av data Statiske rapporter Rapporter med interaktivitet, forskjellige teknikker Visualisering av tallene Dashboard Aktuelle teknikker for å lage dashboards Avstemming av to eller flere lister mot hverandre, f.ex. bank Lister – verktøy i Excel som er aktuelle når vi jobber med lister Makroer/VBA – introduksjon til automatisering [-]

Kurs i hypotesetesting I forbedringsarbeid og problemløsning tester vi hypoteser for å bestemme rotårsaker og årsakssammenhenger. Dette kurset lærer deg å utforme og teste hypoteser. Du får svar på spørsmål som: Er det signifikante forskjeller i gjennomsnitt eller variasjon? Har endringen vi har gjort medført en signifikant forbedring?   Kurset er for deg som vil: utforme hypotese basert på egne teorier om rotårsak eller årsakssammenhenger bestemme om datasett har signifikante forskjelliger i gjennomsnitt eller variasjon avgjøre om forbedringsarbeid har gitt signifikante forskjeller forstå årsakssammenhenger ved hjelp av statistikk   Du lærer følgende: Bruk av statistisk hypotesetesting Praktisk og statistisk signifikans Statistikk og sannsynlighet Utforme hypotese Velge Hypotesetest (type data, fordeling, statistikk av interesse, # populasjoner) Trekke konklusjon basert på p-verdi Type I og type II feil Vurdering av datautvalg og prøveantall Bruke av p-verdi Vi bruker praktiske eksempler og øvelser i undervisningen.     Kursholder Kursholder Sissel Pedersen Lundeby er IASSC (International association for Six Sigma certification) akkreditert kursholder (eneste i Norge per januar 2022): "This accreditation publically reflects that you have met the standards established by IASSC such that those who participate in a training program led by you can expect to receive an acceptable level of knowledge transfer consistent with the Lean Six Sigma belt Bodies of Knowledge as established by IASSC."  Hypotesetesting er et av verktøyene som benyttes innen Lean Six Sigma, og Sissel har bred erfaring med anvendelse av dette verktøyet.  Sissel er utdannet sivilingeniør i kjemiteknikk fra NTNU, og har mer enn 20 års erfaring innen produksjon og miljøteknologi. Hennes Lean Six Sigma opplæring startet i 2002, hos et amerikansk firma, hvor hun ble Black Belt sertifisert. I 2017 ble hun også Black Belt sertifisert gjennom IASSC. Sissel har svært god erfaring med å bruke Lean Six Sigma til forbedringer, og fokuserer på å skape målbare resultater. Kursene bruker praktiske, gjenkjennelige eksempler, og formidler Lean Six Sigma på en enkel, forståelig måte.      Tilbakemeldinger "Inspirerende, faglig dyktig, folkeliggjør et teoretisk fagområde" Espen Fjeld, Kommersiell direktør hos Berendsen "Faglig meget dyktig og klar fremføring. Morsom og skaper tillit" Jon Sørensen, Produksjonsleder hos Berendsen "10/10 flink til å nå alle" Erlend Stene, Salgsleder hos Berendsen "Tydelig og bra presentert. God til å kontrollspørre og lytte (sjekke forståelse)" Morten Bodding, Produksjonsleder hos Berendsen "Utgjorde en forskjell, engasjert og dyktig" Kursdeltager fra EWOS "Du er inspirerende, positiv og dyktig i faget" Kursdeltager fra EWOS "Jeg var veldig imponert over Sissels Lean Six Sigma kunnskap. Hun gjør det enkelt å identifisere forbedringer og skape resultater" Daryl Powell, Lean Manager, Kongsberg Maritime Subsea   Praktisk informasjon Kurset arrangeres på forespørsel fra bedrifter. Åpne kurs arrangeres ihht kurskalenderen. Kurset består av et nettmøte på 2 timer. [-]

OneNote er et program fra Microsoft som gir deg mulighet til å digitalisere dine notater. Programmet egner seg særlig for deg som har behov for å skrive møtenotater, foredragsnotater og arbeidsnotater. OneNote vil synkronisere dine notater på tvers av dine enheter, og kan benyttes på din PC, din smarttelefon eller nettbrett. Du kan bygge inn tekst og filer fra Outlook, Word, Excel og PowerPoint, samt film- og lydfiler. Har du oversikten over notater etter at møter er over? Føler du at de papirbaserte notatene over tid blir uoversiktlige og lite tilgjengelige. Du kan jobbe raskere, smartere og bedre ved å ta i bruk OneNote. I dine digitale notater i OneNote kan du inkludere tekst, bilder, lenker til filer og websider, lyd og film. Du kan ta notater fra din smarttelefon, ditt nettbrett eller din PC; alt etter hva du har tilgjengelig. Systemet vil synkronisere notatene på tvers av dine enheter. OneNote er en del av Microsoft Office og er tilgjengelig gratis for alle.  Kurset kan spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler. Deltakere må ha med egen datamaskin med relevant programvare. 6 gode grunner til å delta Du vil se hvor enkelt det er å ta raske notater Lær hvordan du finner igjen notater raskt og effektivt Du vil kunne koble notater til oppgaver i Outlook Lær å holde møtenotater koblet til avtaler og møter i Outlook Få en innføring i hvordan flere kan jobbe samtidig med notater Lær hvordan OneNote kobler lyd/videoopptak med notater Synkroniser dine notater mellom dine enheter (PC, mobil, nettbrett) Forkunnskap: Erfaring i bruk av Microsoft Office. Varighet:3 timer Pris:3200 kroner Ansatte ved UiS har egne betalingsbetingelser. [-]

