Oversikt over relevante kurs innen IT-kurs i Rana

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 - 40 spørsmål skal besvares, og du består med 70% riktige svar (dvs. 28 av 40). Deltakerne har 1 time og 30 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.  Nødvendige forkunnskaper: Bestått ITIL Foundation sertifisering Gjennomført godkjent kurs/e-læring [-]

This workshop will teach you Spring Framework basics and dives into Spring Boot and Spring Cloud to create Microservices.Introduction     Design goals and principles     IOC and dependency injection     Spring Ecosystem Spring Framework     Spring Beans     Java Configuration, Annotation Based Configuration     Dependency injection, beans and properties     Bean Lifecycle     Property Sources, Environment abstraction Spring Boot     Starters, AutoConfiguration, Properties, Actuators     Devtools, LiveReload, debugging     Testing, Test-Properties     Packaging, Logging, YAML, Profiles     Actuator, Monitoring     Data Access with JPA     Restservices with Spring MVC and Spring Data Rest     Security     Custom Spring Boot Starters Microservices     Twelve-factor Apps     Overview of Microservices with Spring Boot / Spring Cloud     Orchestrating a Microservice system with Spring Cloud Netflix stack After the workshop, the participants will be able to independently create web applications using the technologies and frameworks used in the workshop. [-]

På dette online-kurset vil du lære: Publisering, redigering, kommentering og markering Sikkerhet, digitale stempler og digital signatur Opprette og lagre symboler og tilpassede markeringsverktøy i Tool Chest Skybasert samarbeid og deling av dokumenter i Bluebeam Studio eXtreme-funksjoner (OCR – Tekstfjerning - Skjema-opprettelse - Batch Link) Noen eXtreme-funksjoner blir vist/nevnt i kurset [-]

Excel Videregående [-]

På webinaret går vi gjennom oppsett og presentasjonsopplevelser i Microsoft Teams møter. Teams er i rask utvikling og spesielt på presentasjonsfronten har det skjedd store endringer i det siste. Dette webinaret tar for seg alternativer i oppsett av møtet, tildele riktige roller og skape den beste presentasjonsopplevelsen for deltakerne. Opprette Teams-møter – via Outlook eller Teams | Ad Hoc møter | Kanalmøter | Innstillinger for møtet – i innkallelsen | Innstillinger og administrasjon av møtet – når møtet er i gang i Teams | Visninger | Presentere/dele – hva og hvordan| Presentasjonsvisninger | Teksting | Opptak | Møtenotater – før, under og etter Pris: 1690 kroner [-]

Koding automasjon i bygg Denne fagskole utdanningens innhold tilsvarer 5 studiepoeng og utdanning er på nettet.  Maksimalt antall studieplasser er 25. Utdanningen er praktisk tilrettelagt, slik at du kan anvende teori og kunnskap i praksis. Du vil få mulighet til å jobbe med reelle og aktuelle problemstillinger, og du vil få tilbakemelding fra erfarne fagfolk. Læremateriellet består av video, podkaster, resyme av fagstoff, artikler, forskningsrapporter, foredrag, presentasjon av fagstoff, samt quizer og annet. Læremateriellet du får tilgang til er på en LMS som er under kontinuerlig utvikling og oppdatering. Du får ett års tilgang til læremateriell, etter at utdanningen er ferdig, på Learning Management System (LMS) I denne utdanningen lærer du om: Installere Python på egen PC (Spyder): Veiledning for hvordan du installerer Python og Spyder IDE for å utvikle Python-programmer. Introduksjon til programmering i: HTML: Grunnleggende om HTML-strukturer og webutvikling. Python: Introduksjon til grunnleggende programmeringskonsepter, inkludert: Variabler og Datatyper: Opprettelse og bruk av variabler med ulike datatyper som heltall (integers), desimaltall (floats), strenger (strings), lister (lists), tupler (tuples), og dictionaries (dictionaries). Operatorer: Bruk av matematiske, sammenlignings-, og logiske operatorer for beregninger og verdikomparasjoner. Løkker: Implementering av kontrollstrukturer som if-setninger, for- og while-løkker, samt avvikshantering med try og except for å styre programflyten. Funksjoner: Definisjon og anvendelse av funksjoner for å organisere koden i moduler og forbedre lesbarheten og vedlikeholdbarheten. Input og Output: Håndtering av datainnlesning fra bruker og datavisning til skjermen. Moduler og Biblioteker: Utforsking av innebygde og tredjepartsmoduler for å utvide programmets funksjonalitet. Filstyring: Åpning, lesing, skriving, og lukking av filer. Strukturering av kode: Organisering av kode ved hjelp av funksjoner, klasser, og moduler for bedre lesbarhet og vedlikehold. JavaScript: Grunnleggende programmeringskonsepter for å utvikle interaktive webapplikasjoner. Programmere App til mobil telefon: Introduksjon til å kunne programmere Android-apps. Fra sensor til web: Utvikling av programmer fra grunnen av, fra å programmere Arduino UNO som en Modbus RTU slave til å utvikle en Modbus RTU master i Python. Konfigurasjon av egen PC som webserver (IIS) for å støtte webapplikasjoner. Integrert prosjektarbeid som involverer programmering fra sensor til web, som kombinerer hardware og software for å samle, behandle, og presentere data. Inkluderer API-er (Application Programming Interfaces) og tekniske beskrivelser. Du velger selv prosjektoppgave: Oppgaven kan for eksempel innebære å innhente data via API fra https://www.yr.no/ eller en annen nettressurs. Ved å anvende Modbus for I/O på Arduino, er det mulig å utvikle et system som både overvåker og regulerer energiforbruket ditt. Brukergrensesnittet kan være basert på web, og konfigureres på din egen datamaskin. Denne utdanningen danner et solid fundament for videre læring og anvendelse av disse konseptene i automasjon i bygg. Bedriftsinterne utdanning tilpasset din bedrift Denne utdanningen kan tilbys som en bedriftsintern utdanning. Det faglige innholdet er fastsatt, men den faglige tilnærmingen kan tilpasses den enkelte bedrifts behov og ønsker. Ta kontakt for en prat, så kan vi sammen lage et utdanningsløp som passer for deg og din bedrift. Kontaktpersoner er Hans Gunnar Hansen (tlf. 91101824) og Vidar Luth-Hanssen (tlf. 91373153) [-]

