Oversikt over relevante kurs innen IT-kurs i Øverbygd

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 - 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.   Nødvendige forkunnskaper: Ingen [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: IINI1003 Databaser eller tilsvarende forhåndskunnskaper Innleveringer: Tilsvarende 8 obligatoriske øvinger må være godkjent før endelig karakter settes. Personlig veileder: ja Vurderingsform: Individuell netteksamen, 2 timer. Ansvarlig: Tore Mallaug Eksamensdato: 13.12.13 / 16.05.14         Læremål: KUNNSKAPERKandidaten:- kjenner sentrale begreper innen flerbrukerproblematikk og databaseadministrasjon, og kan gjøre rede for disse- forstår hvordan innebygd funksjonalitet i relasjonsdatabasesystem kan utnyttes i en klient/tjener-arkitektur- vet hvordan ulike typer data kan lagres og representeres i et databasesystem; tekst, XML og temporale data.- kan gjøre rede for hvordan NoSQL-løsninger er et alternativ til relasjonsdatabaser i Web-løsninger FERDIGHETERKandidaten:- kan administrere en flerbrukerdatabase med SQL-kommandoer i et valgt databaseverktøy- lager sin egen (mest mulig normaliserte) relasjonsdatabase med nøkler og referanseintegritet som ikke bare lagrer strukturelle data, men også tekst og semi-strukturelle data (XML)- kan utnytte databaseverktøyet funksjonalitet til utvidet bruk av SQL i en klient/tjener-sammenheng for å støtte opp rundt applikasjoner mot databasen- kan utnytte databaseverktøyet til å lagre temporale data- kan utføre SQL-spørringer mot ulike typer data i en database GENERELL KOMPETANSEKandidaten:- viser en bevisst holdning til lagring og representasjon av ulike typer data i et informasjonssystem- viser en bevisst holdning til databasedesign for å unngå unødvendig dobbeltlagring av data i en database Innhold:Installering og bruk av valgt databaseverktøy (MySQL). Flerbrukerproblematikk og databaseadministrasjon (DBA) i SQL. Bruk av SQL og innebygd funksjonalitet i databaseverktøyet (bruk av funksjoner/prosedyrer og triggere). Utnytte databaseverktøyet i en klient/tjener -arkitektur. Se på forholdet database - applikasjon. Lagring av ulike typer data; tekst, XML (semi-strukturelle data), dato/tid (temporale data). Enkel bruk av NoSQL-løsning. MySQL blir brukt i eksempler, men noen utfyllende eksempler i Oracle kan forekomme i lærestoffet.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Databaser 2 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

C# 12 Development and .NET 8 [-]

MS-500: Microsoft 365 Security Administrator [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen. Innleveringer: For å kunne gå opp til eksamen må 8 av 12 øvinger være godkjent. Personlig veileder: ja Vurderingsform: Skriftlig, individuell, 3 timer,  Ansvarlig: Olav Skundberg Eksamensdato: 16.12.13 / 26.05.14         Læremål: KUNNSKAPER:Kandidaten kan:- forklare hvordan en datamaskin utsettes for angrep gjennom skadelig programvare og hvordan man kan beskytte seg mot dette- beskrive ulike typer nettbaserte angrep og hvordan man kan beskytte seg mot dette- beskrive ulike krypteringsmekanismer og forklare hvordan digitale sertifikat brukes for å oppnå sikre tjenester.- referere til aktuelle lover og retningslinjer innen sikkerhet- gjøre greie for en organisasjonsmessig informasjonssikkerhetssikkerhetspolicy FERDIGHETER:Kandidaten kan:- kontrollere egen PC for skadelig programvare- kontrollere at installert programvare er oppdatert- utføre pakkefangst med Wireshark og tolke resultatet GENERELL KOMPETANSE:Kandidaten:- er bevisst på å holde programvare oppdatert og å bruke nettvett Innhold:Skadelig programvare: sikkerhetshull, informasjonskapsler, virus og antivirus Nettverk: Virtuelle private nett (VPN), brannmur, demilitarisert sone (DMZ), tjenestenektangrep Sikre tjenester: Krypteringsmetoder og sjekksum. Digitale sertifikater og Public Key Infrastructure (PKI) Samfunn og virksomhet: ekom-loven og personvernloven. Sikkerhetshåndbok og ISO27001Les mer om faget herDemo: Her er en introduksjonsvideo for faget Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Internett og sikkerhet 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

