Oversikt over relevante kurs innen IT-kurs i New York

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. [-]

TARGET AUDIENCE Software engineers concerned with building, managing and deploying AI solutions that leverage Azure Cognitive Services, Azure Cognitive Search, and Microsoft Bot Framework. They are familiar with C#, Python, or JavaScript and have knowledge on using REST-based APIs to build computer vision, language analysis, knowledge mining, intelligent search, and conversational AI solutions on Azure. COURSE OBJECTIVES After completing this course you should be able to: Describe considerations for creating AI-enabled applications Identify Azure services for AI application development Provision and consume cognitive services in Azure Manage cognitive services security Monitor cognitive services Use a cognitive services container Use the Text Analytics cognitive service to analyze text Use the Translator cognitive service to translate text Use the Speech cognitive service to recognize and synthesize speech Use the Speech cognitive service to translate speech Create a Language Understanding app Create a client application for Language Understanding Integrate Language Understanding and Speech Use QnA Maker to create a knowledge base Use a QnA knowledge base in an app or bot Use the Bot Framework SDK to create a bot Use the Bot Framework Composer to create a bot Use the Computer Vision service to analyze images Use Video Indexer to analyze videos Use the Custom Vision service to implement image classification Use the Custom Vision service to implement object detection Detect faces with the Computer Vision service Detect, analyze, and recognize faces with the Face service Use the Computer Vision service to read text in images and documents Use the Form Recognizer service to extract data from digital forms Create an intelligent search solution with Azure Cognitive Search Implement a custom skill in an Azure Cognitive Search enrichment pipeline Use Azure Cognitive Search to create a knowledge store   COURSE CONTENT Module 1: Introduction to AI on Azure Artificial Intelligence (AI) is increasingly at the core of modern apps and services. In this module, you'll learn about some common AI capabilities that you can leverage in your apps, and how those capabilities are implemented in Microsoft Azure. You'll also learn about some considerations for designing and implementing AI solutions responsibly. Introduction to Artificial Intelligence Artificial Intelligence in Azure Module 2: Developing AI Apps with Cognitive Services Cognitive Services are the core building blocks for integrating AI capabilities into your apps. In this module, you'll learn how to provision, secure, monitor, and deploy cognitive services. Getting Started with Cognitive Services Using Cognitive Services for Enterprise Applications Lab: Get Started with Cognitive Services Lab: Get Started with Cognitive Services Lab: Monitor Cognitive Services Lab: Use a Cognitive Services Container Module 3: Getting Started with Natural Language Processing  Natural Language processing (NLP) is a branch of artificial intelligence that deals with extracting insights from written or spoken language. In this module, you'll learn how to use cognitive services to analyze and translate text. Analyzing Text Translating Text Lab: Analyze Text Lab: Translate Text Module 4: Building Speech-Enabled Applications Many modern apps and services accept spoken input and can respond by synthesizing text. In this module, you'll continue your exploration of natural language processing capabilities by learning how to build speech-enabled applications. Speech Recognition and Synthesis Speech Translation Lab: Recognize and Synthesize Speech Lab: Translate Speech Module 5: Creating Language Understanding Solutions To build an application that can intelligently understand and respond to natural language input, you must define and train a model for language understanding. In this module, you'll learn how to use the Language Understanding service to create an app that can identify user intent from natural language input. Creating a Language Understanding App Publishing and Using a Language Understanding App Using Language Understanding with Speech Lab: Create a Language Understanding App Lab: Create a Language Understanding Client Application Use the Speech and Language Understanding Services Module 6: Building a QnA Solution One of the most common kinds of interaction between users and AI software agents is for users to submit questions in natural language, and for the AI agent to respond intelligently with an appropriate answer. In this module, you'll explore how the QnA Maker service enables the development of this kind of solution. Creating a QnA Knowledge Base Publishing and Using a QnA Knowledge Base Lab: Create a QnA Solution Module 7: Conversational AI and the Azure Bot Service Bots are the basis for an increasingly common kind of AI application in which users engage in conversations with AI agents, often as they would with a human agent. In this module, you'll explore the Microsoft Bot Framework and the Azure Bot Service, which together provide a platform for creating and delivering conversational experiences. Bot Basics Implementing a Conversational Bot Lab: Create a Bot with the Bot Framework SDK Lab: Create a Bot with a Bot Freamwork Composer Module 8: Getting Started with Computer Vision Computer vision is an area of artificial intelligence in which software applications interpret visual input from images or video. In this module, you'll start your exploration of computer vision by learning how to use cognitive services to analyze images and video. Analyzing Images Analyzing Videos Lab: Analyse Images with Computer Vision Lab: Analyze Images with Video Indexer Module 9: Developing Custom Vision Solutions While there are many scenarios where pre-defined general computer vision capabilities can be useful, sometimes you need to train a custom model with your own visual data. In this module, you'll explore the Custom Vision service, and how to use it to create custom image classification and object detection models. Image Classification Object Detection Lab: Classify Images with Custom Vision Lab: Detect Objects in Images with Custom Vision Module 10: Detecting, Analyzing, and Recognizing Faces Facial detection, analysis, and recognition are common computer vision scenarios. In this module, you'll explore the user of cognitive services to identify human faces. Detecting Faces with the Computer Vision Service Using the Face Service Lab:Destect, Analyze and Recognize Faces Module 11: Reading Text in Images and Documents Optical character recognition (OCR) is another common computer vision scenario, in which software extracts text from images or documents. In this module, you'll explore cognitive services that can be used to detect and read text in images, documents, and forms. Reading text with the Computer Vision Service Extracting Information from Forms with the Form Recognizer service Lab: Read Text in IMages Lab: Extract Data from Forms Module 12: Creating a Knowledge Mining Solution Ultimately, many AI scenarios involve intelligently searching for information based on user queries. AI-powered knowledge mining is an increasingly important way to build intelligent search solutions that use AI to extract insights from large repositories of digital data and enable users to find and analyze those insights. Implementing an Intelligent Search Solution Developing Custom Skills for an Enrichment Pipeline Creating a Knowledge Store Lab: Create and Azure Cognitive Search Solution Create a Custom Skill for Azure Cognitive Search Create a Knowledge Store with Azure Cognitive Search   TEST CERTIFICATION Recommended as preparation for the following exams: AI-102 - Designing and Implementing a Microsoft Azure AI Solution - Part of the requirements for the Microsoft Certified Azure AI Engineer Associate Certification.   HVORFOR VELGE SG PARTNER AS:  Flest kurs med Startgaranti Rimeligste kurs Beste service og personlig oppfølgning Tilgang til opptak etter endt kurs Partner med flere av verdens beste kursleverandører [-]

