Oversikt over relevante kurs innen IT-kurs i Os

Understand the purpose and key concepts of Information Security Management, elucidating its significance in safeguarding the confidentiality, integrity, and availability of organisational information assets. This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours content   Mobile-optimised   Practical exercises   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

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. [-]

Understand the purpose and key concepts of the Continual Improvement Practice, elucidating its significance in fostering a culture of ongoing improvement and innovation within the organisation. This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours content   Mobile-optimised   Practical exercises   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

AI-3025: Work smarter with AI [-]

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.   [-]

Agenda Module 1: Implement VMs for Windows and Linux -Select Virtual Machine Size-Configure High Availability-Implement Azure Dedicated Hosts-Deploy and Configure Scale Sets-Configure Azure Disk Encryption Module 2: Automate Deployment and Configuration of Resources -Azure Resource Manager Templates-Save a Template for a VM-Evaluate Location of New Resources-Configure a Virtual Hard Disk Template-Deploy from a Template-Create and Execute an Automation Runbook Module 3: Implement Virtual Networking -Virtual Network Peering-Implement VNet Peering Module 4: Implement Load Balancing and Network Security -Implement Azure Load Balancer-Implement an Application Gateway-Understand Web Application Firewall-Implement Azure Firewall-Implement Azure Front Door-Implementing Azure Traffice Manager-Implement Network Security Groups and Application Security Grou-Implement Azure Bastion Module 5: Implement Storage Accounts -Storage Accounts-Blob Storage-Storage Security-Managing Storage-Accessing Blobs and Queues using AAD-Configure Azure Storage Firewalls and Virtual Networks Module 6: Implement Azure Active Directory -Overview of Azure Active Directory-Users and Groups-Domains and Custom Domains-Azure AD Identity Protection-Implement Conditional Access-Configure Fraud Alerts for MFA-Implement Bypass Options-Configure Trusted IPs-Configure Guest Users in Azure AD-Manage Multiple Directori Module 7: Implement and Manage Azure Governance -Create Management Groups, Subscriptions, and Resource Groups-Overview of Role-Based Access Control (RBAC)-Role-Based Access Control (RBAC) Roles-Azure AD Access Reviews-Implement and Configure an Azure Policy-Azure Blueprints Module 8: Implement and Manage Hybrid Identities -Install and Configure Azure AD Connect-Configure Password Sync and Password Writeback-Configure Azure AD Connect Health Module 9: Manage Workloads in Azure -Migrate Workloads using Azure Migrate-VMware - Agentless Migration-VMware - Agent-Based Migration-Implement Azure Backup-Azure to Azure Site Recovery-Implement Azure Update Management Module 10: Implement Cloud Infrastructure Monitoring -Azure Infrastructure Security Monitoring-Azure Monitor-Azure Workbooks-Azure Alerts-Log Analytics-Network Watcher-Azure Service Health-Monitor Azure Costs-Azure Application Insights-Unified Monitoring in Azure Module 11: Manage Security for Applications -Azure Key Vault-Azure Managed Identity Module 12: Implement an Application Infrastructure -Create and Configure Azure App Service-Create an App Service Web App for Containers-Create and Configure an App Service Plan-Configure Networking for an App Service-Create and Manage Deployment Slots-Implement Logic Apps-Implement Azure Functions Module 13: Implement Container-Based Applications -Azure Container Instances-Configure Azure Kubernetes Service Module 14: Implement NoSQL Databases -Configure Storage Account Tables-Select Appropriate CosmosDB APIs Module 15: Implement Azure SQL Databases -Configure Azure SQL Database Settings-Implement Azure SQL Database Managed Instances-High-Availability and Azure SQL Database [-]

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

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.   [-]