Throughout four years of teaching my High-Performance Java Persistence course, I came to realize that there is so much Java developers can learn about the latest SQL features introduced by Oracle, SQL Server, PostgreSQL, or MySQL.This training spans over the course of 2 days and covers the Top 4 relational database systems: Oracle, SQL Server, PostgreSQL, and MySQL.From execution plans to the best way to paginate data, this training explains lesser-known techniques such as LATERAL JOIN, CROSS APPLY, as well as Derived Tables, Common Table Expressions, recursive queries, and the amazing Window Functions, PIVOT, or UPSERT statements.Last but not least, we are going to learn that, not only modern databases support JSON column types, but you can combine JSON structures with the traditional relational ones, therefore getting the best of both worlds.All examples are inspired by real-life scenarios, and they come in a GitHub repository for which attendees have exclusive and unlimited time access.At the end of these two days of training, the attendees will be better prepared to solve various data-intensive tasks using all these awesome SQL features that have been over the past 20 years.Agenda  Day 1Introduction - 1h 30m    - Beyond SQL:92    - SQL Parsing    - SQL Operation Order    - TOP-N queries    - OFFSET pagination    - Keyset PaginationSubqueries - 1h 15m    - EXISTS and NOT EXISTS    - IN and NOT IN    - ANY and ALL    - INSERT with subqueries    - Aggregation with subqueries   Joins - 1h 15m    - CROSS JOIN    - INNER and LEFT/RIGHT OUTER JOIN    - FULL OUTER JOIN    - NATURAL JOIN    - LATERAL JOIN and CROSS APPLYDay 2Window Functions - 1h 30m    - Analytics queries and window frame processing    - ROW_NUMBER, RANK, and DENSE_RANK    - FIRST_VALUE, LAST_VALUE, LEAD and LAG    - CUME_DIST and PERCENT_RANK    - PERCENTILE_DISC and PERCENTILE_CONTDerived Tables, CTE, Hierarchical Queries - 1h 30m    - Derived Tables    - CTE (Common Table Expressions)    - Recursive CTE    - Hierarchical queries   PIVOT, UNPIVOT, FILTER, and CASE - 1h    - CASE Expressions    - PostgreSQL FILTER Expressions    - PIVOT    - UNPIVOTDay 3UPSERT and MERGE - 30m- MERGE statements- UPSERT statements   JSON processing - 1h 30m    - Schemaless data structures and JSON    - JSON queries    - EAV Model   Transactions and Concurrency Control - 2h    - ACID, 2PL, MVCC    - Isolation Levels and anomalies    - Pessimistic and optimistic locking    - SKIP_LOCKED, NOWAIT [-]