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.   Solibri Anywhere og Site   På kurset vil du lære å: Sammenstille flere IFC-modeller og navigere i disse Velge ut grupper av objekter for nærmere studier Legge inn snitt, måle, markere og opprette slides fra visninger av modellen Opprette rapporter og kommentere «issues» i Excel og BCF-format Se på resultatet av utførte regelsjekker i modellen Se på resultatet av utførte informasjons- og mengdeuttak fra modellen Høste informasjon og mengder fra modellen basert på eksisterende maler og klassifikasjoner Skape egne klassifikasjoner og definisjoner for megndeuttak   Dette er et populært kurs, meld deg på nå! Spesialtilpasset kurs: NTI anbefaler spesialtilpassede kurs for bedrifter som planlegger å sende to eller flere deltakere på Solibri-kurs. Grunnen til dette er at Solibri brukes av mange forskjellige aktører og profesjoner i BAE-bransjen, og følgelig blir de åpne kursene ofte for generelle for enkelte kursdeltakere. I et spesialtilpasset kurs vil vår kurskonsulent kartlegge fokusområdene i forkant av kurset, og gjennomføre kurset i henhold til selskapets behov, gjerne basert på kundens egne modeller. Utbyttet av kurset blir følgelig mye større.  Ta kontakt med oss på telefon 483 12 300, epost: salg-no@nti.biz eller les mer på www.nti.biz   [-]

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. After completing this course, students will be able to: 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 prerequisites Successful students start this course with knowledge of cloud computing and core data concepts and professional experience with data solutions.Recommended prerequisites:M-DP900 - Microsoft Azure Data FundamentalsM-AZ900 - Microsoft Azure Fundamentals Agenda 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. 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. 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. 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). 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Module 16: Build reports using Power BI integration with Azure Synapase 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. 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. [-]

