Oversikt over relevante kurs innen IT-kurs i Macaé

Kurset fokuserer på konvertering av etterspørsel til verdi via IT-relaterte tjenester. Modulen dekker sentrale emner som SLA-design, styring av flere leverandører, kommunikasjon, relasjonsstyring, CX- og UX-design, kartlegging av kunder og mer. E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på  AXELOS sine websider. Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert. [-]

AZ-1008: Administer Active Directory Domain Services [-]

ITIL® 4 Foundation-kurset er en introduksjon til ITIL® 4. Kurset lar kandidater se på IT-tjenestestyring gjennom en ende-til-ende driftsmodell, som inkluderer oppretting, levering og kontinuerlig forbedring av IT-relaterte produkter og tjenester. E-læringskurset inneholder 12 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på AXELOS sine websider. Inkluderer: Tilgang til ITIL® 4 Foundation e-læring (engelsk) i 12 måneder. ITIL® Foundation online voucher til sertifiseringstest + digital ITIL Foundation bok Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert. Sertifiseringen består av: 40 spørsmål Multiple Choice 60 minutter + 15 minutter til rådighet dersom du ikke har engelsk som morsmål For å bestå må du ha minimum 26 riktige (65%) Ingen hjelpemidler tillatt ITIL®/PRINCE2®/MSP®/MoP® are registered trademarks of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

Modulen dekker bruk og effekt av Lean og agile arbeidsmåter, og hvordan dette kan utnyttes til fordel for organisasjonen. Kurset vil gi kandidatene en praktisk og strategisk metode for å planlegge og levere kontinuerlig forbedring med nødvendig smidighet.  E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 12 moduler. Les mer om ITIL® 4 på AXELOS sine websider Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert.   [-]

