Oversikt over relevante kurs innen IT-kurs i Järnforsen

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher slik at du kan ta sertifiseringstesten for eksempel hjemme eller på jobb. 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.   Nødvendige forkunnskaper: Ingen [-]

  An Azure IoT Developer is responsible for implementing and then maintaining the cloud and edge portions of an Azure IoT solution. In addition to configuring and maintaining devices by using Azure IoT services and other Microsoft tools, the IoT Developer also sets up the physical devices and is responsible for maintaining the devices throughout the life cycle. The IoT Developer implements designs for IoT solutions, including device topology, connectivity, debugging and security. For Edge device scenarios, the IoT Developer also deploys compute/containers and configures device networking, which could include various edge gateway implementations. The IoT Developer implements designs for solutions to manage data pipelines, including monitoring and data transformation as it relates to IoT. The IoT Developer works with data engineers and other stakeholders to ensure successful business integration. IoT Developers should have a good understanding of Azure services, including data storage options, data analysis, data processing, and the Azure IoT PaaS versus SaaS options. After completing this course, students will be able to: Create, configure, and manage an Azure IoT hub. Provision devices by using IoT Hub and DPS, including provisioning at scale. Establish secure 2-way communication between devices and IoT Hub. Implement message processing by using IoT Hub routing and Azure Stream Analytics. Configure the connection to Time Series Insights and support business integration requirements. Implement IoT Edge scenarios using marketplace modules and various edge gateway patterns. Implement IoT Edge scenarios that require developing and deploying custom modules and containers. Implement device management using device twins and direct methods. Implement solution monitoring, logging, and diagnostics testing. Recognize and address security concerns and implement Azure Security Center for IoT. Build an IoT Solution by using Azure IoT Central and recongize SaaS opportunities for IoT. Course prerequisites IoT Developers should have basic programming skills in at least one Azure-supported language, including C#, Node.js, C, Python, or Java. Software development experience is a prerequisite for this course, but no specific software language is required, and the experience does not need to be at a professional level. Data Processing Experience: General understanding of data storage and data processing is a recommended but not required.  Cloud Solution Awareness: Students should have a basic understanding of PaaS, SaaS, and IaaS implementations. Microsoft Azure Fundamentals (M-AZ-900T00/M-AZ900), or equivalent skills, is recommended.  This course helps to prepare for exam AZ-220.   Agenda Module 1: Introduction to IoT and Azure IoT Services -Business Opportunities for IoT-Introduction to IoT Solution Architecture-IoT Hardware and Cloud Services Module 2: Devices and Device Communication -IoT Hub and Devices-IoT Developer Tools-Device Configuration and Communication Module 3: Device Provisioning at Scale -Device Provisioning Service Terms and Concepts-Configure and Manage the Device Provisioning Service-Device Provisioning Tasks Module 4: Message Processing and Analytics -Messages and Message Processing-Data Storage Options-Azure Stream Analytics Module 5: Insights and Business Integration -Business Integration for IoT Solutions-Data Visualization with Time Series Insights-Data Visualization with Power BI Module 6: Azure IoT Edge Deployment Process -Introduction to Azure IoT Edge-Edge Deployment Process-Edge Gateway Devices Module 7: Azure IoT Edge Modules and Containers -Develop Custom Edge Modules-Offline and Local Storage Module 8: Device Management -Introduction to IoT Device Management-Manage IoT and IoT Edge Devices-Device Management at Scale Module 9: Solution Testing, Diagnostics, and Logging -Monitoring and Logging-Troubleshooting Module 10: Azure Security Center and IoT Security Considerations -Security Fundamentals for IoT Solutions-Introduction to Azure Security Center for IoT-Enhance Protection with Azure Security Center for IoT Agents Module 11: Build an IoT Solution with IoT Central -Introduction to IoT Central-Create and Manage Device Templates-Manage Devices in Azure IoT Central [-]