Videokurs for deg som skal bruke film i din digitale markedsføring eller deg som jobber med redaksjonelt innhold på nettet. «1 minutt video sier mer enn 18000 ord»(Forrester research) Kursinnhold: Du skal lære å lage korte filmer til nettet. Dette innebærer å planlegge innhold, filme, klippe og redigere filmen. Content Marketing i praksis. Bearbeiding av idé og planlegging av innhold Fra idé til film Klipping og redigering av film med Adobe Premiere pro Rettigheter ang musikk Deling av film på nettet Ta med egen laptop med ferdig innstallert Adobe Premiere Pro, samt videokamera eller smartphone på kurset. Ekstern harddisk, strømkabler og hodetelefoner må også taes med.   https://igm.no/videokurs/ [-]

Kurs beskrivelse Er det vanskelig å skjønne hvordan Access fungerer? Har du databaser med bare 1 tabell og ikke flere som de skal ha? Får du ikke orden på dine data? Må du skrive data inn i tabellen istedenfor gjennom et skjema? Er det vanskelig å få data ut fra databasen din? Blir databasen din lite brukervennlig? Dette er vanlige problemstillinger mange sliter med og som blir borte etter endt kurs! Kurset passer for deg med liten erfaring og som ønsker å lære Access fra grunnen av. Kurset passer også for deg som er selvlært og som ønsker å jobbe mer effektivt. På kun 2 dager vil du mestre de vanligste arbeidsoppgavene i Access. Du lærer gode rutiner du trenger for å kunne arbeide raskt og effektivt. Du vil kunne lage og strukturere alt fra enkle til mer avanserte databaser og vil føle deg trygg på at det er du som kontrollerer Access og ikke omvendt! Du lærer også hvordan du skal få data ut fra databasen din gjennom spørringer og rapporter. I tillegg får du 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 Access erfaring som de gjerne deler med deg! Meld deg på Access-kurs allerede i dag og sikre deg plass!   Kursinnhold Grunnleggende begreper Introduksjon til databasedesign/datamodellering Planlegging av en ny databaseOrganisering av data i en database Opprette en database   Tabeller Tabellens utformingsvisningTabellens data arkvisning Spørringer/Queries UtvalgsspørringerHandlingsspørringer/ActionqueriesLag tabell-spørringSlettespørring-Føy til-spørringOppdateringsspørringParameterspørringer Skjemaer Opprette skjemaer med skjemaveivisereSkjemavisningUformingsvisning for skjemaerGjennomgang av designverktøyVerktøyboksenFargepalett, fonter, tekstplasseringBundne, ubundne og kalkulerte kontrollerPostkilde og feltliste for et skjemaEn-til-mange-skjema Rapporter Opprette rapporter med RapportveiviserenUtformingsvisning for en rapportGruppering og sortering i rapporter Etiketter Spesialtilpassede etikettmalerEtikettveiviseren   [-]

ITIL® 4 Practitioner: Incident Management [-]

