Oversikt over relevante kurs innen IT-kurs i Hörby

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher i en e-post fra Peoplecert. Denne vil være gyldig i ett år. Tid for sertifiseringstest avtales som beskrevet i e-post med voucher. Eksamen overvåkes av en web-basert eksamensvakt.   Eksamen er på engelsk. Eksamensformen er multiple choice 50 spørsmål skal besvares, og du består ved 50% korrekte svar (dvs 25 av 50 spørsmål). Deltakerne har 40 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.     [-]

  Webinaret passer for deg som vil lære å ta dine notater digitalt i Microsoft OneNote. 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 lære å jobbe raskere, smartere og bedre ved å ta i bruk OneNote for å digitalisere dine notater. I dine digitale notater i OneNote kan du inkludere tekst, bilder, lenker til filer og websider, lyd og film - og notater gjøres enkelt enten på 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 365 og er tilgjengelig gratis for alle. Agenda: Lær å opprette notatblokker. Du kan ha så mange notatblokker du vil, og disse organiseres i inndelinger og sider. Søk og navigering mellom dine notater. Flytting og kopiering av notater mellom inndelinger og notatblokker. Synkronisering av notatblokker mellom dine enheter (PC, mobil, nettbrett). Deling og samarbeid med andre. OneNote kan også bygges inn i Microsoft Teams. Innsetting av lenker, lydnotater, nettvideo og filer i dine notater. Benytte OneNote til møtenotater og koble til notatene når du sender en møteinnkalling i Outlook. OneNote og koblinger mot andre programmer i Microsoft 365. NB: Sørg for å ha den siste OneNote appen installert på din PC (Microsoft har lansert flere versjoner av OneNote). Vi skal benytte OneNote for Windows 10 appen på kurset. Appen kan du laste ned her.  Mål med webinaret: Etter endt webinar skal du kunne jobbe mer smart og effektivt i Excel. Forkunnskap: Det er en fordel at du kjenner til Microsoft 365. Målgruppe: Dette webinaret er for deg som ønsker å ta digitale notater på din PC, din smarttelefon eller nettbrett ved hjelp av Microsoft OneNote. Undervisningsform: Dette er et webinar som du følger via din PC eller nettbrett. Vi vil sende deg påloggingsinformasjon etter at du har meldt deg på kurset. Pris: 1200 kroner (Ansatte og studenter ved UiS har egne betingelser). Varighet: 3 timer [-]

AZ-104: Microsoft Azure Administrator [-]

Dette kurset gir deg en grunnleggende innføring i to-dimensjonal Datamaskin Assistert Konstruksjon (DAK). Du får et grunnlag for videre studier, og kompetanse som gjør tegnearbeidet både utfordrende og interessant. Du lærer å bli fortrolig med å bruke denne type hjelpemiddel til tegnearbeid, teknisk tegning og revidering av tegninger.   Studentlisens for AutoCAD og Revit Structure/Architecture er inkludert. Kurset er på norsk, men AutoCAD-programmet er på engelsk. Programvaren er gratis. Du lærer å bruke de grunnleggende kommandoene slik at du kan utføre enklere tegnearbeid. Du blir fortrolig med å bruke denne type hjelpemiddel til tegnearbeid, teknisk tegning og revidering av tegninger. Du lærer å jobbe rasjonelt og å velge enkle løsninger. Bruk av flere lag med ulike farger gir god visualisering og bedre lesing av tegningene. Målsetting og teksting er viktig, og må utføres tydelig og på en riktig måte. Flater fylles med skravur og elementer kan lagres separat for senere bruk i andre tegninger. Kurset gir deg inngående informasjon gjennom studieveiledningen om hvordan du skal bruke de enkelte kommandoene. Det stilles krav til 100 % nøyaktighet, noe du oppnår når du jobber riktig. Du får øvelser med tegneoppgaver innen bygg, elektro, elkraft og maskin.   [-]