Behersk kunsten å skape overbevisende presentasjoner med "PowerPoint: Komplett", et omfattende kurs ledet av Espen Faugstad hos Utdannet.no. Microsoft PowerPoint er en vital del av moderne kommunikasjon, brukt utstrakt i både næringslivet og utdanning. Dette kurset er designet for å gi deg fullstendig mestring av PowerPoint 2019, uansett om du er nybegynner eller ønsker å forbedre dine eksisterende ferdigheter. Kurset starter med grunnleggende, som å kjøpe og installere PowerPoint, og lærer deg å navigere i brukergrensesnittet. Du vil lære å lage presentasjoner som kombinerer tekst, bilder og illustrasjoner. Videre lærer kurset deg hvordan du kan lage din egen PowerPoint-mal, og bruker overganger og animasjoner for å gi presentasjonen din liv. Du vil også bli veiledet gjennom prosessen med å ferdigstille og holde en effektiv presentasjon. Ved kursets slutt vil du være i stand til å skape profesjonelle presentasjoner som engasjerer og informerer ditt publikum. Du vil ha en dyp forståelse av alle aspekter av PowerPoint, fra å lage innhold til å dele og presentere det på en effektiv måte.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Ny presentasjon Kapittel 3: Tekst Kapittel 4: Bilder Kapittel 5: Illustrasjoner Kapittel 6: Media Kapittel 7: Lysbildemal Kapittel 8: Overganger og animasjoner Kapittel 9: Ferdigstill presentasjon Kapittel 10: Start presentasjon Kapittel 11: Del presentasjon Kapittel 12: Avslutning   Varighet: 3 timer og 29 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Tjenesten fungerer på samme måte som strømmetjenester for musikk eller TV-serier. Våre kunder betaler en fast månedspris og får tilgang til alle kursene som er produsert så langt. Plattformen har hatt en god vekst de siste årene og kan skilte med 30.000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle – og med oss har vi Innovasjon Norge og Forskningsrådet. [-]

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     [-]

https://www.glasspaper.no/kurs/dp-100/ [-]

UTDANNINGSMÅLKursdeltakerne skal etter endt kurs kunne bruke AutoCAD til å: Opprette nye tegninger Gjøre forandringer i eksisterende tegninger Bruke og forstå de vanligste tegne- og editeringskommandoer Målsette og påføre tekst i en tegning Bruke og forstå lagoppbyggingen i AutoCAD Symbol- og blokkhåndtering Enkel layout/plotting Lagre tegninger KURSINNHOLD: Introduksjon av AutoCAD 2-dimensjonal tegning Zoom og skjermbehandlingsteknikk Redigeringsfunksjoner Målsettingsfunksjoner Laghåndtering Symbol- og blokkhåndtering Hente symboler og parametere (målsettings- og tekststiler, osv.) fra eksisterende tegninger Layout/plotting av tegninger Lagrings- og avslutningsrutiner [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Studenten må kunne installere programvare, og programmere. Vanlige programmeringsspråk for opensource er C, C++, java, python, m.fl. Innleveringer:   Vurderingsform: Skriftlig eksamen, individuell, 3 timer, teller 60 %. Prosjektoppgave teller 40 %. Ansvarlig: Helge Hafting Eksamensdato: 02.12.13 / 05.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare bakgrunnen for open source, og forskjellen på de vanligste åpne lisensene.- kan beskrive bruk av flerspråklig programvare FERDIGHETER:Kandidaten:- kan bruke vanlige programmeringsverktøy GENERELL KOMPETANSE:Kandidaten:- kan delta i prosjekter som utvikler åpen programvare videre Innhold:Historien og filosofien bak åpen kildekode. Copyright, lisenser fri programvare. Praktisk bruk av verktøyer som make, diff, patch og versjonskontrollsystemer. Internasjonalisering, flerspråklig programvare. Prosjektarbeid med deltakelse i opensource-prosjekt.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Opensource-utvikling 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

Vil du lære å lage visittkort, annonser, brosjyrer og plakater i InDesign? Enten du jobber i en markedsavdeling, grafisk bedrift, avis eller magasin, er dette det profesjonelle programmet du bruker til jobben.  Arbeider du med markedsføring og layout, vil du ha stor nytte av å kunne sette sammen tekst og bilder selv. Du slipper å sette ut arbeidet,  får større kontroll på layouten og mer ut av markedsbudsjettet. Du velger dette kurset for å lære alt du trenger for å komme igang med programmet InDesign. Hvem passer kurset for? Kurset passer for deg som har liten eller ingen erfaring med å jobbe i InDesign. InDesign er bransjestandarden for å lage annonser, brosjyrer, magasiner, plakater, DM, rapporter og bøker. Uansett hva du skal bruke programme til, så passer dette kurset for deg! Dette lærer du: Bli kjent med menyer og verktøy Effektiv jobbing med tekst- og sidemaler Grunnleggende typografi Importere og tilpasse bilder og tekst Plassere bilder med tekst rundt Lage egne farger Bruk av effekter Kontroll av dokumenter og eksport til pdf https://igm.no/indesign-grunnkurs/ [-]

ENCOR: Implementing and Operating Cisco Enterprise Network Core Technologies [-]