Er arbeidsdagen din ustrukturert og rotete? Delta på denne økten å få en gjennomgang av hvordan du kan benytte Outlook fornuftig til å organisere arbeidsdagen din.  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:    Kalender Legge inn hendelser, avtaler og møter Bruk av kategorier for bedre oversikt Dele kalenderen med andre, og få oversikt i flere kalendere Opprette avtaler/ møter ut av en e-post Generelle innstillinger og oppsett   Oppgaver Huskeliste for oppfølging av innkommen og utgående e-post og andre gjøremål Bruk av kategorier for bedre oversikt Tilordne oppgaver til andre Tilpasning av visninger    3 gode grunner til å delta 1. Få bedre oversikt i oppgaveliste og kalender 2. Få en kort intro til delte møtenotater i OneNote 3. Tips og triks til daglig bruk av kalenderen   [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Kunnskaper tilsvarende emnet IINI1001 IT-Introduksjon Innleveringer: 6 av 10 øvinger er obligatoriske. Vurderingsform: 1-timers eksamen på nett av typen flervalgsprøve Ansvarlig: Geir Maribu Eksamensdato: 09.12.13 / 12.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare hva Linux er, dvs. historikk, kultur og hvilken rolle og hvilken påvirkning Linux har i dag.- kan redegjøre for hva som menes med åpen og fri programvare og hvordan Linux er en del av denne kulturen. FERDIGHETER:Kandidaten kan:- installere Linux aleine på maskin, i dualboot med Windows eller inni et virtualiseringssystem.- bruke Linux skrivebordsmiljø (GUI) og tilhørende applikasjoner som et reelt alternativ til MS Windows- bruke kommandogrensesnittet til de vanligste fil- og mappeoperasjonene, og til kommandoer der GUI-et ikke er det beste valget- utføre vanlig systemarbeid på egen Linux-maskin som vedlikehold, installering, oppdatering- vise i praksis hvordan Linux kan integreres med Window og Mac GENERELL KOMPETANSE:Kandidaten:- er bevisst på hva slags utviklingsmiljø Linux er en del av Innhold:Installering av Linux, hva er Linux, distribusjoner, GNU, GPL, Linus Torvalds etc. Historikk, Linux skrivebordsmiljø inkl. Filbehandler, Linux-programmer, kommandobasert Linux, omdirigering, kanaler etc Tilgangsrettigheter, prosesser kommandoskallet, skallprogrammering, filsystemer, installering av programmer, oppdatering, brukere og brukeradministrasjon, remote login, cron-jobber, loggfiler, backupLes mer om faget herDemo: Her er en introduksjonsvideo for faget Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Praktisk Linux 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

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.   Dynamo for Revit Her er et utvalg av temaene du vil lære på kurset: Intro til brukerflate og grunnleggende funksjoner Dynamo – Revit-interaksjon Parametrisk/Regelbasert Design Geometri i Dynamo Plassering av Revit-elementer Datauttrekk Opprettelse av Analytisk modell Skrive i Revit-parametre/nummerering Tilpasning av Revit-elementer Import og behandling av ekstern geometri Kjenner du til Grasshopper for Rhino og ønsker å komme videre med komplekse geometrier? I så fall er Dynamo en mulighet. Her kan regelbasert design settes opp med direkte integrasjon til Revit. Med Dynamo for Revit åpnes en verden med en hittil usett parametrisk tilgang til prosjektene. Med Dynamo som visuelt programmeringsverktøy kobles egne algoritmer sammen med Revits parametriske database, uansett om fokuset er formgivning, designoptimering, fabrikasjon eller automatisering. Dette, sammen med toveiskommunikasjonen mellom Dynamo og Revit, gjør kombinasjonen både sterk og unik.   Tilpassete kurs for bedrifter Vi 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 [-]

