Oversikt over relevante kurs innen IT-kurs i Krylbo

Kurset fokuserer på integrering av forskjellige verdistrømmer og aktiviteter for å lage, levere og støtte IT-aktiverte produkter og tjenester, samtidig som den dekker støtte for praksis, metoder og verktøy. Kurset gir kandidatene forståelse for tjenestekvalitet og forbedringsmetoder. E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på AXELOS sine websider. Inkluderer: Tilgang til ITIL® 4 Specialist: Create, Deliver and Support e-læring (engelsk) i 12 måneder. ITIL® 4 Specialist: Create, Deliver and Support online voucher til sertifiseringstest.   ITIL®/PRINCE2®/MSP®/MoP® are registered trademarks of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

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.   [-]

Kursinstruktør Terje Berg-Hansen Terje Berg-Hansen har bred erfaring fra prosjektledelse, utvikling og drift med små og store databaser, både SQL- og NoSQL-baserte. I tillegg til å undervise i etablerte teknologier leder han også Oslo Hadoop User Group, og er levende interessert i nye teknologier, distribuerte databaser og Big Data Science.    Kursinnhold XML er en moden standard for å utveksle informasjon mellom applikasjoner. Med XML og relaterte standarder som XSL(T) og XQuery er det mulig å utvikle distribuerte nettbaserte tjenester for utveksling av data i et standardisert format.    Målsetting Deltakerne vil etter kurset ha en grunnleggende forståelse av og kjennskap til hvorfor og hvordan XML kan anvendes for å oppnå en bedre utveksling og deling av strukturert og ustrukturert informasjon.   Forkunnskaper Grunnleggende kunnskaper om internett, HTML og CSS er en fordel, men ikke nødvendig for å ta dette kurset.   Kursinnhold Introduksjon Introduksjon til XML og XML-relaterte teknologier, som XPath, XQuery og XSL XML-verktøy Editorer og verktøy for validering, søk og endring av XML Grunnleggende XML XML struktur og syntaks. Gjennomgang av målene for XML. Lage og utforme XML dokumenter Navnerom (namespaces) Oppretting og bruk av navnerom for å skille elementer og funksjoner med samme navn. Validering av  XML Gjennomgang av teknologier som Document Type Definitions (DTD's) og XML Schemas for å kontrollere og styre struktur og data i XML filer Presentasjon av XML Bruk av html og CSS til å presentere XML data Søking i XML Søk i XML-dokumenter med XPath . Introduksjon til XSL(T) Kort om XSL og XSL Transformations. Bruk av XSLT til å formatere, sortere, filtrere og konvertere XML Data   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 øvelsesoppgaver til hovedtemaene som gjennomgås.   [-]

CEH: Certified Ethical Hacker v12 [-]

Bli en ekspert i online annonsering med Google Ads gjennom dette dyptgående kurset ledet av Espen Faugstad, gründer av Utdannet.no og en veteran med over 10 års erfaring i digital markedsføring. Dette kurset er skreddersydd for alle, fra de som aldri har brukt Google Ads før, til de som har erfaring men ønsker å heve sin kompetanse til ekspertnivå. Kurset starter med grunnleggende om hvordan du oppretter og konfigurerer en Google Ads-konto. Du vil lære å installere Google Ads-taggen og konverteringssporing, utføre målgruppe- og søkeordsanalyse, og forstå hvordan Google Ads-auksjonen fungerer. Kurset dekker også hvordan du oppretter og optimaliserer ulike typer annonser, inkludert tekst-, bilde-, video- og remarketingannonser. Med en praktisk tilnærming vil kurset guide deg gjennom prosessen med å sette opp effektive kampanjer, forstå auksjonssystemet, og bruke analyseverktøy for å forbedre dine resultater. Ved kursets slutt vil du ha tilegnet deg den kunnskapen du trenger for å mestre Google Ads og drive effektiv annonsering på vegne av deg selv eller dine klienter.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Målgruppe Kapittel 3: Søkeord Kapittel 4: Auksjon Kapittel 5: Tekstannonser Kapittel 6: Bildeannonser Kapittel 7: Videoannonser Kapittel 8: Remarketing Kapittel 9: Analyse Kapittel 10: Avslutning   Varighet: 5 timer og 12 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. [-]

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 [-]

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     [-]

AZ-900: Microsoft Azure Fundamentals [-]

Kurset er rettet mot deg som vil lære grunnprinsippene og arbeidsmetodikk i Autodesk Revit og som jobber med byggeteknikk og armering.  I løpet av kurset gjøres øvelser for alle emner som blir tatt opp. Hensikten med kurset er at du skal få en grunnleggende forståelse i bruken av tegne- og konstruksjonsprogrammet Autodesk Revit. Kurset er nødvendig for å komme raskt i gang med bruk av programmet, og for å få den nødvendige forståelse for de mulighetene programmet gir. Du vil lære grunnleggende teknikk for bruk av programmet, og skal kunne bruke programmet til å lage 3D-modeller av bygninger, hente ut informasjon fra modellen og kunne produsere 2D-arbeidstegninger basert på 3D-modellen. Kursinnhold Introduksjon av Autodesk Revit Brukergrensesnitt Behandling av visninger Søyler Bjelker Dekker Vegger Utsparinger Editeringsverktøy Dimensjonering/Tekst Detaljering Utskrift [-]