Microsoft 365 er abonnement på Office-programmer og andre produktivitetstjenester som du får tilgang til via Internett (skytjenester). Tidligere var dette kjent under navnet Office 365, men Microsoft har nå endret navnet til Microsoft 365. Fordelen er at du alltid har tilgang til Office-programmer og dine dokumenter, og kan dele dem med andre fra hvilken som helst enhet. Dette betyr at du har tilgang på dine dokumenter og verktøy via PC, mobil eller nettbrett. På kurset vil du lære om samhandling, kommunikasjon og tilgjengelighet. Om Microsoft 365Microsoft 365 er abonnement på Office-programmer og andre produktivitetstjenester som du får tilgang til via Internett (skytjenester). I abonnementet har du tilgang på en rekke applikasjoner, slik som Word, Excel, PowerPoint, Teams og lagring i OneDrive, samt mange andre nyttige verktøy. Fordelen er at du alltid har tilgang til Office-programmer og dine dokumenter, og kan dele dem med andre fra hvilken som helst enhet. Vi viser deg hvordan du kan jobbe effektivt med ditt Microsoft 365 abonnement. Pris: 1200 kroner Ansatte ved UiS har egne prisbetingelser.   Etter at du har meldt deg på webinaret, vil du få tilsendt praktisk informasjon om pålogging. Webinarene gjennomføres fra din PC eller nettbrett.    [-]

  An Azure IoT Developer is responsible for implementing and then maintaining the cloud and edge portions of an Azure IoT solution. In addition to configuring and maintaining devices by using Azure IoT services and other Microsoft tools, the IoT Developer also sets up the physical devices and is responsible for maintaining the devices throughout the life cycle. The IoT Developer implements designs for IoT solutions, including device topology, connectivity, debugging and security. For Edge device scenarios, the IoT Developer also deploys compute/containers and configures device networking, which could include various edge gateway implementations. The IoT Developer implements designs for solutions to manage data pipelines, including monitoring and data transformation as it relates to IoT. The IoT Developer works with data engineers and other stakeholders to ensure successful business integration. IoT Developers should have a good understanding of Azure services, including data storage options, data analysis, data processing, and the Azure IoT PaaS versus SaaS options. After completing this course, students will be able to: Create, configure, and manage an Azure IoT hub. Provision devices by using IoT Hub and DPS, including provisioning at scale. Establish secure 2-way communication between devices and IoT Hub. Implement message processing by using IoT Hub routing and Azure Stream Analytics. Configure the connection to Time Series Insights and support business integration requirements. Implement IoT Edge scenarios using marketplace modules and various edge gateway patterns. Implement IoT Edge scenarios that require developing and deploying custom modules and containers. Implement device management using device twins and direct methods. Implement solution monitoring, logging, and diagnostics testing. Recognize and address security concerns and implement Azure Security Center for IoT. Build an IoT Solution by using Azure IoT Central and recongize SaaS opportunities for IoT. Course prerequisites IoT Developers should have basic programming skills in at least one Azure-supported language, including C#, Node.js, C, Python, or Java. Software development experience is a prerequisite for this course, but no specific software language is required, and the experience does not need to be at a professional level. Data Processing Experience: General understanding of data storage and data processing is a recommended but not required.  Cloud Solution Awareness: Students should have a basic understanding of PaaS, SaaS, and IaaS implementations. Microsoft Azure Fundamentals (M-AZ-900T00/M-AZ900), or equivalent skills, is recommended.  This course helps to prepare for exam AZ-220.   Agenda Module 1: Introduction to IoT and Azure IoT Services -Business Opportunities for IoT-Introduction to IoT Solution Architecture-IoT Hardware and Cloud Services Module 2: Devices and Device Communication -IoT Hub and Devices-IoT Developer Tools-Device Configuration and Communication Module 3: Device Provisioning at Scale -Device Provisioning Service Terms and Concepts-Configure and Manage the Device Provisioning Service-Device Provisioning Tasks Module 4: Message Processing and Analytics -Messages and Message Processing-Data Storage Options-Azure Stream Analytics Module 5: Insights and Business Integration -Business Integration for IoT Solutions-Data Visualization with Time Series Insights-Data Visualization with Power BI Module 6: Azure IoT Edge Deployment Process -Introduction to Azure IoT Edge-Edge Deployment Process-Edge Gateway Devices Module 7: Azure IoT Edge Modules and Containers -Develop Custom Edge Modules-Offline and Local Storage Module 8: Device Management -Introduction to IoT Device Management-Manage IoT and IoT Edge Devices-Device Management at Scale Module 9: Solution Testing, Diagnostics, and Logging -Monitoring and Logging-Troubleshooting Module 10: Azure Security Center and IoT Security Considerations -Security Fundamentals for IoT Solutions-Introduction to Azure Security Center for IoT-Enhance Protection with Azure Security Center for IoT Agents Module 11: Build an IoT Solution with IoT Central -Introduction to IoT Central-Create and Manage Device Templates-Manage Devices in Azure IoT Central [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: 6 AV 10 øvinger må være godkjent for å kunne gå opp til eksamen. Vurderingsform: En individuell 4-timers nettbasert hjemmeeksamen. Ansvarlig: Svend Andreas Horgen Eksamensdato: 17.12.13 / 20.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare hva et program er- kan redegjøre for grunnleggende byggestener i programmering, så som variabler, kontrollstrukturer, matriser (arrays) og funksjoner- kan analysere en spesiell problemstilling og planlegge hvordan den kan løses generelt med programkode FERDIGHETER:Kandidaten:- kan bruke et .NET-basert utviklingsmiljø i kodeutvikling- kan lage funksjonelle brukergrensesnitt- kan identifisere feil i programkode- kan lage strukturert programkode som løser enkle problemstillinger- kan anvende innebygde funksjoner fra .NET-rammeverket i egen kode GENERELL KOMPETANSE:Kandidaten:- er bevisst på viktigheten av å eliminere feilsituasjoner Innhold:Introduksjon til grunnleggende programmeringsprinsipper som variabler, datatyper, kontrollstrukturer (løkker og beslutninger), matriser (arrays), egendefinerte funksjoner og innebyde funksjoner. Utforme brukergrensesnitt som er fine å se på og enkle å bruke. Feilhåndtering. Strukturere og planlegge koden på en god måte.Les mer om faget herDemo: Her er en introduksjonsvideo for faget Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Programmering i Visual Basic 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