Blended Virtual CourseThe course is a hybrid of virtual training and self-study which will be a mixture of teaching using Microsoft Teams for short bursts at the beginning of the day, then setting work for the rest of the day and then coming back at the end of the day for another on-line session for any questions before setting homework in the form of practice exams for the evening. You do not have to install Microsoft Teams, you will receive a link and can access the course using the web browser.  Remote proctored examTake your exam from any location. Read about iSQI remote proctored exam here Requirements for the exam: The exam will be using Google Chrome and there is a plug-in that needs to be installed  You will need a laptop/PC with a camera and a microphone  A current ID with a picture    KursinnholdDette kurset forklarer det grunnleggende i softwaretesting. Det er basert på ISTQB- pensum og er akkreditert av BCS.    Kurset inneholder øvelser, prøveeksamener og spill for å fremheve sentrale deler av pensum. Dette sammen med kursmateriell og presentasjoner vil bistå i forståelse av begreper og metoder som blir presentert.   Bouvet sine kursdeltakeres testresultater vs ISTQB gjennomsnitt   «Særs godt kurs med mye fokus på praktiske oppgaver som gjør læring vesentlig lettere. Engasjert kursleder hjelper også. Kursleder starter på et nivå som alle føler seg komfortabel med.» Alexander Røstum Course content Fundamentals of Testing This section looks at why testing is necessary, what testing is, and explains general testing principles, the fundamental test process, and psychological aspects of testing.   Skills Gained • Learn about the differences between the testing levels and targets• Know how to apply both black and white box approaches to all levels of testing• Understand the differences between the various types of review and be aware of Static Analysis• Learn aspects of test planning, estimation, monitoring and control• Communicate better through understanding standard definitions of terms• Gain knowledge of the different types of testing tools and the best way of implementing those tools   Testing throughout the software lifecycle Explains the relationship between testing and life cycle development models, including the V-model and iterative development. Outlines four levels of testing:• Component testing• Integration testing• System testing• Acceptance testing Describes four test types, the targets of testing:• functional• non-functional characteristics• structural• change-related Outlines the role of testing in maintenance.   Static Techniques Explains the differences between the various types of review, and outlines the characteristics of a formal review. Describes how static analysis can find defects.   Test Design Techniques This section explains how to identify test conditions (things to test) and how to design test cases and procedures. It also explains the difference between white and black box testing. The following techniques are described in some detail with practical exercises :• Equivalence Partitioning• Boundary Value Analysis• Decision Tables• State Transition testing• Statement and Decision testingIn addition, use case testing and experience-based testing (such as exploratory testing) are described, and advice is given on choosing techniques.   Test Management This section looks at organisational implications for testing and describes test planning and estimation, test monitoring and control. The relationship of testing and risk is covered,and configuration management and incident management.   Tool Support for Testing Different types of tool support for testing are described throughout the course. This session summarises them, and discusses how to use them effectively and how best to introduce a new tool.   The Exam The ISTQB Foundation exam is a 1-hour, 40 question multiple choice exam. There is an extra 15 minutes allowed for candidates whose first language is not English.The pass mark is 65% (26/40) and there are no pre requisites to taking this exam.The exam is a remote proctored exam [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: IT Introduksjon eller tilsvarende. Innleveringer: Øvinger: 8 må være godkjent.  Personlig veileder: ja Vurderingsform: Skriftlig eksamen, 3 timer Ansvarlig: Tore Mallaug Eksamensdato: 09.12.13 / 08.05.14         Læremål: Etter å ha gjennomført emnet skal studenten ha følgende samlede læringsutbytte: KUNNSKAPER:Kandidaten skal:- kjenne sentrale begreper innen databaser og datamodellering, og kan gjøre rede for disse- forstå hvordan en relasjonsdatabase er bygd opp ved å se på relasjonene (tabellene) og tilhørende nøkler- forstå (tolke) et (E)ER-diagram modellert i fagets gjeldende notasjon, og vite hvordan dette kan oversettes til relasjonsmodellen- gjøre rede for hvordan databaser kan fungere i en klient/tjener-arkitektur. FERDIGHETER:Kandidaten skal kunne:- tegne sitt eget (E)ER-diagram for å oppnå en god databasestruktur- lage sin egen normaliserte relasjonsdatabase med nøkler og referanseintegritet, og opprette databasen i et valgt databaseverktøy (databasesystem)- utføre SQL-spørringer mot en gitt database- lage en relasjonsdatabase som støtter opp om funksjonaliteten til et gitt grafisk brukergrensesnitt GENERELL KOMPETANSEKandidaten- viser en bevisst holdning til strukturell lagring og representasjon av data i et informasjonssystem- viser en bevisst holdning til databasedesign for å unngå unødvendig dobbeltlagring av data i en database Innhold:Innføring i datamodellering med EER og UML-notasjon. Design av relasjonsdatabase inkl. bruk av nøkler, referanseintegritet og enkel normalisering. Databasedefinisjon (DDL) og datamanipulering (DML) i SQL. Bruk av et valgt databaseverktøy (MySQL), se sammenhengen mellom datamodell, databaseverktøy og applikasjon / web-grensesnitt (klient/tjener -arkitektur).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 Databaser 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

KURSINNHOLD  Gjennomgang av MS Project funksjoner gjennom praktisk anvendelse  Prinsippene for S-kurver og tolkning av disse Hvordan bygge opp S-kurver fra MS Project data eksportert til Excel Periodisering av MS Project data i Excel Kriterier som må legges til grunn for en «god plan» Når kriteriene for en «god plan» følges kan de analytiske verktøyene i MS Project brukes    Under kurset har vi en gjennomgang av disse kriteriene Oppfølging av en MS Project plan. Hva må gjøres i planen ved periodeslutt? Presisering av «drøye» kontra «slakk» Noen alternative grep knyttet til editering av planen.   Forhåndskunnskaper Vi forventer at deltakerne har noe kjennskap til MS Project. Ved kurspåmelding gjennomfører vi kartlegging av forhåndskunnskaper hos alle deltakerne. Det legges opp til at deltakerne stiller med egen pc hvor MS Project 2016 og Exel  er forhåndsinstallert.     MAX 10 deltakere per kurs.  [-]

