Oversikt over relevante kurs innen IT-kurs i Sankt Hanshaugen

Microsoft Project 365 er et av verdens mest brukte verktøy for planlegging og oppfølging av prosjekter. Dette kurset lærer deg å få kontroll på aktiviteter, ressurser, kostnader og tidsbruk. Du lærer hvordan du kan ta ut fremdriftsplaner, lage flotte rapporter og hvordan du kan gjøre nytte av Project’s automatikk for å løse opp i problemstillinger med overforbruk av tid, ressurser og kostnader.   Kursinstruktør Geir Johan Gylseth Geir Johan Gylseth er utdannet ved Universitetet i Oslo med hovedvekt på Informatikk og har over 30 års erfaring som instruktør. Geir sin styrke ligger innenfor MS Office. Han har lang erfaring med skreddersøm av kurs, kursmanualer og oppgaver. Geir er en entusiastisk og dyktig instruktør som får meget gode evalueringer.   Kursinnhold Skriver du inn start- og sluttdato i tabell-delen og opplever at du ikke klarer å re-planlegge? Får du ikke korrekt antall timer på aktivitetene dine? Er det vanskelig å få kostnadene i Project til å stemme overens med de virkelige? Bruker du andre programmer til å lage skikkelige fremdriftsplaner? Er det vanskelig å lage forståelige rapporter? Er det vanskelig å få korrekte start-dato på aktivitetene dine? Blir hele prosjektet forskjøvet i tid når du bare gjør en liten endring?   Dette er vanlige problemstillinger mange sliter med og som blir borte etter endt kurs! På kun 2 dager vil du mestre de vanligste arbeidsoppgavene i Project. Du lærer gode rutiner og hurtigtastene du trenger for å kunne arbeide rasktog effektivt. Du vil føle deg trygg på at det er du som kontrollerer Project og ikke omvendt! Du vil også få en rekke tips og triks du kan bruke i din arbeidsdag. Alt du lærer får du repetert gjennom aktiv oppgaveløsning slik at du husker det du har lært når du kommer tilbake på jobb. Kursdokumentasjon, lunsj og pausemat er selvsagt inkludert! NB: Ta med egen PC    Dag 1 Dag 1 bruker vi mest tid på aktiviteter og på å sy dem sammen til en god plan. På slutten av dagen ser vi på ressurser og kostnader og hvordan de kan håndteres av Project. Bli kjent med Project Oppstart og avslutning Åpning, lagring og lukking Visninger Nytt prosjekt Kalenderalternativer Aktiviteter Manuell planlegging Registrering av aktiviteter Redigering av aktiviteter Disposisjon Kobling av aktiviteter Tidsforskyvning Tidsbetingelser Ressurser og Kostnader Ressursliste Ressurskostnader Tildeling av ressurser Innsatsdrevet planlegging Aktivitetstyper Ressurskonflikter Faste kostnader Kostnadsinformasjon   Dag 2 Dag 2 begynner vi med repetisjon av dag 1 og deretter tar vi for oss hva som skjer når prosjektet ruller og går: Baseline, oppfølging, rapportering og hvordan få prosjektet på sporet igjen. Vi ser også på tilpasning av Project til den enkeltes behov.   Repetisjonsoppgave Oppfølging Referanseplaner Den kritiske linjen Faktiske opplysninger Sammenligning Framdriftslinje Justering av prosjektplanen Presentasjon Utskrift Rapporter Visuelle rapporter Formatering Tegning Tidslinjeverktøy Hyperkoblinger Kopiere bilder av visninger Tilpasninger Tabeller Sortering og gruppering Filtrering Egendefinerte visninger Delprosjekter WBS-nummerering   Meld deg på Project-kurs allerede i dag og sikre deg plass!   Hilsen fra fornøyde deltagere: "Bra og oversiktlig kurs. Ting som har vært uklart i forhold til "MSP" blir belyst, og man forstår logikken i programmet. Man forstår med andre ord funksjonaliteten i programmet gjennom kurset".Ken Inge Bavda- ENI Norge   "Bra og forståelig gjennomgang av innholdet. Passe fart på læringen. Flink kursinstruktør".Trude Sundblad- EVRY AS   "Kurset var lærerikt og informativt. Kursleder var faglig dyktig og hadde godt humør. Jeg hadde to lærerike dager".Christopher Rustad- Opak AS   "Føler at jeg har et godt utgangspunkt for å komme i gang med å bruke programmet. godt utgangspunkt, fornøyd med kurset, det svarte til mine forventninger".Jane-Britt Berntsen- Norwex Holding AS   [-]