Through a combination of presentations, demos, and hands-on labs, participants learn how to use GCP services and pre-trained machine learning APIs to build secure, scalable, and intelligent cloud-native applications. Objectives This course teaches participants the following skills: Use best practices for application development Choose the appropriate data storage option for application data Implement federated identity management Develop loosely coupled application components or microservices Integrate application components and data sources Debug, trace, and monitor applications Perform repeatable deployments with containers and deployment services Choose the appropriate application runtime environment; use Google Container Engine as a runtime environment and later switch to a no-ops solution with Google App Engine Flex All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Best Practices for Application Development -Code and environment management-Design and development of secure, scalable, reliable, loosely coupled application components and microservices-Continuous integration and delivery-Re-architecting applications for the cloud Module 2: Google Cloud Client Libraries, Google Cloud SDK, and Google Firebase SDK -How to set up and use Google Cloud Client Libraries, Google Cloud SDK, and Google Firebase SDK-Lab: Set up Google Client Libraries, Google Cloud SDK, and Firebase SDK on a Linux instance and set up application credentials Module 3: Overview of Data Storage Options -Overview of options to store application data-Use cases for Google Cloud Storage, Google Cloud Datastore, Cloud Bigtable, Google Cloud SQL, and Cloud Spanner Module 4: Best Practices for Using Cloud Datastore -Best practices related to the following:-Queries-Built-in and composite indexes-Inserting and deleting data (batch operations)-Transactions-Error handling-Bulk-loading data into Cloud Datastore by using Google Cloud Dataflow-Lab: Store application data in Cloud Datastore Module 5: Performing Operations on Buckets and Objects -Operations that can be performed on buckets and objects-Consistency model-Error handling Module 6: Best Practices for Using Cloud Storage -Naming buckets for static websites and other uses-Naming objects (from an access distribution perspective)-Performance considerations-Setting up and debugging a CORS configuration on a bucket-Lab: Store files in Cloud Storage Module 7: Handling Authentication and Authorization -Cloud Identity and Access Management (IAM) roles and service accounts-User authentication by using Firebase Authentication-User authentication and authorization by using Cloud Identity-Aware Proxy-Lab: Authenticate users by using Firebase Authentication Module 8: Using Google Cloud Pub/Sub to Integrate Components of Your Application -Topics, publishers, and subscribers-Pull and push subscriptions-Use cases for Cloud Pub/Sub-Lab: Develop a backend service to process messages in a message queue Module 9: Adding Intelligence to Your Application -Overview of pre-trained machine learning APIs such as Cloud Vision API and Cloud Natural Language Processing API Module 10: Using Cloud Functions for Event-Driven Processing -Key concepts such as triggers, background functions, HTTP functions-Use cases-Developing and deploying functions-Logging, error reporting, and monitoring Module 11: Managing APIs with Google Cloud Endpoints -Open API deployment configuration-Lab: Deploy an API for your application Module 12: Deploying an Application by Using Google Cloud Build, Google Cloud Container Registry, and Google Cloud Deployment Manager -Creating and storing container images-Repeatable deployments with deployment configuration and templates-Lab: Use Deployment Manager to deploy a web application into Google App Engine flexible environment test and production environments Module 13: Execution Environments for Your Application -Considerations for choosing an execution environment for your application or service:-Google Compute Engine-Kubernetes Engine-App Engine flexible environment-Cloud Functions-Cloud Dataflow-Lab: Deploying your application on App Engine flexible environment Module 14: Debugging, Monitoring, and Tuning Performance by Using Google Stackdriver -Stackdriver Debugger-Stackdriver Error Reporting-Lab: Debugging an application error by using Stackdriver Debugger and Error Reporting-Stackdriver Logging-Key concepts related to Stackdriver Trace and Stackdriver Monitoring.-Lab: Use Stackdriver Monitoring and Stackdriver Trace to trace a request across services, observe, and optimize performance [-]

SFWIPA: Securing Data Center Networks and VPNs with Cisco Secure Firewall Threat Defense [-]