The students will learn how to interactively explore data stored in files in a data lake. They will learn the various ingestion techniques that can be used to load data using the Apache Spark capability found in Azure Synapse Analytics or Azure Databricks, or how to ingest using Azure Data Factory or Azure Synapse pipelines. The students will also learn the various ways they can transform the data using the same technologies that is used to ingest data. The student will spend time on the course learning how to monitor and analyze the performance of analytical system so that they can optimize the performance of data loads, or queries that are issued against the systems. They will understand the importance of implementing security to ensure that the data is protected at rest or in transit. The student will then show how the data in an analytical system can be used to create dashboards, or build predictive models in Azure Synapse Analytics. After completing this course, students will be able to: Explore compute and storage options for data engineering workloads in Azure Design and Implement the serving layer Understand data engineering considerations Run interactive queries using serverless SQL pools Explore, transform, and load data into the Data Warehouse using Apache Spark Perform data Exploration and Transformation in Azure Databricks Ingest and load Data into the Data Warehouse Transform Data with Azure Data Factory or Azure Synapse Pipelines Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines Optimize Query Performance with Dedicated SQL Pools in Azure Synapse Analyze and Optimize Data Warehouse Storage Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link Perform end-to-end security with Azure Synapse Analytics Perform real-time Stream Processing with Stream Analytics Create a Stream Processing Solution with Event Hubs and Azure Databricks Build reports using Power BI integration with Azure Synpase Analytics Perform Integrated Machine Learning Processes in Azure Synapse Analytics Course prerequisites Successful students start this course with knowledge of cloud computing and core data concepts and professional experience with data solutions.Recommended prerequisites:M-DP900 - Microsoft Azure Data FundamentalsM-AZ900 - Microsoft Azure Fundamentals Agenda Module 1: Explore compute and storage options for data engineering workloads This module provides an overview of the Azure compute and storage technology options that are available to data engineers building analytical workloads. This module teaches ways to structure the data lake, and to optimize the files for exploration, streaming, and batch workloads. The student will learn how to organize the data lake into levels of data refinement as they transform files through batch and stream processing. Then they will learn how to create indexes on their datasets, such as CSV, JSON, and Parquet files, and use them for potential query and workload acceleration. Module 2: Design and implement the serving layer This module teaches how to design and implement data stores in a modern data warehouse to optimize analytical workloads. The student will learn how to design a multidimensional schema to store fact and dimension data. Then the student will learn how to populate slowly changing dimensions through incremental data loading from Azure Data Factory. Module 3: Data engineering considerations for source files This module explores data engineering considerations that are common when loading data into a modern data warehouse analytical from files stored in an Azure Data Lake, and understanding the security consideration associated with storing files stored in the data lake. Module 4: Run interactive queries using Azure Synapse Analytics serverless SQL pools In this module, students will learn how to work with files stored in the data lake and external file sources, through T-SQL statements executed by a serverless SQL pool in Azure Synapse Analytics. Students will query Parquet files stored in a data lake, as well as CSV files stored in an external data store. Next, they will create Azure Active Directory security groups and enforce access to files in the data lake through Role-Based Access Control (RBAC) and Access Control Lists (ACLs). Module 5: Explore, transform, and load data into the Data Warehouse using Apache Spark This module teaches how to explore data stored in a data lake, transform the data, and load data into a relational data store. The student will explore Parquet and JSON files and use techniques to query and transform JSON files with hierarchical structures. Then the student will use Apache Spark to load data into the data warehouse and join Parquet data in the data lake with data in the dedicated SQL pool. Module 6: Data exploration and transformation in Azure Databricks This module teaches how to use various Apache Spark DataFrame methods to explore and transform data in Azure Databricks. The student will learn how to perform standard DataFrame methods to explore and transform data. They will also learn how to perform more