COURSE OVERVIEW The Developing on Amazon Web Services AWS course is designed to help individuals design and build secure, reliable and scalable AWS-based applications. In this course, we cover fundamental concepts and baseline programming for developing applications on AWS. We also show you how to work with AWS code libraries, SDKs, and IDE toolkits so that you can effectively develop and deploy code on the AWS platform.   TARGET AUDIENCE This course is intended for Developers COURSE CONTENT Note: course outline may vary slightly based on the regional location and/or language in which the class is delivered. Day 1: Getting Started Working with the AWS code library, SDKs, and IDE toolkits Introduction to AWS security features Service object models and baseline concepts for working with Amazon Simple Storage Service (S3) and Amazon DynamoDB Day 2: Working with AWS Services Service object models and baseline concepts for working with the Amazon Simple Queue Service (SQS) and the Amazon Simple Notification Service (SNS) Applying AWS security features Day 3: Application Development and Deployment Best Practices Application deployment using AWS Elastic Beanstalk Best practices for working with AWS services   [-]

Dette kurset tilbys som bedriftsinternt kurs   Kursinstruktør Lloyd Roden Loyd har over 30 års er faring fra IT-bransjen. Han har jobbet som utvikler, ledet en uavhengig test gruppe innenfor et programvarehus og har jobbet 10 år i  UK-baserte Grove Consultants som konsulent/partner. I 2011 startet han eget konsulentselskap med software testing som spesialfelt. Lloyd har holdt foredrag på konferanser som STAREAST, STARWEST, Eurostar, AsiaSTAR, Software Test Automation, Test Kongressen, og Unicom m.fl.   Lloyd Rodens verdier:"Jeg ønsker at arbeidet som jeg gjør, enten det er i form av rådgivning eller opplæring, må være relevant, praktisk og må gjøre en forskjell for den enkelte samt organisasjonen. Det er viktig for meg at deltakerne på mine kurs forbedrer sine ferdigheter i softwaretesting, og at dette til slutt vil gjenspeile seg i den forbedrede kvaliteten på produktene som leveres av organisasjonen."   Kursinnhold This 1-day workshop is aimed at Test Leaders and Test Managers wanting to improve their test reporting skills. Gathering and presenting clear information about quality, both product and process, may be the most important part of the test managerÍs job. Test reports need to be concise, predictive, accurate and relevant to the people receiving them. This workshop demonstrates 9 powerful monitoring techniques and shows how the test manager's dashboard can be tailored to the recipient's needs. Monitoring utilities will be demonstrated and provided during the workshop.   [-]

Excel controllere/økonomer kurs vinklet fra en Controllers hverdag med fokus på gode metoder for å arbeide med Excel-lister. Påfyllet kurset gir deg, gjør deg i stand til å jobbe mer effektivt i Excel. Kursets mange eksempler, viser hva du virkelig kan få til i Excel, enten det er å jobbe med formler / funksjoner, lister eller store Excel-modeller. Kurset er utviklet av controllere, med det for øye at du skal kunne angripe dine Excel-utfordringer på en smart og effektiv måte. Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:     Datautveksling/Klargjøring av data Mulige inndatametoder: Importering av tekstfil, webspørringer, innliming av data fra WWW. Importere data med ulikt dataformat: tekst - eller databaseformat Formatproblemer ifm. dataimport: ”feil” formater, fjerne deler av informasjon i en celle, fjerne duplikater, kjapt finne skrivefeil   Data/Konsolider Konsolider data: hvor data ligger i samme regneark Konsolidering data: hvor dataene skal behandles på tvers av regneark. Konsolidering data: hvor data ligger i ulike arbeidsbøker   Tabeller/Listefunksjonalitet Definisjonen av en tabell: Viktig å huske når tabellen skal behandles videre. Jobbe med en liste: få gode råd angående arbeid med lister Sortere tabellen: kjapt og enkelt med egendefinerte sorteringsnøkler Filter med Autofilter: filtrere ut bare de data du ønsker eller slette tomme rader. Filter med Avansert filter: få råd om i hvilke situasjoner det er smart å bruke avansert filter og hvordan du enklest bruker dette filteret. Beregninger i tabeller og lister Beregninger med flere variabler: Funksjonene Dsummer, Dantall og DGjennomsnitt Organiser og beregne data : Ved hjelp av delsammendrag. Lær hvordan resultatet kan kopieres til et annet sted. Oppslag i en liste: Funksjonene Finn.Kolonne og Finn.Rad Lag rapporter ved hjelp av Pivotteknikk: Opplev hvor enkelt det er å lage rapporter ved hjelp av pivotteknikk!   "Hva hvis"-analyser og optimalisering Sensitivitetsanalyse: Målsøking er en måte å regne ”baklengs” på. Sensitivitetsanalyse: Tabeller med 1 og 2 variabler Optimalisering: Ved hjelp av Problemløseren   Samarbeid med andre Deling av arbeidsbøker: ved ønske om å jobbe samtidig i samme arbeidsbok Sporing av endringer: når du ønsker å plukke opp de endringer andre har gjort     4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

