Oversikt over relevante kurs innen IT-kurs i Strömstad

Kurset fokuserer på integrering av forskjellige verdistrømmer og aktiviteter for å lage, levere og støtte IT-aktiverte produkter og tjenester, samtidig som den dekker støtte for praksis, metoder og verktøy. Kurset gir kandidatene forståelse for tjenestekvalitet og forbedringsmetoder. E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på AXELOS sine websider. Inkluderer: Tilgang til ITIL® 4 Specialist: Create, Deliver and Support e-læring (engelsk) i 12 måneder. ITIL® 4 Specialist: Create, Deliver and Support online voucher til sertifiseringstest.  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. ITIL®/PRINCE2®/MSP®/MoP® are registered trademarks of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

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. [-]

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher i en e-post fra Peoplecert. 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 50 spørsmål skal besvares, og du består ved 50% korrekte svar (dvs 25 av 50 spørsmål). Deltakerne har 40 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.     [-]

Spring Boot Development [-]

Tekst er ikke alltid best egnet til å kommunisere ditt budskap. Dette webinaret viser deg hvordan du enkelt og effektivt benytter figurer, smart art modeller, diagrammer, bilder og video. Du får en rekke tips som vil bidra til at du sparer mye tid.  Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause.  Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.    Kursinnhold:   Innsetting av ulike objekter Figurer og SmartArt Bilder Video - ha kontroll på avspilling   Bruk av diagrammer Koblinger til Excel Håndtere koblinger   Håndtering av objekter Justere og fordele Fordeler og ulemper ved gruppering   3 gode grunner til å delta 1. Lær og justere og fordele objekter effektivt 2. Lag figurmodeller raskt og enkelt 3. Ha kontroll på koblede objekter   [-]

https://www.glasspaper.no/kurs/dp-100/ [-]

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     [-]

Har du lite erfaring med Outlook og ønsker en innføring i programmet? På dette kurset lærer du hvordan du bruker Outlook med sending av e-post, oppretting av kontakter, samt bruk av kalender og oppgaver. Du jobber i ditt eget tempo via et e-læringsprogram, med instruktør tilstede i rommet som hjelper deg om du står fast.   Kursinnhold:   Bli kjent med Outlook Elektronisk post Trygghet og sikkerhet Oppstart Mottak av meldinger Lesing av meldinger E-postkontoer Nyhetsstrømmer (RSS) Hjelpesystemet   Sending av meldinger Sending av meldinger Innskriving og redigering Signatur Meldingsformater Stavekontroll Vedlegg Viktighet og følsomhet Oppfølgingsflagg Svar og videresending Leverings- og lesebekreftelse Angi mottakere av svar Tidsbegrensning Svarknapper   Adresseboka Adresseboka Distribusjonslister   Organisering av meldinger Sortering av meldinger Søk etter meldinger Søkemapper Organisering av meldinger Aktivering av meldinger Søppelpost Regelhåndtering Farger Kategorier Fraværsassistenten   Kalenderen Navigering i kalenderen Planlegging av aktiviteter Arbeidsområde Svar på møteinnkallelser Påminnelse Redigering av aktiviteter Dele kalenderen med andre Oppgaver i kalenderen Utskrift av kalenderen Lagring som webside   Kontakter Kontakter Sending av kontaktinformasjon   Oppgaver Oppgaver Oppgaveforespørsler Svar på oppgaveforespørsler Planer i dag   Notater og logg Notater Visning av notater Logg   [-]

ITIL® 4 Specialist: Monitor, Support and Fulfil [-]

Acrobat Pro DC er et kraftig verktøy som gir deg muligheten til å opprette, redigere og signere PDF-dokumenter. PDF, som står for Portable Document Format, er en standard for å presentere og dele dokumenter uavhengig av programvare, maskinvare og operativsystem. Med Acrobat Pro DC kan du arbeide med tekst, bilder, videoer, koblinger, knapper og skjemaer i PDF-format. PDF-formatet ble introdusert i 1991 av Dr. John Warnock, medgrunnleggeren av Adobe, med målet om å gjøre det enkelt for alle å samle, dele og skrive ut dokumenter fra hvilket som helst program. I dag foretrekkes PDF-formatet av bedrifter over hele verden. I dette kurset, ledet av Espen Faugstad hos Utdannet.no, vil du lære å utnytte Adobe Acrobat Pro DC til fulle. Kurset vil ta deg gjennom programmets organisasjon, verktøy og paneler. Du vil lære å opprette, søke, redigere og organisere PDF-dokumenter. I tillegg vil du bli kjent med elektronisk signering, passordbeskyttelse, skjemaoppretting og kryptering av PDF-dokumenter.   Innhold: Kapittel 1: Organisering og Verktøy Kapittel 2: Opprette PDF Kapittel 3: Søke og Erstatte Kapittel 4: Redigere PDF Kapittel 5: Organisere Sider Kapittel 6: Kommentarer Kapittel 7: Skjema og Signatur Kapittel 8: Beskyttelse og Kryptering Kapittel 9: Lagre PDF Kapittel 10: Avslutning   Varighet: 2 timer og 23 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Vår tjeneste fungerer som strømmetjenester for musikk eller TV-serier, der kundene våre betaler en fast månedspris for tilgang til alle kursene vi har produsert. Plattformen har hatt betydelig vekst de siste årene, med over 30 000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling morsomt, spennende og tilgjengelig for alle, og vi har støtte fra Innovasjon Norge og Forskningsrådet. [-]