advanced tasks, such as removing duplicate data, manipulate date/time values, rename columns, and aggregate data. Module 7: Ingest and load data into the data warehouse This module teaches students how to ingest data into the data warehouse through T-SQL scripts and Synapse Analytics integration pipelines. The student will learn how to load data into Synapse dedicated SQL pools with PolyBase and COPY using T-SQL. The student will also learn how to use workload management along with a Copy activity in a Azure Synapse pipeline for petabyte-scale data ingestion. Module 8: Transform data with Azure Data Factory or Azure Synapse Pipelines This module teaches students how to build data integration pipelines to ingest from multiple data sources, transform data using mapping data flowss, and perform data movement into one or more data sinks. Module 9: Orchestrate data movement and transformation in Azure Synapse Pipelines In this module, you will learn how to create linked services, and orchestrate data movement and transformation using notebooks in Azure Synapse Pipelines. Module 10: Optimize query performance with dedicated SQL pools in Azure Synapse In this module, students will learn strategies to optimize data storage and processing when using dedicated SQL pools in Azure Synapse Analytics. The student will know how to use developer features, such as windowing and HyperLogLog functions, use data loading best practices, and optimize and improve query performance. Module 11: Analyze and Optimize Data Warehouse Storage In this module, students will learn how to analyze then optimize the data storage of the Azure Synapse dedicated SQL pools. The student will know techniques to understand table space usage and column store storage details. Next the student will know how to compare storage requirements between identical tables that use different data types. Finally, the student will observe the impact materialized views have when executed in place of complex queries and learn how to avoid extensive logging by optimizing delete operations. Module 12: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link In this module, students will learn how Azure Synapse Link enables seamless connectivity of an Azure Cosmos DB account to a Synapse workspace. The student will understand how to enable and configure Synapse link, then how to query the Azure Cosmos DB analytical store using Apache Spark and SQL serverless. Module 13: End-to-end security with Azure Synapse Analytics In this module, students will learn how to secure a Synapse Analytics workspace and its supporting infrastructure. The student will observe the SQL Active Directory Admin, manage IP firewall rules, manage secrets with Azure Key Vault and access those secrets through a Key Vault linked service and pipeline activities. The student will understand how to implement column-level security, row-level security, and dynamic data masking when using dedicated SQL pools. Module 14: Real-time Stream Processing with Stream Analytics In this module, students will learn how to process streaming data with Azure Stream Analytics. The student will ingest vehicle telemetry data into Event Hubs, then process that data in real time, using various windowing functions in Azure Stream Analytics. They will output the data to Azure Synapse Analytics. Finally, the student will learn how to scale the Stream Analytics job to increase throughput. Module 15: Create a Stream Processing Solution with Event Hubs and Azure Databricks In this module, students will learn how to ingest and process streaming data at scale with Event Hubs and Spark Structured Streaming in Azure Databricks. The student will learn the key features and uses of Structured Streaming. The student will implement sliding windows to aggregate over chunks of data and apply watermarking to remove stale data. Finally, the student will connect to Event Hubs to read and write streams. Module 16: Build reports using Power BI integration with Azure Synapase Analytics In this module, the student will learn how to integrate Power BI with their Synapse workspace to build reports in Power BI. The student will create a new data source and Power BI report in Synapse Studio. Then the student will learn how to improve query performance with materialized views and result-set caching. Finally, the student will explore the data lake with serverless SQL pools and create visualizations against that data in Power BI. Module 17: Perform Integrated Machine Learning Processes in Azure Synapse Analytics This module explores the integrated, end-to-end Azure Machine Learning and Azure Cognitive Services experience in Azure Synapse Analytics. You will learn how to connect an Azure Synapse Analytics workspace to an Azure Machine Learning workspace using a Linked Service and then trigger an Automated ML experiment that uses data from a Spark table. You will also learn how to use trained models from Azure Machine Learning or Azure Cognitive Services to enrich data in a SQL pool table and then serve prediction results using Power BI. [-]