Informasjon i SharePoint er lagret i lister. Bli kjent med SharePoint liste-apper og hvordan du tilpasser eller lager egne med krav til utfylling, oppslag i andre lister, beregninger og validering av innfylte verdier. 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:   Om Lister Bruk av listemalene i SharePoint Lag liste av Excel-bok Lag liste fra bunn av i SharePoint   Bruke lister Kolonnetyper og eksempler på bruk Opprette en liste og listeinnstillinger Krav om utfylling   Utvide lister Valider verdier bruker fyller inn Logg-kolonne Beregningskolonner og formler Presenter informasjon med visninger   Avanserte temaer Visnings-stiler Innføring i områdekolonner Veien videre til innholdstyper   3 gode grunner til å delta 1. Møt SharePoint sine liste-apper og lær å lage liste fra bunn eller fra eksisterende Excel-bok 2. Lær om kolonner som beregner eller sjekker inntastede verdier 3. Presenter informasjonen med visninger    [-]

  Kursinnhold Dette er et grunnleggende kurs i JavaScript-biblioteket jQuery. Kurset passer godt for deg som skal jobbe med interaktive web-applikasjoner og nettsider, skal utvikle et webbasert brukergrensesnitt eller vil gjøre JacaScriptene dine mer effektive og Ajax-baserte. Målsetting Etter gjennomført kurs vil deltakerne være fortrolige med å bruke jQuery og jQuery UI til å utvikle eller forbedre funksjonalitet og interaktivitet på webbaserte grensesnitt.   Kursinnhold Kort introduksjon til HTML og CSS Introduksjon til JavaScript Hvorfor bruke jQuery - styrker og svakheter jQuery og Dokumentobjektmodellen (DOM), valg av objekter Utføre handlinger med valgte DOM-objekter Bruk av jQuery filtere Formatere tabeller og skjemaer med jQuery Validering av skjemaer med jQuery Levende sider med bruk av jQuery Events Animasjoner og visuelle effekter med jQuery Bildebehandling med jQuery  - bygging av interaktive gallerier Brukergrensesnitt med jQuery UI Gjennomføring Kurset gjennomføres med en kombinasjon av online læremidler, gjennomgang av temaer og problemstillinger og praktiske øvelser. Det er ingen avsluttende eksamen, men det er hands-on øvelsesoppgaver til hovedtemaene som gjennomgås. [-]

Fleksible kurs for fremtidenNy kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt. NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon. Inventor grunnkurs Her er et utvalg av temaene du vil lære på kurset: Generelt Part-modellering (3D-komponenter) Samlinger Skjelettmodellering på basisnivå Tegninger i 2D Autodesk Inventor 3D CAD programvare brukes til produktdesign, rendering og simuleringer. Løsningen er viktig når smarte ideer skal bli til produksjonsklar design, og for å utvikle fremtidens produkter og tjenester. Inventor tilfører større kvalitet til utviklingsprosesser med smarte funksjoner som optimaliserer, gjør det enkelt å «se» modellen, og simulere hvordan konseptet/prototypen vil fungere i bruk.   Dette er et populært kurs, meld deg på nå!   Tilpassete kurs for bedrifterVi vil at kundene våre skal være best på det de gjør - hele tiden.  Derfor tenker vi langsiktig om kompetanseutvikling og ser regelmessig kunnskapsløft som en naturlig del av en virksomhet. Vårt kurskonsept bygger på et moderne sett av ulike læringsmiljøer, som gjør det enkelt å finne riktig løsning uansett behov. Ta kontakt med oss på telefon 483 12 300, epost: salg@nticad.no eller les mer på www.nticad.no [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: 6 AV 10 øvinger må være godkjent for å kunne gå opp til eksamen. Vurderingsform: En individuell 4-timers nettbasert hjemmeeksamen. Ansvarlig: Svend Andreas Horgen Eksamensdato: 17.12.13 / 20.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare hva et program er- kan redegjøre for grunnleggende byggestener i programmering, så som variabler, kontrollstrukturer, matriser (arrays) og funksjoner- kan analysere en spesiell problemstilling og planlegge hvordan den kan løses generelt med programkode FERDIGHETER:Kandidaten:- kan bruke et .NET-basert utviklingsmiljø i kodeutvikling- kan lage funksjonelle brukergrensesnitt- kan identifisere feil i programkode- kan lage strukturert programkode som løser enkle problemstillinger- kan anvende innebygde funksjoner fra .NET-rammeverket i egen kode GENERELL KOMPETANSE:Kandidaten:- er bevisst på viktigheten av å eliminere feilsituasjoner Innhold:Introduksjon til grunnleggende programmeringsprinsipper som variabler, datatyper, kontrollstrukturer (løkker og beslutninger), matriser (arrays), egendefinerte funksjoner og innebyde funksjoner. Utforme brukergrensesnitt som er fine å se på og enkle å bruke. Feilhåndtering. Strukturere og planlegge koden på en god måte.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 Programmering i Visual Basic 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.    [-]

JavaScript Web Development [-]