COURSE OVERVIEW Students will begin by understanding the core compute and storage technologies that are used to build an analytical solution. They will then explore how to design an analytical serving layers and focus on data engineering considerations for working with source files. The students will learn how to interactively explore data stored in files in a data lake. They will learn the various ingestion techniques that can be used to load data using the Apache Spark capability found in Azure Synapse Analytics or Azure Databricks, or how to ingest using Azure Data Factory or Azure Synapse pipelines. The students will also learn the various ways they can transform the data using the same technologies that is used to ingest data. The student will spend time on the course learning how to monitor and analyze the performance of analytical system so that they can optimize the performance of data loads, or queries that are issued against the systems. They will understand the importance of implementing security to ensure that the data is protected at rest or in transit. The student will then show how the data in an analytical system can be used to create dashboards, or build predictive models in Azure Synapse Analytics. TARGET AUDIENCE The primary audience for this course is data professionals, data architects, and business intelligence professionals who want to learn about data engineering and building analytical solutions using data platform technologies that exist on Microsoft Azure. The secondary audience for this course data analysts and data scientists who work with analytical solutions built on Microsoft Azure. COURSE OBJECTIVES   Explore compute and storage options for data engineering workloads in Azure Design and Implement the serving layer Understand data engineering considerations Run interactive queries using serverless SQL pools Explore, transform, and load data into the Data Warehouse using Apache Spark Perform data Exploration and Transformation in Azure Databricks Ingest and load Data into the Data Warehouse Transform Data with Azure Data Factory or Azure Synapse Pipelines Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines Optimize Query Performance with Dedicated SQL Pools in Azure Synapse Analyze and Optimize Data Warehouse Storage Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link Perform end-to-end security with Azure Synapse Analytics Perform real-time Stream Processing with Stream Analytics Create a Stream Processing Solution with Event Hubs and Azure Databricks Build reports using Power BI integration with Azure Synpase Analytics Perform Integrated Machine Learning Processes in Azure Synapse Analytics COURSE CONTENT Module 1: Explore compute and storage options for data engineering workloads This module provides an overview of the Azure compute and storage technology options that are available to data engineers building analytical workloads. This module teaches ways to structure the data lake, and to optimize the files for exploration, streaming, and batch workloads. The student will learn how to organize the data lake into levels of data refinement as they transform files through batch and stream processing. Then they will learn how to create indexes on their datasets, such as CSV, JSON, and Parquet files, and use them for potential query and workload acceleration. Introduction to Azure Synapse Analytics Describe Azure Databricks Introduction to Azure Data Lake storage Describe Delta Lake architecture Work with data streams by using Azure Stream Analytics Lab 1: Explore compute and storage options for data engineering workloads Combine streaming and batch processing with a single pipeline Organize the data lake into levels of file transformation Index data lake storage for query and workload acceleration After completing module 1, students will be able to: Describe Azure Synapse Analytics Describe Azure Databricks Describe Azure Data Lake storage Describe Delta Lake architecture Describe Azure Stream Analytics Module 2: Design and implement the serving layer This module teaches how to design and implement data stores in a modern data warehouse to optimize analytical workloads. The student will learn how to design a multidimensional schema to store fact and dimension data. Then the student will learn how to populate slowly changing dimensions through incremental data loading from Azure Data Factory. Design a multidimensional schema to optimize analytical workloads Code-free transformation at scale with Azure Data Factory Populate slowly changing dimensions in Azure Synapse Analytics pipelines Lab 2: Designing and Implementing the Serving Layer Design a star schema for analytical workloads Populate slowly changing dimensions with Azure Data Factory and mapping data flows After completing module 2, students will be able to: Design a star schema for analytical workloads Populate a slowly changing dimensions with Azure Data Factory and mapping data flows Module 3: Data engineering considerations for source files This module explores data engineering considerations that are common when loading data into a modern data warehouse analytical from files stored in an Azure Data Lake, and understanding the security consideration associated with storing files stored in the data lake. Design a Modern Data Warehouse using Azure Synapse Analytics Secure a data warehouse in Azure Synapse Analytics Lab 3: Data engineering considerations Managing files in an Azure data lake Securing files stored in an Azure data lake After completing module 3, students will be able to: Design a Modern Data Warehouse using Azure Synapse Analytics Secure a data warehouse in Azure Synapse Analytics Module 4: Run interactive queries using Azure Synapse Analytics serverless SQL pools In this module, students will learn how to work with files stored in the data lake and external file sources, through T-SQL statements executed by a serverless SQL pool in Azure Synapse Analytics. Students will query Parquet files stored in a data lake, as well as CSV files stored in an external data store. Next, they will create Azure Active Directory security groups and enforce access to files in the data lake through Role-Based Access Control (RBAC) and Access Control Lists (ACLs). Explore Azure Synapse serverless SQL pools capabilities Query data in the lake using Azure Synapse serverless SQL pools Create metadata objects in Azure Synapse serverless SQL pools Secure data and manage users in Azure Synapse serverless SQL pools Lab 4: Run interactive queries using serverless SQL pools Query Parquet data with serverless SQL pools Create external tables for Parquet and CSV files Create views with serverless SQL pools Secure access to data in a data lake when using serverless SQL pools Configure data lake security using Role-Based