Oversikt over relevante kurs innen IT-kurs i Løten

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 [-]

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. [-]

ITIL® Specialist - Drive Stakeholder Value [-]

Kursinnhold: De ulike begrepene som blir brukt i Google Analytics Segmentering av brukere i statistikken Hvordan lese relevant statistikk Hva du kan bruke tallene til videre i din markedsføring Hvordan nettsidene dine fungerer og hvor konverteringene kommer fra [-]

Power BI Desktop [-]

Dette kurset tilbys som bedriftsinternt kurs   Deltakerne får god kjennskap til lagring og administrasjon av filer i sky, deling av filer, samt produktivitetsverktøy som To Do og OneNote. I tillegg gir vi en introduksjon til verktøy for samhandling via SharePoint og Teams.    Kursinnhold     • Grunnleggende innføring i hva Microsoft Office 365 er     • OneDrive - Lagring i sky     • SharePoint - Biblioteker, lister og samhandling     • Synkronisering av filer mellom pc og sky     • Deling av filer og dokumenter     • Introduksjon til produktivitetsverktøyene OneNote og To Do     • Teams - Navet i Microsoft 365    Målgruppe Alle som ønsker en grunnleggende forståelse av Microsoft 365 og som trenger en innføring i de viktigste delene.   Forkunnskaper Det er ikke krav til forkunnskaper, men det forventes at deltagerne har generell kjennskap til Windows, Office-pakken (Word, Excel, Outlook) og Internett.    [-]

Skriv kursbeskrivelse her [-]

JOBB SMART OG EFFEKTIVT! E-læringskurset gir deg en opplevelsesrik og praktisk opplæring i e-postprogrammet Outlook 2016. En kombinasjon av videoer, teori, oppskrifter, oppgaver og tester gjør det enkelt å lære seg de nye funksjonene og verktøyene. E-læringskurset inneholder 46 opplæringsvideoer. E-læringskurset er tilpasset Office 365. * Office 365 gir deg alltid den nyeste versjonen av Outlook. * Navigasjonsfeltet gjør det enkelt å bytte mellom visningene i Outlook 2016. * Egen modus som er optimalisert for berøring. * Microsoft-kontoen kobler enheten til OneDrive, slik at du alltid har tilgang til filene dine. * Enklere søk etter kommandoer, handlinger og hjelp. * Mulighet for automatisk komprimering av store bildevedlegg. * Den første linjen i meldingsteksten vises som standard i meldingslisten og gir god oversikt. * Enklere filtrering av uleste meldinger. * Et integrert utskriftsmiljø med både utskriftsinnstillinger og forhåndsvisning. * Svarknapper gjør det enkelt å svare på eller videresende meldinger direkte fra leseruten. * Enklere sortering og gruppering av meldinger. * Hurtigtrinn kan brukes for å utføre flere handlinger samtidig. * Automatiske svar håndterer meldinger mens du er borte fra kontoret. * Møteinvitasjoner kan opprettes direkte basert på en melding. *Møteinvitasjoner viser et bilde av kalenderen, slik at du kan sjekke om du har ledig tid. * Personkortet i Outlook 2016 inneholder alle viktige detaljer om en kontakt samlet på ett sted. INNHOLDSFORTEGNELSE FØR DU STARTER Hva er Office 365? Elektronisk post Programvinduet Berøringsmodus Visninger Microsoft-konto Hjelp SENDING AV MELDINGER Nettetikette Sending av meldinger Meldingsformater Vedlegg Signatur Viktighet Svarknapper Leverings- og lesebekreftelse BEHANDLING AV MELDINGER Sending og mottak av meldinger Meldingslisten Bildenedlasting Forhåndsvisning og utskrift av meldinger Flagg for oppfølging Svar og videresending Sortering av meldinger Kolonner Direktesøk Organisering av meldinger Hurtigtrinn Søppelpost Automatiske svar KALENDER Kalenderen Avtaler Hendelser Møter Møtesvar Forhåndsvisning og utskrift av kalenderen Værdata PERSONER Kontakter Kontaktgrupper Forhåndsvisning og utskrift av kontakter OPPGAVER OG NOTATER Oppgaver Notater [-]

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     [-]

httpWeb Security for Developers [-]

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

MD-100: Windows Client [-]