Sopra Steria Akademiet er en del av Sopra Steria, og tilbyr kurs og opplæring innen: IT Service Management Prosjekt- og programstyring It-styring og kontroll Våre instruktører jobber til daglig som rådgivere innen disse områdene i Sopra Steria.  ITIL® 4 er det mest utbredte og anerkjente rammeverket for IT Service Management (ITSM) i verden, og ITIL® 4 Foundation er et introduksjonskurs til rammeverket. ITIL® 4 Foundation-sertifiseringen er designet som en introduksjon til ITIL® 4 og gjør det mulig for kandidater å se på IT-tjenestestyring gjennom en ende-til-ende driftsmodell for oppretting, levering og kontinuerlig forbedring av teknisk aktiverte produkter og tjenester.Kurset avsluttes med en sertifiseringstest den siste dagen. Kurset varer i 3 dager. Vi stiller med erfarne norske instruktører. Kursmateriell og eksamen er på engelsk. Eksamen varer i 75 minutter. Eksamen på slutten av siste kursdag om ikke annet er avtalt. Det bør beregnes 6 timer til selvstudium. Du kan lese mere om ITIL her ITIL®/PRINCE2®/MSP®/MoP® are registered trademarks of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

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. Fusion 360 Her er et utvalg av temaene du vil lære på kurset: Fusion 360 Dashboard - Data og prosjekthåndtering Formgivning - konseptuelt design og parametrisk Samlinger og 2D-tegninger, inkludert stykklister  Dataimport - håndtering av data fra andre CAD-plattformer Kurset for deg som er industriell designer, arbeider med produktdesign eller annen kompleks forgivning. Kurset har fokus på oppbygning av modeller med kompliserte overflater. Du vil få kunnskap til å skape og korrigere avanserte og komplekse 3D-modeller, og samtidig lage avanserte 3D-modeller på bakgrunn av konseptuelle skisser, vedlikeholde og dokumentere dem i forskjellige varianter.    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 [-]

Dette er et spesialkurs som fokuserer på analyse av store datasett ved hjelp av Pivottabell og Power Pivot, samt formelbasert analyse. Målet er å få frem styrker og svakheter ved de forskjellige metodene, og å se litt på hvilke forutsetninger som påvirker valg av løsning. For å ha utbytte av dette kurser forutsettes at man er vant bruker av Excel. Pivot og Power Pivot blir gjennomgått fra begynnelsen, så man trenger ikke være kjent med disse verktøyene fra før. Betingede formler kan være ganske krevende, så det er en fordel å være litt trygg på formelskriving. I en kurssituasjon blir selvsagt kurset tilpasset deltagernes nivå og forkunnskaper. I kurset gjennomgås bl.a.: 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 Modifisere datasett med FINN.RAD, FINN.KOLONNE, matriseformler og andre teknikker Pivottabell, hvor vi bl.a. ser på: Sette sammen data fra forskjellige grunnlag før pivotering Vise dataserie på forskjellige måter (sum, gjennomsnitt, prosentfordelt, etc.) Hvordan foreta beregninger rett i pivottabellen, f.ex. inntekter – kostnader = resultat Pivottabell hvor datagrunnlaget er oppdelt i flere forskjellige Pivottabell rett mot en spørring i en database Power Pivot Forskjeller (og likheter) med «vanlig» Pivottabell Når forlater vi den vanlige pivottabellen til fordel for Power Pivot? Fordeler og ulemper med Pivot og Power Pivot. Lage Power Pivot-tabell med data fra flere forskjellige datasett. [-]

Kursinnhold Hva slags data kan brukes som grunnlag for et diagram Stolpediagram Sektordiagram Kombinert diagram Formatering av diagrammer Tips og triks Smarte løsninger Sparkline Hurtiganalyse Bruk av Excels diagrammer i andre Office-programmer [-]

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     [-]