Dette nettkurset fokuserer på objektorientert programmering (OOP) i Python og er ideelt for de som allerede har grunnleggende ferdigheter i Python og ønsker å utvide sine kunnskaper. OOP gir deg muligheten til å skrive kode som er mer strukturert, gjenbrukbar og enklere å vedlikeholde. Kurset, ledet av erfaren systemutvikler og instruktør Magnus Kvendseth Øye, vil veilede deg gjennom nøkkelkonsepter innen OOP i Python. I løpet av kurset vil du lære å se på koden din som en samling av dynamiske objekter som samhandler med hverandre. Du vil utforske følgende emner: Kapittel 1: Introduksjon Kapittel 2: Klasser og egenskaper Kapittel 3: Metoder Kapittel 4: Representasjon Kapittel 5: Arv Kapittel 6: Prosjekt Kapittel 7: Avslutning Med Magnus Kvendseth Øye som din veileder, vil du få en solid forståelse av hvordan du kan bruke OOP-prinsipper i Python for å skape ren, effektiv og strukturert kode. Dette kurset gir deg muligheten til å ta dine Python-ferdigheter til neste nivå.   Varighet: 3 timer og 8 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. [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: IT Introduksjon eller tilsvarende. Innleveringer: Øvinger: 8 må være godkjent.  Personlig veileder: ja Vurderingsform: Skriftlig eksamen, 3 timer Ansvarlig: Tore Mallaug Eksamensdato: 09.12.13 / 08.05.14         Læremål: Etter å ha gjennomført emnet skal studenten ha følgende samlede læringsutbytte: KUNNSKAPER:Kandidaten skal:- kjenne sentrale begreper innen databaser og datamodellering, og kan gjøre rede for disse- forstå hvordan en relasjonsdatabase er bygd opp ved å se på relasjonene (tabellene) og tilhørende nøkler- forstå (tolke) et (E)ER-diagram modellert i fagets gjeldende notasjon, og vite hvordan dette kan oversettes til relasjonsmodellen- gjøre rede for hvordan databaser kan fungere i en klient/tjener-arkitektur. FERDIGHETER:Kandidaten skal kunne:- tegne sitt eget (E)ER-diagram for å oppnå en god databasestruktur- lage sin egen normaliserte relasjonsdatabase med nøkler og referanseintegritet, og opprette databasen i et valgt databaseverktøy (databasesystem)- utføre SQL-spørringer mot en gitt database- lage en relasjonsdatabase som støtter opp om funksjonaliteten til et gitt grafisk brukergrensesnitt GENERELL KOMPETANSEKandidaten- viser en bevisst holdning til strukturell lagring og representasjon av data i et informasjonssystem- viser en bevisst holdning til databasedesign for å unngå unødvendig dobbeltlagring av data i en database Innhold:Innføring i datamodellering med EER og UML-notasjon. Design av relasjonsdatabase inkl. bruk av nøkler, referanseintegritet og enkel normalisering. Databasedefinisjon (DDL) og datamanipulering (DML) i SQL. Bruk av et valgt databaseverktøy (MySQL), se sammenhengen mellom datamodell, databaseverktøy og applikasjon / web-grensesnitt (klient/tjener -arkitektur).Les mer om faget herDemo: Her er en introduksjonsvideo for faget Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Databaser 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

Ønsker du å jobbe med ulike tegninger i Visio, men føler du ikke mestrer programmet? Vil du i tillegg kunne lage egne maler for å jobbe mer effektivt? Da er ”Visio Grunnleggende” kurset for deg! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1    Hva er Visio? Få oversikt. Bli kjent med programvinduet og hvordan du kan tilpasse det etter dine behov. Mal. Hvordan er en mal bygd opp og hvordan jobbe med en tegning? Formatering. Lær å formatere og hva formateringsbegrepet betyr. Sjablonger og figurer. Hva er sjablonger og figurer?   Å jobbe effektivt med Visio Bygge opp en tegning. Lær å bygge opp en tegning fra bunnen av. Hurtigtaster. Effektiv bruk av tastatur og mus. Formatering. Bruk formatering for å gjøre tegningene oversiktlige og informasjonen mest mulig tilgjengelig. Ark. Lær å jobbe med flere ark, navngi dem, slette dem, bruke bakgrunner etc. Praktisk oppgaveløsing. Jobb med skreddersydde oppgaver innenfor dagens temaer. Andre Office-programmer. Lær å bruke Visio-tegninger i andre Office-programmer.   Flytskjema og organisasjonskart Koblinger. Lær å koble figurer på en effektiv måte. Oppsett. Hvordan sørge for at figurene står plassert på en nøyaktig og oversiktlig måte? Navigasjon. Bygge opp praktisk navigasjon mellom sidene i en større tegning.   Dag 2    Nettverksdiagram Figurdata. Knytt praktisk informasjon til figurene i tegningen. Rapporter. Hvordan hente ut rapporter fra en tegning?   Prosjektplaner Tidslinje. Illustrere faser i et prosjekt på en oversiktlig måte. Gantt-diagram. Vise prosjektinformasjon på en mer detaljert måte. Utskrift. Få oversikt over de vanligste problemstillingene ved utskrift.   Egne maler Maler. Hva er maler, deres styrke og hvordan kan jeg utnytte dem best mulig i mitt arbeid? Sjablonger. Bygge opp en egen samling med de figurene du skal bruke. Figurer. Lær å lage egne tilpassede figurer. Praktisk oppgaveløsing. Jobb med skreddersydde oppgaver innenfor dagens temaer.   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

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 [-]