Access Control (RBAC) and Access Control List After completing module 4, students will be able to: Understand Azure Synapse serverless SQL pools capabilities Query data in the lake using Azure Synapse serverless SQL pools Create metadata objects in Azure Synapse serverless SQL pools Secure data and manage users in Azure Synapse serverless SQL pools Module 5: Explore, transform, and load data into the Data Warehouse using Apache Spark This module teaches how to explore data stored in a data lake, transform the data, and load data into a relational data store. The student will explore Parquet and JSON files and use techniques to query and transform JSON files with hierarchical structures. Then the student will use Apache Spark to load data into the data warehouse and join Parquet data in the data lake with data in the dedicated SQL pool. Understand big data engineering with Apache Spark in Azure Synapse Analytics Ingest data with Apache Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics Integrate SQL and Apache Spark pools in Azure Synapse Analytics Lab 5: Explore, transform, and load data into the Data Warehouse using Apache Spark Perform Data Exploration in Synapse Studio Ingest data with Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Spark pools in Azure Synapse Analytics Integrate SQL and Spark pools in Azure Synapse Analytics After completing module 5, students will be able to: Describe big data engineering with Apache Spark in Azure Synapse Analytics Ingest data with Apache Spark notebooks in Azure Synapse Analytics Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics Integrate SQL and Apache Spark pools in Azure Synapse Analytics Module 6: Data exploration and transformation in Azure Databricks This module teaches how to use various Apache Spark DataFrame methods to explore and transform data in Azure Databricks. The student will learn how to perform standard DataFrame methods to explore and transform data. They will also learn how to perform more advanced tasks, such as removing duplicate data, manipulate date/time values, rename columns, and aggregate data. Describe Azure Databricks Read and write data in Azure Databricks Work with DataFrames in Azure Databricks Work with DataFrames advanced methods in Azure Databricks Lab 6: Data Exploration and Transformation in Azure Databricks Use DataFrames in Azure Databricks to explore and filter data Cache a DataFrame for faster subsequent queries Remove duplicate data Manipulate date/time values Remove and rename DataFrame columns Aggregate data stored in a DataFrame After completing module 6, students will be able to: Describe Azure Databricks Read and write data in Azure Databricks Work with DataFrames in Azure Databricks Work with DataFrames advanced methods in Azure Databricks Module 7: Ingest and load data into the data warehouse This module teaches students how to ingest data into the data warehouse through T-SQL scripts and Synapse Analytics integration pipelines. The student will learn how to load data into Synapse dedicated SQL pools with PolyBase and COPY using T-SQL. The student will also learn how to use workload management along with a Copy activity in a Azure Synapse pipeline for petabyte-scale data ingestion. Use data loading best practices in Azure Synapse Analytics Petabyte-scale ingestion with Azure Data Factory Lab 7: Ingest and load Data into the Data Warehouse Perform petabyte-scale ingestion with Azure Synapse Pipelines Import data with PolyBase and COPY using T-SQL Use data loading best practices in Azure Synapse Analytics After completing module 7, students will be able to: Use data loading best practices in Azure Synapse Analytics Petabyte-scale ingestion with Azure Data Factory Module 8: Transform data with Azure Data Factory or Azure Synapse Pipelines This module teaches students how to build data integration pipelines to ingest from multiple data sources, transform data using mapping data flowss, and perform data movement into one or more data sinks. Data integration with Azure Data Factory or Azure Synapse Pipelines Code-free transformation at scale with Azure Data Factory or Azure Synapse Pipelines Lab 8: Transform Data with Azure Data Factory or Azure Synapse Pipelines Execute code-free transformations at scale with Azure Synapse Pipelines Create data pipeline to import poorly formatted CSV files Create Mapping Data Flows After completing module 8, students will be able to: Perform data integration with Azure Data Factory Perform code-free transformation at scale with Azure Data Factory Module 9: Orchestrate data movement and transformation in Azure Synapse Pipelines In this module, you will learn how to create linked services, and orchestrate data movement and transformation using notebooks in Azure Synapse Pipelines. Orchestrate data movement and transformation in Azure Data Factory Lab 9: Orchestrate data movement and transformation in Azure Synapse Pipelines Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines After completing module 9, students will be able to: Orchestrate data movement and transformation in Azure Synapse Pipelines Module 10: Optimize query performance with dedicated SQL pools in Azure Synapse In this module, students will learn strategies to optimize data storage and processing when using dedicated SQL pools in Azure Synapse Analytics. The student will know how to use developer features, such as windowing and HyperLogLog functions, use data loading best practices, and optimize and improve query performance. Optimize data warehouse query performance in Azure Synapse Analytics Understand data warehouse developer features of Azure Synapse Analytics Lab 10: Optimize Query Performance with Dedicated SQL Pools in Azure Synapse Understand developer features of Azure Synapse Analytics Optimize data warehouse query performance in Azure Synapse Analytics Improve query performance After completing module 10, students will be able to: Optimize data warehouse query performance in Azure Synapse Analytics Understand data warehouse developer features of Azure Synapse Analytics Module 11: Analyze and Optimize Data Warehouse Storage In this module, students will learn how to analyze then optimize the data storage of the Azure Synapse dedicated SQL pools. The student will know techniques to understand table space usage and column store storage details. Next the student will know how to compare storage requirements between identical tables that use different data types. Finally, the student will observe the impact materialized views have when executed in place of complex queries and learn how to avoid extensive logging by optimizing delete operations. Analyze and optimize data warehouse storage in Azure Synapse Analytics Lab 11: Analyze and Optimize Data Warehouse Storage Check for skewed data and