    Du lærer å designe og implementere ML-Ops som kan skape verdi i praksis Bli med på et intensivt kurs som tar deg dypt inn i ML-Ops og lærer deg å identifisere de beste områdene for implementering av teknologien. Over tre dager blir du introdusert for håndgripelige eksempler, mønsterpraksis og metodikk. Fokusområdene inkluderer dataadministrasjon, ML-Ops-arbeidsflyter, modellutrulling, modellomskolering, modellarkiv, monitorering og A/B-testing. Det vil si: Alt du trenger å vite, så du ikke skal finne opp ML-hjulet på nytt hver gang. Men kurset handler ikke bare om å lære deg tekniske ferdigheter. Det er laget for deg som vil bruke ML-Ops til å skape målbare forretningsverdier. For hvor mye nytte har du av en modell som aldri blir satt i produksjon? Du får også innsikt i hvor viktig god kommunikasjon er for ML-Ops. Når du har fullført kurset, vil du være i stand til å designe og rulle ut ende-til-ende ML-Ops-kommandokøer i virkelige prosjekter. Du vil være i stand til å skape brukbare arkitekturer som kan ta virksomheten din til nye høyder.    Dette får du med deg hjem: Dyp forståelse for håndtering og vedlikehold av ML gjennom en full livssyklus. Kjennskap til hvordan du gjennomfører en case-studie for å identifisere prosjekter med høy avkastning, lav implementasjonskompleksitet og begrenset risiko. Evnen til å sette ut maskinlæringsmodeller i faktisk produksjon. Forståelse for en ML-Ops-arbeidsflyt, og alle dens komponenter. Praktisk erfaring med ML-Ops-verktøy og -teknologier. Kunnskapen som trengs for å designe passende ML-Ops-arkitektur for prosjekter av ulik modenhetsgrad. En solid forståelse for viktigheten av samarbeid og kommunikasjon innen ML-Ops. Kjennskap til og kunnskap om ML-Ops-bestepraksis. En forståelse for «Model State»-, «Data Drift»- og «Model Drift»-monitorering. Kjennskap til A/B-testing med mål om å velge modellen som egner seg best. Kjennskap til «Shadow/Canary Mode»-utrulling og hvordan disse både kan brukes for å minimere risiko og for å bygge tillit til nye modeller. Forståelse for ulike teknikker når det gjelder modell-gjentrening. Evnen til å designe og implementere skalerbare, ende-til-ende ML-Ops-kommandokøer for reelle prosjekter.   Derfor skal du ta dette kurset: Brenner du etter å ta maskinlæringsferdighetene dine til neste nivå? Eller higer du etter å skape konkret forretningsverdi ved hjelp av ML-Ops? I 2019 rapporterte VentureBeat at så mye som 87 % av alle maskinlæringsmodeller aldri kommer så langt som til å bli satt i produksjon. Med andre ord: Det er bare drøye ti prosent av alle ML-modeller som faktisk kan brukes for å skape verdi!  Den største grunnen til at så få lykkes er at prosjektene ikke klarer å levere på forretningsmålene sine. De stiller feil spørsmål, og får feil svar. Som en direkte konsekvens av dette er kompetansen innen maskinlæring sterkt vektet mot prototyping, på bekostning av praktisk ML-Ops-erfaring.    Målet med dette kurset er å bygge en bro over dette gapet. Kurset gir deg kunnskapen til å sette modellene dine i produksjon – med høy suksessrate. Du kommer til å lære hvordan du skal identifisere prosjekter med høyt potensiale, lav kompleksitet og lav risiko. Med denne kunnskapen øker sannsynligheten for at du ikke bare vil levere på forretningsmålene dine, men at du kommer til å overlevere! Ikke kast bort tiden eller ekspertisen din – bli med på et kurs som gir deg innsikt i verktøyene og metodikken som bidrar til at du kan maksimere forretningsverdien i din organisasjon!   [-]