Personvernforordningen / General Data Protection Regulation (GDPR) Vi går gjennom de deler du må ha kompetanse om, og du får fyldig kursmateriale med deg hjem, slik at du enklere kan mester fagområdet etter kurset. Men på ettdagskurs er det ikke dybdegejnnomgang av områder som DPIA, teknologi og prosess rundt GAP planer. Du får alikevel med deg materiale så du kan lese etterpå. Hva er formålet med forordninga og hvordan forordningen er strukturert. Vi går gjennom  tilsynsmyndighet og hvilke innvirkninger den loven har på Norge, EU og andre land.  Du får kompetanse om hovedpunkter i forordningen med de viktige nøkkelkonsepter, kategorier for personlig informasjon og prinsipper for databeskyttelse. Den registrertes rettigheter og hvordan analyser utfordringer og problemer En viktig kompetanse som mange ikke kjenner godt nok er hvilke roller, forpliktelser og behandlingsaktiviteter som må mestres, så vi ser på personvernombudets betegnelser  Konsekvensanalyse av databeskyttelse og personvernombudet Behandlingsaktiviteter og personvernombudet  Kontrollers ansvar Personvernombudet sitt ansvarRegistrering av behandlingsaktiviteterSamarbeid med tilsynsmyndighetHvordan starte program for å etterleve personvernforordningenHvem må forholde seg til personvernforordningenMetoder og tilnærmingForbered program for personvernforordningenHvordan avdekke mangler  og i dentifiser strategiske målLedelsens ansvar og godkjenning [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Erfaring med programmering i et objektorientert språk. Innleveringer: Det blir gitt 10 øvinger. 8 må være godkjente for å gå opp til eksamen. Personlig veileder: ja Vurderingsform: individuell skriftlig eksamen, 3 timer. Ansvarlig: Tore Berg Hansen Eksamensdato: 17.12.13 / 20.05.14         Læremål: Etter å ha gjennomført emnet skal kandidaten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten kan forklare:- hva .NET-rammeverket er, dets hensikt og hva det inneholder- begrepene Common Language Runtime, Common Type System og managed code- begrepene Solution, Project og Assembly- hva en webtjeneste er- hvordan datakilder kan aksesseres ved hjelp av ADO.NET- hvordan webapplikasjoner kan lages ved hjelp av ASP.NET FERDIGHETER:Kandidaten:- kan skrive korte programmer i C#, Visual Basic .NET og C++/managed C++ som viser bruk av de sentrale konsepter som klassebiblioteket, ADO.NET og ASP.NET GENERELL KOMPETANSE:Kandidaten:- er klar over at .NET rammeverket har styrker og svakheter og at det finnes alternative teknologier Innhold:.NET-rammeverket og arkitekturen. Common Language Runtime (CLR). Common Type System (CTS). Klassebiblioteket. Common Language Specification (CLS). Assemblies. Programmeringsspråkene C#, C++, Visual Basic.NET. Managed code. Web services. ADO.NET. ASP.NET.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Applikasjonsutvikling på .NET-plattformen 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

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. [-]

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 [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Grunnleggende kunnskaper i HTML, CSS tilsvarende emnet IINI1002 Webutvikling 1. Kunnskaper om grunnleggende programmering og helst litt Javascript er en fordel. Innleveringer: Større eller mindre øvinger tilsvarende 8 øvinger, hvor 6 må være godkjent før endelig karakter settes. Personlig veileder: ja Vurderingsform: Prosjektoppgave som vurderes til bestått/ikke bestått. Karakteren i faget settes på grunnlag av en individuell 4-timers nettbasert hjemmeeksamen. Klageadgang i dette faget gjelder hver enkelt vurderingsdel. Ansvarlig: Atle Nes Eksamensdato: 09.12.13 / 12.05.14         Læremål: Etter å ha gjennomført emnet skal studenten ha følgende samlede læringsutbytte: KUNNSKAPER:Kandidaten:- forstår problemstillinger knyttet til bruk av ikke-standardisert teknologi- har kjennskap til nyttige rammeverk for HTML5 og fallback-løsninger- har kjennskap til problemstillinger knyttet til bruk av ulike medieformater FERDIGHETER:Kandidaten:- kan ta i bruk nye semantiske elementer fra HTML5- kan ta i bruk ny funksjonalitet fra CSS3 og JavaScript på nettstedet- kan ta i bruk nye skjemaelementer og -attributter fra HTML5- kan tegne på et canvas-element med JavaScript- kan legge til multimedia ved hjelp av video- og audio-elementet- kan lage nettsider som tilpasser seg mobile enheter og utnytter egenskaper hos disse- kan bruke lokal lagring til å lagre og hente fram data- kan bruke XMLHttpRequest2 til kommunikasjon med webtjeneren- kan lage en større HTML5-basert webløsning GENERELL KOMPETANSE:Kandidaten:- får et overblikk over ny webteknologi som er i ferd med å bli standardisert Innhold:Introduksjon til HTML5, grunnleggende syntaks og struktur, nye semantiske elementer, dynamiske websider med JavaScript og CSS3, nye skjemaelementer (forms), HTML5 canvas til grafikk og tegning, HTML5 video og audio, mobile enheter og device access, lokal lagring av applikasjoner og data, dataoverføring med Web SocketsLes mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag HTML5 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]