space usage Understand column store storage details Study the impact of materialized views Explore rules for minimally logged operations After completing module 11, students will be able to: Analyze and optimize data warehouse storage in Azure Synapse Analytics Module 12: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link In this module, students will learn how Azure Synapse Link enables seamless connectivity of an Azure Cosmos DB account to a Synapse workspace. The student will understand how to enable and configure Synapse link, then how to query the Azure Cosmos DB analytical store using Apache Spark and SQL serverless. Design hybrid transactional and analytical processing using Azure Synapse Analytics Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark pools Query Azure Cosmos DB with serverless SQL pools Lab 12: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark for Synapse Analytics Query Azure Cosmos DB with serverless SQL pool for Azure Synapse Analytics After completing module 12, students will be able to: Design hybrid transactional and analytical processing using Azure Synapse Analytics Configure Azure Synapse Link with Azure Cosmos DB Query Azure Cosmos DB with Apache Spark for Azure Synapse Analytics Query Azure Cosmos DB with SQL serverless for Azure Synapse Analytics Module 13: End-to-end security with Azure Synapse Analytics In this module, students will learn how to secure a Synapse Analytics workspace and its supporting infrastructure. The student will observe the SQL Active Directory Admin, manage IP firewall rules, manage secrets with Azure Key Vault and access those secrets through a Key Vault linked service and pipeline activities. The student will understand how to implement column-level security, row-level security, and dynamic data masking when using dedicated SQL pools. Secure a data warehouse in Azure Synapse Analytics Configure and manage secrets in Azure Key Vault Implement compliance controls for sensitive data Lab 13: End-to-end security with Azure Synapse Analytics Secure Azure Synapse Analytics supporting infrastructure Secure the Azure Synapse Analytics workspace and managed services Secure Azure Synapse Analytics workspace data After completing module 13, students will be able to: Secure a data warehouse in Azure Synapse Analytics Configure and manage secrets in Azure Key Vault Implement compliance controls for sensitive data Module 14: Real-time Stream Processing with Stream Analytics In this module, students will learn how to process streaming data with Azure Stream Analytics. The student will ingest vehicle telemetry data into Event Hubs, then process that data in real time, using various windowing functions in Azure Stream Analytics. They will output the data to Azure Synapse Analytics. Finally, the student will learn how to scale the Stream Analytics job to increase throughput. Enable reliable messaging for Big Data applications using Azure Event Hubs Work with data streams by using Azure Stream Analytics Ingest data streams with Azure Stream Analytics Lab 14: Real-time Stream Processing with Stream Analytics Use Stream Analytics to process real-time data from Event Hubs Use Stream Analytics windowing functions to build aggregates and output to Synapse Analytics Scale the Azure Stream Analytics job to increase throughput through partitioning Repartition the stream input to optimize parallelization After completing module 14, students will be able to: Enable reliable messaging for Big Data applications using Azure Event Hubs Work with data streams by using Azure Stream Analytics Ingest data streams with Azure Stream Analytics Module 15: Create a Stream Processing Solution with Event Hubs and Azure Databricks In this module, students will learn how to ingest and process streaming data at scale with Event Hubs and Spark Structured Streaming in Azure Databricks. The student will learn the key features and uses of Structured Streaming. The student will implement sliding windows to aggregate over chunks of data and apply watermarking to remove stale data. Finally, the student will connect to Event Hubs to read and write streams. Process streaming data with Azure Databricks structured streaming Lab 15: Create a Stream Processing Solution with Event Hubs and Azure Databricks Explore key features and uses of Structured Streaming Stream data from a file and write it out to a distributed file system Use sliding windows to aggregate over chunks of data rather than all data Apply watermarking to remove stale data Connect to Event Hubs read and write streams After completing module 15, students will be able to: Process streaming data with Azure Databricks structured streaming Module 16: Build reports using Power BI integration with Azure Synpase Analytics In this module, the student will learn how to integrate Power BI with their Synapse workspace to build reports in Power BI. The student will create a new data source and Power BI report in Synapse Studio. Then the student will learn how to improve query performance with materialized views and result-set caching. Finally, the student will explore the data lake with serverless SQL pools and create visualizations against that data in Power BI. Create reports with Power BI using its integration with Azure Synapse Analytics Lab 16: Build reports using Power BI integration with Azure Synpase Analytics Integrate an Azure Synapse workspace and Power BI Optimize integration with Power BI Improve query performance with materialized views and result-set caching Visualize data with SQL serverless and create a Power BI report After completing module 16, students will be able to: Create reports with Power BI using its integration with Azure Synapse Analytics Module 17: Perform Integrated Machine Learning Processes in Azure Synapse Analytics This module explores the integrated, end-to-end Azure Machine Learning and Azure Cognitive Services experience in Azure Synapse Analytics. You will learn how to connect an Azure Synapse Analytics workspace to an Azure Machine Learning workspace using a Linked Service and then trigger an Automated ML experiment that uses data from a Spark table. You will also learn how to use trained models from Azure Machine Learning or Azure Cognitive Services to enrich data in a SQL pool table and then serve prediction results using Power BI. Use the integrated machine learning process in Azure Synapse Analytics Lab 17: Perform Integrated Machine Learning Processes in Azure Synapse Analytics Create an Azure Machine Learning linked service Trigger an Auto ML experiment using data from a Spark table Enrich data using trained models Serve prediction results using Power BI After completing module 17, students will be able to: Use the integrated machine learning process in Azure Synapse Analytics     [-]