Introkurs som lærer deg de viktigste, mest brukbare Data Mesh-prinsippene I løpet av kursdagen blir du introdusert for hovedprinsippene og de viktigste definisjonene som gjelder Data Mesh-arkitektur. Du får oversikt over nøkkelkomponenter og bestepraksis, og lærer hvordan du kan bruke Data Mesh-konsepter i din bedrift. Du kommer til å lære hvordan Data Mesh kan bidra til økt verdiskapning i organisasjonen deres fordi teknologien forbedrer databruk og -administrasjon gjennom sitt skrift fra en tradisjonell sentralisert til en mer desentralisert datamodell. Kurset er lagt opp som en blanding av forelesninger, gruppediskusjoner og case-oppgaver.   Dette får du med deg hjem: En forståelse for hva Data Mesh er – og hvilke primære drivere som ligger i bruken av teknologien. De fire kjerneprinsippene innen Data Mesh (domeneorientert eierskap, selvbetjening, desentralisert arkitektur og data som produkt). Praktisk bruk av Data Mesh. Strategiske, tekniske og organisatoriske aspekter ved tilpasning av Data Mesh. Derfor skal du ta dette kurset: Hva betyr et paradigmeskifte, tenker du? At det finnes nye løsninger på gamle problemer. Når vi sier at Data Mesh er et paradigmeskifte er det fordi teknologien representerer en fundamental endring bort fra den tradisjonelle, sentraliserte datamodellen – mot en mer desentralisert tilnærming der eierskap og ansvar for dataen ligger hos de enkelte domene-teamene. Dette gjør at selskaper som tar i bruk Data Mesh kan oppleve at de plutselig har et verktøy som lar dem finne de manglende brikkene de trenger for å skalere datainitiativene sine, øke datamodenheten – og oppnå drastisk kortere tilbakemeldingssykluser i data- og analysearbeidet. [-]

Bli klok på hvordan Lakehouse-plattformen kan brukes for å lagre, bruke og få glede av Big Data   På dette todagers-kurset om Lakehouse-teknologien får du en solid forståelse for fremtidens måte å lagre, håndtere og forvalte Big Data på. Du lærer om hvorfor Lakehouse fungerer som en missing link mellom et datavarehus og en datainnsjø, og du får sjansen til å jobbe under panseret på teknologien. I tillegg lærer du deg prinsippene for hvordan Lakehouse kan brukes til konkret verdiskaping, så som ACID Transactions, versjonshåndtering, styringsmodeller og Time Travel. På kurset tas kjente verktøy som Spark, Python og SWL i bruk for å bygge en Lakehouse-plattform. Du får innsikt i reelle brukeropplevelser der implementering av Lakehouse-teknologi i ulikt omfang er blitt brukt til å modernisere og forbedre selskapers dataarkitektur. Når kurset er slutt vil du være i stand til å identifisere de beste bruksområdene for Lakehouse-teknologi (uansett om det er på moderne eller nedarvede plattformer), samtidig som du kan konfigurere ende-til-ende ETL-arbeidsflyter som vil gjøre datahåndteringen enklere og mer effektivt. Du vil sitte igjen med en dyp forståelse for hvordan Lakehouse-arkitekturen fungerer i praksis – og hvordan du kan bruke den til å bygge mer moderne dataplattformer. Du vil også være bedre i stand til å vurdere kostnadsdrivende elementer ved Lakehouse-baserte løsninger – og ikke minst kunne dokumentere og avgjøre om bruk av Lakehouse vil være økonomisk smart for din bedrift.   Dette får du med deg hjem: En ny forståelse for hvorfor Lakehouse er blitt så populært innen Big Data-analyse. Forståelse for de teknologiske styrkene og svakhetene som ligger i Lakehouse-arkitekturen. Praktisk erfaring med å jobbe med Delta Lake, som er den underliggende teknologien som driver Lakehouse. Evnen til å både planlegge og distribuere Lakehouse-dataflyter videre til produksjon. Forståelse for hvordan Lakehouse kan tilpasses og brukes sammen med både moderne og nedarvede dataplattformer. Kunnskap om bestepraksis når det gjelder bruk av Lakehouse,.     [-]