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

Kursinstruktør Geir Johan Gylseth Geir Johan Gylseth er utdannet ved Universitetet i Oslo med hovedvekt på Informatikk og har over 30 års erfaring som instruktør. Geir sin styrke ligger innenfor MS Office. Han har lang erfaring med skreddersøm av kurs, kursmanualer og oppgaver. Geir er en entusiastisk og dyktig instruktør som får meget gode evalueringer.   Kursinnhold Bruker du mye tid i Word på å få gjort enkle arbeidsoppgaver? Forskyver sidene seg når du skriver inn mer tekst? Deler ord seg på steder du ikke vil? Er det vanskelig å få plassert bilder og tegninger der du ønsker? Får du ikke sideskiftene der du ønsker? Blir ikke sidetallene dine slik du hadde tenkt deg?   Dette er vanlige problemstillinger mange sliter med og som blir borte etter endt kurs! På kun 2 dager vil du mestre de vanligste arbeidsoppgavene i Word. Du lærer gode rutiner og hurtigtastene du trenger for å kunne arbeide raskt og effektivt. Du vil kunne lage alt fra enkle til mer avanserte dokumenter, brev og rapporter og vil føle deg trygg på at det er du som kontrollerer Word og ikke omvendt! Du vil også få en rekke tips og triks du kan bruke i din arbeidsdag.  Alt du lærer får du repetert gjennom aktiv oppgaveløsning slik at du husker det du har lært når du kommer tilbake på jobb. Kursdokumentasjon, lunsj og pausemat er selvsagt inkludert! Kursholderne har mer enn 20 års Word erfaring som de gjerne deler med deg! Kurset passer for deg med liten erfaring og som ønsker å lære Word fra grunnen av. Kurset passer også for deg som er selvlært og som ønsker å jobbe mer effektivt. Meld deg på Word-kurs allerede i dag og sikre deg plass!   Bli kjent med Word OppstartÅpning Visninger Navigering Nye dokumenter Innskriving Lagring og lukking   Redigering Merking Sletting og erstatting Symboler og spesialtegn Angremuligheter Sammenslåing og deling av avsnitt Flytting og kopiering Søking og erstatting   Formatering Hva er formatering? Tegnformatering Avsnittsformatering Justering Innrykk Punktlister og nummererte lister Kopiering av format Stiler   Sideformatering Inndelinger Marger Papirretning og størrelse Topptekst og bunntekst Sidetall og dokumentinformasjon Forsider og tomme sider Hardt sideskift Dokumenttema   Språkverktøy Autokorrektur Byggeblokker  Stave- og grammatikkontroll Orddeling Dato og klokkeslett   Utskrift Utskriftsformat Forhåndsvisning Utskrift   Tabeller Utforming av tabeller Merking Innsetting og sletting Flytting og kopiering Tabellstiler Radhøyde og kolonnebredde Justering Kantlinjer og skyggelegging   Bilder og objekter Bruk av bilder Utklipp og bildefiler Tekstbryting og plassering   Fletting Utskriftsfletting Hoveddokument Datakilde Innsetting av flettefelt Fletting     [-]

Vi gir deg Excel kurs gratis, få en effektiv og god innføring i Excel! Godt egnet for deg som ikke kjenner til så mye mer enn Summer-knappen, og ønsker å utvide horisonten litt. Om du trenger Excel hjelp, er vårt online Excel kurs på nett stedet å starte.   Kursinnhold:   Gjennomgang av båndet, programvinduet og viktige begreper  Kategorier, grupper, knapper, dialogboksvelger Vise / skjule båndet Navneboks, formlinje, statuslinje m.m.   Nyttig bruk av autofyll  Lage serier med ukedager og måneder Autofylle tall og datoer Kopiere tekst, tall, format, formler og funksjoner   Lage et enkelt «privatbudsjett»  Forklaring av de grunnleggende konseptene i Excel Funksjoner som SUMMER, GJENNOMSNITT Formatering av utsende   Grafisk fremstilling av data - stolpe diagram  Grunnleggende gjennomgang av diagramverktøy Oppdatering av data   Veien videre  Se hvor enkelt kan du opprette rapporter ved å bruke tabellfunksjonalitet og filter Se hvor raskt kan du opprette rapporter ved å bruke Pivottabell [-]