Oversikt over relevante kurs innen IT-kurs i Hvalstad

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. [-]

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 Monitoring and Event Management, highlighting its importance in proactively managing IT services and detecting events to ensure operational stability.   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 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  [-]

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 [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Grunnleggende programmering i for eksempel C# eller VB Innleveringer: Øvinger: 5 av 11 må være godkjent. Alle arbeidskravene må være godkjente for at studenten skal kunne fremstille seg til vurdering. Personlig veileder: ja Vurderingsform: Prosjektoppgave som vurderes til bestått/ikke bestått. Ansvarlig: Grethe Sandstrak         Læremål: Etter å ha gjennomført emnet skal kandidaten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kan konstruere en web-appliksjon ved hjelp av ASP .NET- ut fra en gitt problemstilling- kjenner til ulike objekter/ elementer/ kontroller som kan brukes for å lage gode brukergrensesnitt i ASP .NET applikasjoner FERDIGHETER:Kandidaten kan:- sette opp programmiljø for å utvikle og kjøre ASP. NET web applikasjoner på egen pc- kan finne fram, sette seg inn i og anvende dokumentasjon om .NET Framework library- lage ASP.NET web-applikasjoner- der bruker for opp spesialtilpassede web-sider- som kommuniserer med en database via SQL- som kommuniserer med datafiler- som er robuste og tar høyde for ulike metoder for hacking GENERELL KOMPETANSE:Kandidaten kan:- kommunisere om web-applikasjoner med relevant begrepsapparat Innhold:Klient- kontra tjener-programmering. Klientside-validering. Objektmodellen i VB. Response-objektet. Request-objektet. HTML forms. GET/POST. Prosessering av forms-informasjon. Å lagre tilstandsinformasjon: cookies, applikasjons- og session-objekt. Å bruke ferdige ASP.NET-komponenter. Datafiler på tjenersiden. Generelt om databaser. Bruk av DataSet-objekt. Hvordan bruke SQL direkte fra ASP.NET-program. Transaksjoner, låsing, skalering, sikkerhet. Debugging. Programmeringspråk er valgfritt (VB.NET eller C#.NET).Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Webprogrammering i ASP.NET 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   [-]

Spring Cloud Development [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: For å kunne gå opp til eksamen må 8 utvalgte øvingsoppgaver være godkjente. Personlig veileder: ja Vurderingsform: Skriftlig eksamen, individuell, 3 timer. Ansvarlig: Arne Bjørn Mikalsen Eksamensdato: 16.12.13 / 19.05.14         Læremål: KUNNSKAPERKandidaten:- kan gjøre rede for de mest brukte teknologiene for lokalnettverk- kan gjøre rede for teknisk oppbygning av nettverk- kan gjøre rede for ulike nettverkskomponenter, deres virkemåte og bruksområde- kan planlegge og vurdere sikkerhet i lokalnettverk FERDIGHETER:Kandidaten:- kan koble til og konfigurere en datamaskin slik at den fungerer i et nettverk med internettoppkobling- kan opprette brukerkontoer, tildele rettigheter, samt administrere nettverk med en ressursdatabase- kan planlegge, implementere og konfigurere et mindre lokalnettverk GENERELL KOMPETANSE:Kandidaten:- har kompetanse til selvstendig både å formidle og å ta i bruk sine kunnskaper og ferdigheter innen emnets tema i en driftssituasjon- kan i en praktisk driftssituasjon, forklare og gjøre bruk av sin kunnskap både innen hvert enkelt tema i faget og på tvers av temaene- kan kommunisere med andre om nettverksløsninger Innhold:Fysiske medier i bruk i lokalnettverk. Nettverkskomponenter. Design av nettverk (nettverk infrastruktur). Trådløse nettverk, design og sikkerhet. Generelt om forskjellige typer nettverksoperativsystem. Introduksjon til Active Directory og eDirectory. Prinsipper for konfigurasjon, installasjon, drift og sikkerhet og driftsfilosofi i lokalnettverk. Introduksjon til virtualisering. Driftsmodeller: Fjerndrift eller ASP (Application Service Provider)Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Drift av lokalnettverk 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Studieår: 2013-2014   Gjennomføring: Høst Antall studiepoeng: 5.0 Forutsetninger: Programmeringserfaring i et eller flere objektorienterte programmeringsspråk Innleveringer: 8 bestemte øvinger kreves godkjent for å få gå opp til eksamen. Personlig veileder: ja Vurderingsform: 4 timer skriftlig eksamen. Ansvarlig: Else Lervik Eksamensdato: 05.12.13         Læremål: KUNNSKAPERKandidaten:- kan definere begrepene pekere og referanser og forholdet mellom pekere og tabeller- kan redegjøre for hva konstruktører og destruktører er, og kan forklare når det er nødvendig å lage dem.- kan gjøre rede for «overloading» av operatorer- kan forklare begrepet «templates» og hvordan det brukes- kan forklare behovet for Standard Template Library og hva det inneholder- kan forklare bruken av RTTI og Exceptions FERDIGHETER:Kandidaten:- kan lage programmer i C++ som demonstrerer bruk av pekere, «overloading», templates, RTTI, exceptions og elementer fra Standard Template Library- kan lage programmer i C++ som bruker pekere og det frie lageret på en forsvarlig måte og med nødvendig opprydding GENERELL KOMPETANSE:Kandidaten:- er opptatt av at som profesjonell yrkesutøver skal man lage programmer som skal lette arbeidet for andre yrkesutøvere eller generelt være til nytte for folk og samfunn Innhold:Adresser og pekere, pekere og tabeller, det frie lageret, operator overloading, konstruktører og destruktører, templates, introduksjon til STL, RTTI og exceptions.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Dette faget går: Høst 2013    Fag C++ for programmerere 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

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 [-]

Kubernetes [-]

ITIL® 4 Practitioner: Change Enablement [-]