Kurset er for deg som allerede kan bruke Microsoft Word, men som vil jobbe mer hensiktsmessig med tekstbehandling. På kurset vil vi vise deg hvordan du kan jobbe smart og effektivt når du lager dokumenter, slik at du sparer tid i din arbeidshverdag og samtidig ender opp med mer elegante og flotte dokumenter og rapporter. Mål for kursetEtter endt kurs skal du kunne bruke verktøyet på en smart og effektiv måte. ForkunnskaperNoe kjennskap til Word. MålgruppeDette kurset er for deg som vet litt om Word og som ønsker å lære effektiv bruk av verktøyet. UndervisningsformKlasseromsundervisning med maks 12 deltakere.En maskin utlånt til hver deltaker. Pris Klasseromsundervisning 6 timer: 3900 kroner inkludert lunsj og kursdokumentasjon.  Ansatte ved UiS har egne betalingsbetingelser.   Varighet1 dag fra 09:00 til 15:00 Emner Merketeknikker Navigering og snarveier Disposisjonsvisning Tekst eller tegnformatering Avsnittsformatering Side og inndelingsformatering Stiler – bruke, endre og definere Temaer Innholdsfortegnelse Kryssreferanser, noter Bilde SmartArt Forside Diagram – integrasjon med Excel Hurtigdeler Språkverktøy Topp og bunntekster i inndelinger Åpne et eldre dokument i Word Oppdatere/oppgradere et dokument Hva er .docx? Fletting i Word til word, epost, printer Sette utskriftsopsjoner Skrive ut utvalg og inndelinger [-]

Er innboksen din et stort kaos? Bruker du mye tid på e-post? Vi viser deg hvordan du kan jobbe smart med innkommende og utgående kommunikasjon. Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause.  Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Muligheter rundt e-post Alternativer og innstillinger for e-post Følge opp sendt e-post Automatisk håndtering av e-post ved hjelp av Hurtigtrinn og Regle   Søk og sortering Effektiv bruk av søk Søkemapper for hyppige og «komplekse» søk Visningsinnstillinger for å få fokus på det viktigste   Gjenbruk Lage maler for faste e-poster Opprette hurtigdeler for å kunne sette inn relevant innhold Bruk av distribusjonslister (grupper)   3 gode grunner til å delta 1. Se hvilke muligheter som er tilgjengelig knyttet til e-post 2. Du lærer å automatisere prosessering av e-post med regler og hurtigtrinn 3. Få tips til å bruke søk og søkemapper på en effektiv måte   [-]

MB-910: Microsoft Dynamics 365 Fundamentals (CRM) [-]

I dette kurset kombinerer vi teori med praksis. Gjennom relevante oppgaver får du forståelse og ferdigheter til å trekke ut data og gjøre analyser av hva som skjer på ditt nettsted. Du vil lære hvordan du kan måle effekt av endringer i løsningen, design og markedsføringstiltak. Google Analytics gir deg det datagrunnlaget du trenger for å lage rapporter og analyser for en faktabasert forståelse av hvordan den digitale løsningen fungerer.  Etter kurset vil du kunne hente ut data og lage analyserapporter som gir innsikt og støtte til din markedsføring og kommunikasjon, samt en god utvikling og forbedring av nettstedet. Noen av temaene som dekkes i kurset er: Hva er webanalyse og hvordan fungerer Google Analytics Sentrale begreper De viktigste rapportene Eventtracking / brukeradferd Hva må du vite om oppsett KPIer og måling - hva er viktig å måle Hvordan bruke GA sammen med andre relevante verktøy som Google Data Studio, Google Tag Manager, Google Search Console [-]

Digital markedsføring   Dette er kurs for deg som skal jobbe med salg og markedsføring på nett. I løpet av 5 kursdager  vil du få god digital kompetanse, lære hva som er godt innhold og tilrettelegge dette for deling på nett. Du skal lære å engasjere kundene dine, lage godt innhold, optimalisere nettsidene for søk på nett, samt bruke google analytics for analyse av trafikken på nettstedet ditt. Etter kurset skal du være i stand til å planlegge og gjenomføre digital markedsføring, kartlegge og optimalisere underveis, og få relevant økt trafikk og konvertering på dine nettsider. Pris kr. 16200,- kurs er fra kl. 09 - 15. Kurs start 10. mai, digital markedsføring: Digital strategi, 10. mai Sosiale medier og innholdsmarkedsføring, 11. mai Skriv gode tekster og nettsider, 1. juni Google Analytics, 2. juni SEO – Søkemotoroptimalisering, 3. juni       [-]