Dette 2-dagers kurset er det offisielle kurset fra Safe Software, og gir deg innsyn i hvordan du kan ta i bruk FME Desktop for å kunne øke verdien av dataene dine.   Hva er FME? FME er verdens foretrukne programvare for integrasjon og analyse av geografiske data mellom ulike systemer/programvare. FME er enkelt å bruke pga et forståelig grafisk brukergrensesnitt med flytdiagram hvor man IKKE trenger å skrive kode. FME leser og skriver over 450 forskjellige filformat. De mest vanlige formatene er: Vektor (SOSI, Shape, DWG, KML, Revit), Raster (TIF, ECW, MrSID, WMS), Punktsky (LAS/LAZ, Pointools, TerraSolid, RIEGL Laser Scan) og Database og ikke romlige-data (MS Access, MS Excel, MS SQL, Oracle, PostGIS ++)   Program Formatkonvertering fra/til forskjellige format samt transformasjon mellom ulike koordinatsystemer. Data-restrukturering fra en standard/schema til en annen standard/schema for å endre strukturen på data (geometrien, attributtnavn, attributtverdier etc). Datagenerering/endring/analyser. Endre selve geometrien på dataene – f.eks. bufre veger, eller gjøre analyser på dataene for å få helt nye verdiøkte datasett.   [-]

KursinnholdDette kurset vil introdusere deg til datavitenskap gjennom programmeringsspråket R. Du vil utvikle en dyp forståelse av prinsippene for maskinlæring og utlede praktiske løsninger ved hjelp av prediktiv analyse. Introduksjon til R programmering import og manipulering av data indeksering og spørring med DataFrames og håndtering av manglende verdier undersøkelse av dataene ved å manipulere, slå sammen og bruke aggregatfunksjoner i DataFrames Datavisualisering i R datavisualiseringer i ggplot biblioteket hva som gjør en god eller dårlig visualisering beste praksis for å lage grunnleggende diagrammer opprette innsiktsfulle diagrammer som histogrammer, boksplott og kakediagrammer Supervised maskinlæring i R Linear regresjon Logistisk regresjon Support Vektor Maskiner KNN Decision trees, Random forest, Boosted trees Unsupervised maskinlæring i R K-Means clustering Anbefalingssystemer Tekst analyse ML utfordringene Hvilken metode velger man for å estimere parameter av modellen? Hva er gradient descent og normal equation? Features selection – hva er de beste egenskapene du kan bruke? Overfitting – problem og løsning Hvor kan jeg lære mer?   [-]

Docker Advanced [-]

Dette kurset vil introdusere deg til datavitenskap gjennom programmeringsspråket Python. Du vil utvikle en dyp forståelse av prinsippene for maskinlæring og utlede praktiske løsninger ved hjelp av prediktiv analyse. Introduksjon til Python programmering  import og manipulering av data med Pandas biblioteket  indeksering og spørring med DataFrames og håndtering av manglende verdier undersøkelse av data ved å manipulere, slå sammen og bruke aggregatfunksjonene til DataFrames Datavisualisering i Python  datavisualiseringer i matplotlb biblioteket hva som gjør en god eller dårlig visualisering beste praksis for å lage grunnleggende diagrammer opprett innsiktsfulle diagrammer som histogrammer, boksplott og kakediagrammer Supervised maskinlæring i scikit-learn bibliotek  Linear regresjon Logistisk regresjon Support Vektor Maskiner KNN Decision trees, Random forest, Boosted trees  Unsupervised maskinlæring i scikit-learn bibliotek K-Means clustering Anbefalingssystemer Tekst analyse  ML utfordringene Hvilken metode velger man for å estimere parameter av modellen? Hva er gradient descent og normal equation? Features selection – hva er de beste egenskapene du kan bruke? Overfitting – problem og løsning Hvor kan jeg lære mer?    [-]