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.   AutoCAD P&ID grunnkurs Her er et utvalg av temaene du vil lære på kurset: Opprette og håndtere P&ID-prosjekter Tegne og redigere P&ID-diagrammer Eksportere og Importere data via Excel Uttrekk av lister og rapporter Du vil lære å opprette og håndtere P&ID-prosjekter, tegne diagrammer med de verktøy og kommandoer som er designet til formålet, og bruke toolpalettenes utstyr, ventiler, fittings og instrumenter. I tillegg til å bruke valideringsverktøyet til å kvalitetssikre ditt prosjekt, eksportfunksjonen til å skape 'nøytrale' AutoCAD-kopier av dine P&ID-tegninger samt å lage forskjellige rapporter og datauttrekk for f.eks. utstyr, ventiler, instrumenter osv.   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 [-]

COURSE OVERVIEW The course is not designed to teach students to become professional data scientists or software developers, but rather to build awareness of common AI workloads and the ability to identify Azure services to support them. The course is designed as a blended learning experience that combines instructor-led training with online materials on the Microsoft Learn platform (https://azure.com/learn). The hands-on exercises in the course are based on Learn modules, and students are encouraged to use the content on Learn as reference materials to reinforce what they learn in the class and to explore topics in more depth. TARGET AUDIENCE The Azure AI Fundamentals course is designed for anyone interested in learning about the types of solution artificial intelligence (AI) makes possible, and the services on Microsoft Azure that you can use to create them. You don’t need to have any experience of using Microsoft Azure before taking this course, but a basic level of familiarity with computer technology and the Internet is assumed. Some of the concepts covered in the course require a basic understanding of mathematics, such as the ability to interpret charts. The course includes hands-on activities that involve working with data and running code, so a knowledge of fundamental programming principles will be helpful. COURSE OBJECTIVES  After completing this course, you will be able to: Describe Artificial Intelligence workloads and considerations Describe fundamental principles of machine learning on Azure Describe features of computer vision workloads on Azure Describe features of Natural Language Processing (NLP) workloads on Azure Describe features of conversational AI workloads on Azure   COURSE CONTENT Module 1: Introduction to AI In this module, you'll learn about common uses of artificial intelligence (AI), and the different types of workload associated with AI. You'll then explore considerations and principles for responsible AI development. Artificial Intelligence in Azure Responsible AI After completing this module you will be able to Describe Artificial Intelligence workloads and considerations Module 2: Machine Learning Machine learning is the foundation for modern AI solutions. In this module, you'll learn about some fundamental machine learning concepts, and how to use the Azure Machine Learning service to create and publish machine learning models. Introduction to Machine Learning Azure Machine Learning After completing this module you will be able to Describe fundamental principles of machine learning on Azure Module 3: Computer Vision Computer vision is a the area of AI that deals with understanding the world visually, through images, video files, and cameras. In this module you'll explore multiple computer vision techniques and services. Computer Vision Concepts Computer Vision in Azure After completing this module you will be able to Describe features of computer vision workloads on Azure Module 4: Natural Language Processing This module describes scenarios for AI solutions that can process written and spoken language. You'll learn about Azure services that can be used to build solutions that analyze text, recognize and synthesize speech, translate between languages, and interpret commands. After completing this module you will be able to Describe features of Natural Language Processing (NLP) workloads on Azure Module 5: Conversational AI Conversational AI enables users to engage in a dialog with an AI agent, or *bot*, through communication channels such as email, webchat interfaces, social media, and others. This module describes some basic principles for working with bots and gives you an opportunity to create a bot that can respond intelligently to user questions. Conversational AI Concepts Conversational AI in Azure After completing this module you will be able to Describe features of conversational AI workloads on Azure   TEST CERTIFICATION Recommended as preparation for the following exams: Exam AI-900: Microsoft Azure AI Fundamentals. HVORFOR VELGE SG PARTNER AS:  Flest kurs med Startgaranti Rimeligste kurs Beste service og personlig oppfølgning Tilgang til opptak etter endt kurs Partner med flere av verdens beste kursleverandører [-]