Objectives This course teaches participants the following skills: Identify the purpose and value of each of the Google Cloud Platform products and services Interact with Google Cloud Platform services Describe ways in which customers have used Google Cloud Platform Choose among and use application deployment environments on Google Cloud Platform: Google App Engine, Google Kubernetes Engine, and Google Compute Engine Choose among and use Google Cloud Platform storage options: Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, and Google Cloud Datastore Make basic use of BigQuery, Google’s managed data warehouse for analytics Make basic use of Cloud Deployment Manager, Google’s tool for creating and managing cloud resources through templates Make basic use of Google Stackdriver, Google’s monitoring, logging, and diagnostics system All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introducing Google Cloud Platform -Explain the advantages of Google Cloud Platform-Define the components of Google's network infrastructure, including: Points of presence, data centers, regions, and zones-Understand the difference between Infrastructure-as-a-Service (IaaS) and Platform-as-a-Service (PaaS) Module 2: Getting Started with Google Cloud Platform -Identify the purpose of projects on Google Cloud Platform-Understand the purpose of and use cases for Identity and Access Management-List the methods of interacting with Google Cloud Platform-Lab: Getting Started with Google Cloud Platform Module 3: Virtual Machines and Networks in the Cloud -Identify the purpose of and use cases for Google Compute Engine.-Understand the various Google Cloud Platform networking and operational tools and services.-Lab: Compute Engine Module 4: Storage in the Cloud -Understand the purpose of and use cases for: Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable, and Google Cloud Datastore.-Learn how to choose between the various storage options on Google Cloud Platform.-Lab: Cloud Storage and Cloud SQL Module 5: Containers in the Cloud -Define the concept of a container and identify uses for containers.-Identify the purpose of and use cases for Google Kubernetes Engine and Kubernetes.-Lab: Kubernetes Engine Module 6: Applications in the Cloud -Understand the purpose of and use cases for Google App Engine.-Contrast the App Engine Standard environment with the App Engine Flexible environment.-Understand the purpose of and use cases for Google Cloud Endpoints.-Lab: App Engine Module 7: Developing, Deploying, and Monitoring in the Cloud -Understand options for software developers to host their source code.-Understand the purpose of template-based creation and management of resources.-Understand the purpose of integrated monitoring, alerting, and debugging.-Lab: Deployment Manager and Stackdriver Module 8: Big Data and Machine Learning in the Cloud -Understand the purpose of and use cases for the products and services in the Google Cloud big data and machine learning platforms.-Lab: BigQuery [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: Av totalt 12 øvinger må 4 tekstbaserte øvinger og 4 flervalgstester (totalt 8 øvinger) være godkjent for å få gå opp til eksamen. Øvingene som blir godkjent må dekke et bredt spekter av de temaene som gjennomgås i emnet. Nærmere opplysninger ved studiestart. Personlig veileder: ja Vurderingsform: Skriftlig, individuell, 3 timer,  Ansvarlig: Knut Arne Strand Eksamensdato: 17.12.13 / 20.05.14         Læremål: KUNNSKAPER:Kandidaten kan:- tegne opp og forklare livssyklusmodellen til ITIL versjon 3- gjengi suksessfaktorer knyttet til innføring av ITIL- forklare hva som menes med begrepene tjenestestrategi, tjenestedesign, tjenesteovergang, tjenesteadministrasjon og kontinuerlig tjenesteforbedring- beskrive utvalgte prosesser som inngår i ITIL-standarden og hvilke arbeidsoppgaver som utføres av de aktuelle prosessene FERDIGHETER:Kandidaten kan:- redegjøre for hvordan utvalgte ITIL-prosesser typisk kan implementeres og forvaltes i en gitt organisasjon- redegjøre for hvordan utvalgte prosesser fungerer sammen og hvilken informasjon som flyter mellom dem- lage en plan for innføring av utvalgte ITIL-prosesser i en konkret bedrift- implementere utvalgte deler av ITIL-standarden i en konkret bedrift GENERELL KOMPETANSE:Kandidaten har:- grunnleggende forståelse av ITIL som beste praksis for drift av IT-systemer- forståelse for at ITIL kan implementeres i små trinn og med noen få prosesser, samt utvides til å være svært omfattende, med mange operative prosesser og funksjoner Innhold:Introduksjon til ITIL v3 med utgangspunkt i tjenestelivssyklusmodellen. Gjennomgang av livssyklusfasene tjenestestrategi, tjenestedesign, tjenesteovergang, tjenesteadministrasjon og kontinuerlig tjenesteforbedring med tilhørende prosesser og funksjoner.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 ITIL v3 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