Objectives This course teaches participants the following skills: Design and build data processing systems on Google Cloud Platform Process batch and streaming data by implementing autoscaling data pipelines on Cloud Dataflow Derive business insights from extremely large datasets using Google BigQuery Train, evaluate, and predict using machine learning models using Tensorflow and Cloud ML Leverage unstructured data using Spark and ML APIs on Cloud Dataproc Enable instant insights from streaming data   All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introduction to Data Engineering -Explore the role of a data engineer-Analyze data engineering challenges-Intro to BigQuery-Data Lakes and Data Warehouses-Demo: Federated Queries with BigQuery-Transactional Databases vs Data Warehouses-Website Demo: Finding PII in your dataset with DLP API-Partner effectively with other data teams-Manage data access and governance-Build production-ready pipelines-Review GCP customer case study-Lab: Analyzing Data with BigQuery Module 2: Building a Data Lake -Introduction to Data Lakes-Data Storage and ETL options on GCP-Building a Data Lake using Cloud Storage-Optional Demo: Optimizing cost with Google Cloud Storage classes and Cloud Functions-Securing Cloud Storage-Storing All Sorts of Data Types-Video Demo: Running federated queries on Parquet and ORC files in BigQuery-Cloud SQL as a relational Data Lake-Lab: Loading Taxi Data into Cloud SQL Module 3: Building a Data Warehouse -The modern data warehouse-Intro to BigQuery-Demo: Query TB+ of data in seconds-Getting Started-Loading Data-Video Demo: Querying Cloud SQL from BigQuery-Lab: Loading Data into BigQuery-Exploring Schemas-Demo: Exploring BigQuery Public Datasets with SQL using INFORMATION_SCHEMA-Schema Design-Nested and Repeated Fields-Demo: Nested and repeated fields in BigQuery-Lab: Working with JSON and Array data in BigQuery-Optimizing with Partitioning and Clustering-Demo: Partitioned and Clustered Tables in BigQuery-Preview: Transforming Batch and Streaming Data Module 4: Introduction to Building Batch Data Pipelines -EL, ELT, ETL-Quality considerations-How to carry out operations in BigQuery-Demo: ELT to improve data quality in BigQuery-Shortcomings-ETL to solve data quality issues Module 5: Executing Spark on Cloud Dataproc -The Hadoop ecosystem-Running Hadoop on Cloud Dataproc-GCS instead of HDFS-Optimizing Dataproc-Lab: Running Apache Spark jobs on Cloud Dataproc Module 6: Serverless Data Processing with Cloud Dataflow -Cloud Dataflow-Why customers value Dataflow-Dataflow Pipelines-Lab: A Simple Dataflow Pipeline (Python/Java)-Lab: MapReduce in Dataflow (Python/Java)-Lab: Side Inputs (Python/Java)-Dataflow Templates-Dataflow SQL Module 7: Manage Data Pipelines with Cloud Data Fusion and Cloud Composer -Building Batch Data Pipelines visually with Cloud Data Fusion-Components-UI Overview-Building a Pipeline-Exploring Data using Wrangler-Lab: Building and executing a pipeline graph in Cloud Data Fusion-Orchestrating work between GCP services with Cloud Composer-Apache Airflow Environment-DAGs and Operators-Workflow Scheduling-Optional Long Demo: Event-triggered Loading of data with Cloud Composer, Cloud Functions, -Cloud Storage, and BigQuery-Monitoring and Logging-Lab: An Introduction to Cloud Composer Module 8: Introduction to Processing Streaming Data Processing Streaming Data Module 9: Serverless Messaging with Cloud Pub/Sub -Cloud Pub/Sub-Lab: Publish Streaming Data into Pub/Sub Module 10: Cloud Dataflow Streaming Features -Cloud Dataflow Streaming Features-Lab: Streaming Data Pipelines Module 11: High-Throughput BigQuery and Bigtable Streaming Features -BigQuery Streaming Features-Lab: Streaming Analytics and Dashboards-Cloud Bigtable-Lab: Streaming Data Pipelines into Bigtable Module 12: Advanced BigQuery Functionality and Performance -Analytic Window Functions-Using With Clauses-GIS Functions-Demo: Mapping Fastest Growing Zip Codes with BigQuery GeoViz-Performance Considerations-Lab: Optimizing your BigQuery Queries for Performance-Optional Lab: Creating Date-Partitioned Tables in BigQuery Module 13: Introduction to Analytics and AI -What is AI?-From Ad-hoc Data Analysis to Data Driven Decisions-Options for ML models on GCP Module 14: Prebuilt ML model APIs for Unstructured Data -Unstructured Data is Hard-ML APIs for Enriching Data-Lab: Using the Natural Language API to Classify Unstructured Text Module 15: Big Data Analytics with Cloud AI Platform Notebooks -What’s a Notebook-BigQuery Magic and Ties to Pandas-Lab: BigQuery in Jupyter Labs on AI Platform Module 16: Production ML Pipelines with Kubeflow -Ways to do ML on GCP-Kubeflow-AI Hub-Lab: Running AI models on Kubeflow Module 17: Custom Model building with SQL in BigQuery ML -BigQuery ML for Quick Model Building-Demo: Train a model with BigQuery ML to predict NYC taxi fares-Supported Models-Lab Option 1: Predict Bike Trip Duration with a Regression Model in BQML-Lab Option 2: Movie Recommendations in BigQuery ML Module 18: Custom Model building with Cloud AutoML -Why Auto ML?-Auto ML Vision-Auto ML NLP-Auto ML Tables [-]

Kurset vil gi deg en grunnleggende forståelse i bruk av tegne- og konstruksjonsprogrammet AutoCAD. AutoCAD 2D Grunnkurs:• Hovedprinsipper i AutoCAD's brukergrensesnitt• Oppretting og lagring av tegninger• Tegne- og editeringskommandoer• Hjelpefunksjoner for å tegne nøyaktig• Skjermstyring• Lagoppbygging og struktur• Målsetting, teksting og skravering• Symbol- og blokkhåndtering• Layout/plotting   Etter gjennomført kurs skal kursdeltagerne bl.a. kunne bruke AutoCAD til å: • Opprette tegninger• Utføre de vanligste tegne- og editeringsfunksjoner• Bruke og forstå lagoppbygging• Målsette og påføre tekst• Skrive ut tegning i målestokk  [-]