Power BI Desktop [-]

Dette kurset tilbys som bedriftsinternt kurs   Workshopen består av et minimum med teori og et maksimum av praktiske øvelser hvor vi lager streams av  Arrays, List, Set, Map og Files - filtrerer, mapper til nye objekter, utfører aggregeringer og konverterer tilbake til nye collections mm.   Workshopen vil dekke bl.a. Sette opp en stream, med Stream.of(), IntStream.of() og DoubleStream.of() Konvertere et Array til en stream med Arrays.stream() Konvertere en collection av typen List, Set eller Map til en stream med stream() Filtrere ut verdier med filter() Mappe til nye objekter med map() og flatMap() Sortere med sorted() og ulike typer Comparators Aggregere med reduce() og collect() Behandle hvert element med forEach() og forEachOrdered() Gruppere og telle opp forekomster i hver gruppe med collect() Konvertere tilbake til en collection med collect() Konvertere til et objekt med get() Begrense reultatet med limit() Hente enkel statistikk (min, max, average, sum) med reduce() og collect() og bl.a. summarizingInt() Bruke :: til metodereferanser Lese en fil inn i en stream med Files.lines() Behandle hvert element med forEach() og forEachOrdered() Workshopen holdes på norsk og går over 2 dager, fra 10.00-14.00, for tiden online, med dedikert lærer og Microsoft Teams som kommunikasjonsplattform.   [-]