    Kursbeskrivelse Dette kurset inneholder alt du trenger for å komme i gang med å bruke SolidWorks effektivt. Vi går gjennom brukergrensesnitt, skisser, grunnleggende modelleringsteknikker og det å lage tekniske tegninger, samt mye annet. Kurset holdes av våre dyktige og sertifiserte SolidWorks-instruktører i vårt kurssenter i hovedkontoret.   Les mer om kurset og se video her   Tider Dette kurset holdes ca. en gang pr mnd. Se også vår kurskalender for andre tider og andre kurs.    Kursopplegg og dokumentasjon Vi gjennomgår SolidWorks sitt eget utprøvede kursopplegg, og som deltager får du med seg en fyldig manual som også kan brukes etter kurset. Vi underviser i grupper opptil 10 personer, noe som sikrer deg god oppfølging fra intruktøren underveris i kurset.   Hva skal jeg ta med meg? Kursmanual og lunsj er inkludert i kursprisen. Kurset holdes på ProNors PCer.    Stikkord for kurset Skissetegning - geometri og relasjoner Volum - extrude, revolve og sweep Kutt - enkle kutt og hullveileder Detaljer - fillet, chamfer og andre funksjone Tekniske tegninger Modellvarianter - konfigurasjoner og designtabeller Bibliotekelementer Redigering - reparasjon og formendring Sammenstillinger - innhenting og kobling av komponenter   Har du behov for andre kurs?   Hos ProNor holder vi kurs i alle programmer vi leverer – på alle nivåer. Vi holder også kurs over hele landet, og lager spesialtilpassede kursopplegg ved behov. Se vår hovedside for kurs og ta gjerne kontakt for mer informasjon.    [-]

Dette kurset tilbys som bedriftsinternt kurs   Fra mars 2020 til oktober 2020 økte antall daglige teams-brukere på verdensbasis fra 44 millioner til 115 millioner. Dette er en enorm økning og for mange innebar det å bli kastet inn i noe nytt uten opplæring. Det som egentlig skulle gjøre arbeidsdagen lettere, lagde flere utfordringer.  Appen er brukervennlig og fungerer sømløst med de andre verktøyene i Microsoft 365, men appen vokser ettersom behovene endrer seg, og med 115 millioner brukere er behovene også mange. Microsoft Teams er derfor et stort verktøy for god og effektiv samhandling, men verktøyene kan være så gode de bare vil – dersom de som bruker det ikke er kjent med funksjonalitetene som gjør Microsoft sømløst. I løpet av kurset vil deltagere få en god oversikt på hva Teams er, hva det kan brukes for, og hvordan best mulig bruke det. Kurset gir også tips og triks for best practice, samt hvordan man kan holde seg oppdatert på ny funksjonalitet som kommer.    Metode: Digitalkurs: Kursholder holder informative økter med gjennomgang og demonstrasjoner av de viktigste verktøyene, hvordan de virker sammen, og hvordan du og dine kollegaer bruker de effektivt sammen. Kursdeltakerne vil ha mulighet til å stille spørsmål, enten muntlig eller skriftlig, avhengig av gruppestørrelsen.    Kurs på Bouvethuset på Majorstuen: Kursholdere vil bruke en kombinasjon av undervisning, demonstrasjoner og øvelser så deltagerne kan raskt komme i gang og samtidig bygge en bevisst og robust tilnærming til verktøyet. Deltagkerne får da mulighet til å teste ut funksjonalitet underveis i Bouvet sitt kursmiljø.    Målgruppe Alle som ønsker en grundig introduksjon og opplæring i Teams applikasjonen. Det passer både for deg som aldri har brukt Teams før, og for deg som ønsker å utvikle deg til superbruker. Spesielt egnet for deg som skal være med å spesifisere, tilrettelegge eller være ansvarlig for innføring av samhandlingsløsninger.   Kursinnhold •    Teams som del av Office 365 plattformen•    Oversikt over begreper, lisensmodeller og relatert•    Pålogging, navigasjon og grensesnitt i Teams•    Hvordan strukturere velfungerende Teams: kanaler, faner, og mer•    Fillagring og fildeling•    Samtaler, chat og virtuelle møter•    Samtidig redigering•    Beste praksiser, tips og triks•    Innstillinger og sikkerhet•    Administrasjon for Teams eiere•    Kontinuerlig læring i bruk av verktøyet•    Samhandlingsstrategier   [-]

Elasticsearch [-]

Kubernetes [-]

TOGAF® EA Practitioner Bridge Course [-]

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 [-]

ITIL® 4 Foundation [-]