Leading SAFe® [-]

Test-Driven JavaScript - (Hands-on) [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Faget «Datakommunikasjon» eller tilsvarende grunnleggende fag. (TCP/IP forutsettes kjent). Faget «Nettverksteknologi» Innleveringer: Øvinger: 8 av 12 må være godkjent. Øvingene må dekke en bred del av pensum. Vurderingsform: Skriftlig, individuell, 3 timer, Ansvarlig: Helge Hafting Eksamensdato: 04.12.13 / 07.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare en del protokollbaserte farer/angrep i kablede og trådløse nett- kan gjøre rede for mottiltak mot angrepene over- kan gjøre rede for andre farer og mottiltak, som fysiske sikringstiltak og «social engineering»- kan gjøre rede for og planlegge bruk av vanlige sikringstiltak som IDS, IPS, VPN og proxyer FERDIGHETER:Kandidaten kan:- sette i drift et VPN- installere brannmur- Observere nettverkstrafikk med pakkesniffer GENERELL KOMPETANSE:Kandidaten:- kan granske sikkerheten i et nettverk, og velge passende tiltak.Innhold:Generell nettverkssikkerhet. Hvordan planlegge, organisere og sette sikkerhet i små og store nettverk. Brannmurer, VPN, IDS/IPS. Sikkerhet rundt epost, trådløse nett og rutere. En del vanlige angrep, og mottiltak.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Nettverkssikkerhet 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

CCNA: Implementing and Administering Cisco Solutions [-]

Kursinnhold FINN.RAD() FINN.KOLONNE() XOPPSLAG() – den nye oppslagsfunksjonen. Super funksjonalitet INDEKS() / SAMMENLIGNE() [-]

Through a combination of presentations, demos, and hands-on labs, participants get an overview of the Google Cloud platform and a detailed view of the data processing and machine learning capabilities. This course showcases the ease, flexibility, and power of big data solutions on Google Cloud Platform. Learning Objectives This course teaches participants the following skills: Identify the purpose and value of the key Big Data and Machine Learning products in the Google Cloud Platform Use Cloud SQL and Cloud Dataproc to migrate existing MySQL and Hadoop/Pig/Spark/Hive workloads to Google Cloud Platform Employ BigQuery and Cloud Datalab to carry out interactive data analysis Train and use a neural network using TensorFlow Employ ML APIs Choose between different data processing products on the Google Cloud Platform Course Outline Module 1: Introducing Google Cloud Platform -Google Platform Fundamentals Overview-Google Cloud Platform Big Data Products Module 2: Compute and Storage Fundamentals -CPUs on demand (Compute Engine)-A global filesystem (Cloud Storage)-CloudShell-Lab: Set up an Ingest-Transform-Publish data processing pipeline Module 3: Data Analytics on the Cloud -Stepping-stones to the cloud-CloudSQL: your SQL database on the cloud-Lab: Importing data into CloudSQL and running queries-Spark on Dataproc-Lab: Machine Learning Recommendations with Spark on Dataproc Module 4: Scaling Data Analysis -Fast random access-Datalab-BigQuery-Lab: Build machine learning dataset Module 5: Machine Learning -Machine Learning with TensorFlow-Lab: Carry out ML with TensorFlow-Pre-built models for common needs-Lab: Employ ML APIs Module 6: Data Processing Architectures -Message-oriented architectures with Pub/Sub-Creating pipelines with Dataflow-Reference architecture for real-time and batch data processing Module 7: Summary -Why GCP?-Where to go from here-Additional Resources [-]

Elæring Cisco U. All ACCESS [-]

TOGAF® EA Course Combined [-]

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