React, Redux & Router with hooks [-]

COBIT 2019 Foundation [-]

ITIL® Foundation er et grunnkurs for ITIL® og gir kandidatene kjennskap til sentrale elementer, konsepter og viktig terminologi brukt i ITIL®. Etter fullført kurs og bestått eksamen skal kandidatene ha tilegnet en grunnleggende kunnskap og forståelse av ITIL®. Bestått ITIL® Foundation-kurs er også en forutsetning for å kunne gå videre til neste nivå i ITIL® opplæringen. Dokumenter din kompetanse gjennom ITIL® sertifisering Kurset vil gi en forståelse av ITIL® rammeverk og tilrettelegger rutiner for både bedriften og ansatte. Målet er å lette bruk av ressurser og gi bedre kvalitet, samt synliggjøre rutiner og prosesser som er viktige for din arbeidsplass. Kursets hensikt: Gi en forståelse av ITIL® rammeverk og tilrettelegger rutiner for både bedriften og ansatte. Lette bruk av ressurser og gi bedre kvalitet. Vise rutiner og prosesser som er viktige for din arbeidsplass. Dokumentere din kompetanse gjennom ITIL® sertifisering. ITIL® gir bedriften: Prosessbeskrivelser og dokumentasjon Gode råd for implementering og tilpassing Felles forståelse og språk Konsulenter med kunnskap om ITIL® ITIL® gir resultater: Bedre behandling av brukere og kunder Tydelige roller og ansvar Bedre driftstabilitet og sikkerhet Bedre evne til å lære og utveksle erfaringer Økt kvalitet på leveransen av IT tjenester Profesjonelle IT tjenester PrisKr. 16700,-Prisen inkluderer dokumentasjon og lunsjVariget3 dager - fra kl. 09:00 - 16:00 (siste kursdag 09:00-12.00) Kursene gjennomføres i samarbeid med Sopra Steria. UiS-IKT tilbyr sertifiseringer for kursene ved vårt autoriserte testsenter PeopleCert i forbindelse med kurs som gjennomføres ved Universitetet i Stavanger. ITIL® is a registered trade mark of AXELOS Limited, used under permission of AXELOS Limited. The Swirl logo™ is a trade mark of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