Vil du lære å tegne illustrasjoner og logoer til bruk i alle medier? Illustrator tegner vektorgrafikk som kan forstørres ubegrenset, uten å tape kvalitet og kan derfor brukes overalt. Adobe Illustrator er verktøyet for illustratører og grafiske designere, men også et program for deg som vil lage litt enklere illustrasjoner til internett, Power Point og Word. På kurset lærer du å ta utgangspunkt i enkle basisformer og kombinere dem til kompliserte figurer, slik at det blir det lett for alle å tegne. Hvorfor ta dette kurset: Du får en grundig innføring i programmet Du vil lære konkrete tegne- og designoppgaver Du vil lære å redigere/endre Illustrator-filer du mottar Du vil lære å lage illustrasjoner og logoer Du vil lære å lage grafikk for bruk på internett, lesebrett eller mobil Du vil lære effektive arbeidsmetoder Du får kontroll på tegninger med mange elementer og lag Du vil lære om fargebruk og klargjøring av filer for trykk og nett Dette lærer du: Arbeidsmiljøet i programmet Tegning med tegneverktøyene og ved å kombinere enkle grunnformer Redigering og transformering av objekter Innsetting av tekst og bilder Tekstbearbeiding Lage bannerannonser Bruk av farger og forløpninger Lag og gjennomsiktighet [-]

Etter kurset Digital markedsføring, skal du ha grunnleggende kunnskaper innen dataanalyse og kjenne til digitale mediers rolle innen markedsføring. Du skal beherske digital markedsføring, strategi og planlegging, samt jus og etikk innenfor samme tema. Du skal bli i stand til å analysere effekten av strategi og kampanjer. Du skal vite hvordan nettsidene optimaliseres, samt hvordan man etablerer og drifter digitale annonser. Du skal kunne lede digitale kampanjer og ha kunnskap om hvilken betydning en god digital strategi har innen digital markedsføring. Studiet er både praktisk og teoretisk rettet – med hovedvekt på å løse praktiske obligatoriske oppgaveløsning basert på teoretisk kunnskap. Studentene vil gjennom studieåret gjennomføre en rekke individuelle og gruppebaserte praktiske og teoretiske oppgaver knyttet til de forskjellige undertema. [-]

Kurset er rettet mot deg som skal armere i Autodesk Revit. Dette er et praktisk kurs som gjør deg i stand til å armere betongkonstruksjoner, lage armeringstegninger og bøyelister. Hensikten med kurset er å gjøre deg i stand til bruke armerinsgverktøyene i Revit samt lage armeringstegninger og bøyelister ved hjelp av verktøyene som ligger i Revit-applikasjonen Focus RAT Bygg. Du vil lære hvordan manuelt armere betongkonstruksjoner. Du vil også lære verktøyene for å lage løpemeterarmering, armeringsnett og kantarmering. Du vil lære å bruke Revit Extensions for å armere konstruksjoner automatisk. Vi skal også lage armeringstegninger og bøyelister i henhold til NS 3766. Kursinnhold: Manuell armering av betongkonstruksjoner Løpemeterarmering Kantarmering Armeringsnett Automatisk armering av betongkonstruksjoner med Revit Extensions Armere avanserte betongkonstruksjoner Lage armeringstegninger Lage bøyelister [-]

Kursinstruktør Terje Berg-Hansen Terje Berg-Hansen har bred erfaring fra prosjektledelse, utvikling og drift med små og store databaser, både SQL- og NoSQL-baserte. I tillegg til å undervise i etablerte teknologier leder han også Oslo Hadoop User Group, og er levende interessert i nye teknologier, distribuerte databaser og Big Data Science.    Kursinnhold PHP er et kraftig skriptspråk som brukes til å lage dynamiske og interaktive websider. PHP brukes bl.a av Facebook, Wikipedia og Wordpress, og er et effektivt alternativ til f.eks. Ruby on Rails, Django, Microsoft ASP/.net og Java EE. MySQL er verdens mest populære open source databasesystem og brukes ofte sammen med PHP i dynamiske løsninger.   Agenda Installasjon av PHP og MySQL. MySQL/relasjonsdatabaser Datatyper Oppbygging av en database Relasjoner SELECT, INSERT INTO, UPDATE, DELETE, CREATE, ALTER TABLE Administrasjon av databaser med PhpMyAdmin, MySQL Workbench og via kommandolinjen PHP-programmering Variabler og datatyper Kontrollstrukturer og løkker Funksjoner Sende/motta verdier mellom sider med POST og GET Cookies og sessions Bruk av include og require Sette inn, oppdatere, slette og søke etter data i MySQL-databaser med PHP Dataobjects (PDO) Utvikling etter MVC-oppsettet (Model, View, Controller). Kursoppgave: Lage et enkelt CMS-system for publisering av data på web   Læremateriell PHP & MYSQL : From novice to ninja fra Sitepoint, samt online kursmateriell på norsk.   [-]