Vil du jobbe enklere og mer effektivt i InDesign? På dette kurset vil du lære å lage gode, avanserte og tidsbesparende maler for sider, tekst og objekter, samt gjenbruk via biblioteker. Etter kurset kan du lage egne maler som automatiserer mange arbeidsprosesser og sparer deg for mye tid og arbeid. Gode maler kvalitetsikrer produktetene dine og gir deg mere tid til å være kreativ. Hvem passer kurset for? Kurset passer for deg som jobber i Adobe InDesign og ønsker å utnytte programmets potensiale. Forhåndskunnskap i InDesign: «InDesign grunnkurs» eller tilsvarende kunnskap. Dette lærer du: God, effektiv og avansert bruk av maler for sider, tekst og objekter i Adobe InDesign Spar på elementer du lager med CC Libraries Lage automatisk innholdsfortegnelse Bruk av tabell Tekstlenker og registerlinjer Hvordan tilpasse en layout til ulike størrelser i samme dokument Lage egne tastatursnarveier https://igm.no/indesign-kurs-videregaende/ [-]

Java SE Programming (Course I for exam 1Z0-819) [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: God kjennskap til Windows XP/Windows 7/Windows 8 eller god generell kunnskap om andre operativsystemer. Innleveringer: Innleverte øvinger. Det blir gitt 12 øvinger og 8 må være godkjent for å kunne gå opp til eksamen Personlig veileder: ja Vurderingsform: 3-timers individuell skriftlig eksamen Ansvarlig: Jostein Lund Eksamensdato: 05.12.13 / 08.05.14         Læremål: Etter å ha gjennomført emnet Windows server for systemansvarlige skal studenten ha følgende læringsutbytte: KUNNSKAPER:Kandidaten:- har innsikt i drift av nettverk basert på Windows Server, programvaredistribusjon, virtualisering og overvåking. FERDIGHETER:Kandidaten kan:- installere Windows Server med roller og tjenester- lage/opprette og konfigurere Active Directory- opprette brukere, grupper og tilgangskontroll- benytte Group Policy til utrulling av skrivere og programvare, implementere innloggings-script og sette passordpolicy- opprette og konfigurere lokale og vandrende (roaming) profiler- utvikle, tilpasse og implementere innloggingsscript for brukerne- sette opp og drifte lokale og delte skrivere- rulle ut operativsystemer og applikasjoner- opprette og administrere virtuelle maskiner og nettverk GENERELL KOMPETANSE:Kandidaten har:- perspektiv og kompetanse i å velge riktige og tilpassete driftsløsninger- kompetanse i å formidle driftsterminologi, både muntlig og skriftlig Innhold:Installasjon av tjenermaskin og tilkobling av arbeidsstasjoner med Windows 7/8. Brukeradministrasjon og hvordan sikkerheten i Windows 2008/2012 nettverk settes opp med bruk av Active Directory, DNS, deling, NTFS, grupper, domener og Group Policy. Oppsett av profiler, loginscript for brukere, utskriftmiljøet, distribusjon av OS og programvare, fjerndrifting og virtualisering (server 2008/2012).Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Windows server for systemansvarlige 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Sammenligne tegninger, også i batch Hvordan standardisere designgjennomgangen? Opprette tilpassede markeringsverktøy i Tool Chest Bruk av Markeringslisten for sporing, kommentering og status på markeringer Samhandling i sanntid mellom forskjellige aktører under designgjennomgangen i Studio Sessions [-]

Oracle GoldenGate 19c: Fundamentals for Oracle [-]