Vi gir deg Excel kurs gratis, få en effektiv og god innføring i Excel! Godt egnet for deg som ikke kjenner til så mye mer enn Summer-knappen, og ønsker å utvide horisonten litt. Om du trenger Excel hjelp, er vårt online Excel kurs på nett stedet å starte.   Kursinnhold:   Gjennomgang av båndet, programvinduet og viktige begreper  Kategorier, grupper, knapper, dialogboksvelger Vise / skjule båndet Navneboks, formlinje, statuslinje m.m.   Nyttig bruk av autofyll  Lage serier med ukedager og måneder Autofylle tall og datoer Kopiere tekst, tall, format, formler og funksjoner   Lage et enkelt «privatbudsjett»  Forklaring av de grunnleggende konseptene i Excel Funksjoner som SUMMER, GJENNOMSNITT Formatering av utsende   Grafisk fremstilling av data - stolpe diagram  Grunnleggende gjennomgang av diagramverktøy Oppdatering av data   Veien videre  Se hvor enkelt kan du opprette rapporter ved å bruke tabellfunksjonalitet og filter Se hvor raskt kan du opprette rapporter ved å bruke Pivottabell [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Grunnleggende erfaring med objektorientert programmering er en fordel. Innleveringer: Øvinger: 6 av 8 må være godkjent. Større eller mindre øvinger tilsvarende 8 øvinger hvor 6 må være godkjent før endelig karakter settes. Personlig veileder: ja Vurderingsform: Karakter settes basert på et prosjekt som gjennomføres individuelt. Prosjektet gjennomføres mot slutten av emnet. Ansvarlig: Atle Nes         Læremål: KUNNSKAPERKandidaten:- kjenner til grensesnittet og egenskaper ved Windows Phone- kjenner til ulike programmeringsspråk som kan benyttes ved utvikling av applikasjoner på Windows Phone- kan forklare hvordan en Windows Phone applikasjon publiseres på Marketplace FERDIGHETER:Kandidaten:- kan installere nødvendig programvare på egen datamaskin for å komme i gang med applikasjonsutvikling for Windows Phone- kan utvikle enkle mobilapplikasjoner basert på C# eller VB og XAML (Silverlight)- kan deploye en Windows Phone applikasjon til egen telefon eller til emulator- kan bestemme layout og orientering- kan legge til ulike kontrollere og håndtere hendelser- kan legge til multimedia-elementer- kan utnytte telefonens egenskaper ved hjelp av Windows Phone SDK GENERELL KOMPETANSE:Studenten får en grunnleggende innføring i utvikling av applikasjoner for mobiltelefoner med Windows Phone Innhold:Introduksjon til Windows Phone, live tiles og panorama view, installasjon av nødvendig programvare, Hello World, deployment av applikasjoner på telefonen eller emulator, XAML, layout og orientering, touch og navigasjon, ulike kontrollere og hendelser, multimedia (bilder, lyd og video), Windows Phone SDK, utnyttelse av telefonens egenskaper (GPS, akselerometer, kontaktliste, kamera), publisering av applikasjoner på Marketplace.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Applikasjonsutvikling for Windows Phone 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.   [-]

GDPR - Certified Data Protection Officer [-]

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. [-]

Lightroom CC er et råflott bilderedigeringsverktøy for fotoentusiaster. Lightroom CC inneholder alt du trenger for å organisere, redigere, lagre og dele bildene dine på tvers av enheter - dette være seg datamaskin, nettbrett eller mobil. Det betyr at du kan redigere et bilde på datamaskinen og fortsette på mobilen. Bildene synkroniseres nemlig i skyen. I dette kurset kommer Espen Faugstad til å guide deg gjennom programmet fra A til Å. Du kommer til å lære å importere og organisere, redigere ved hjelp av enkle og avanserte verktøy, og eksportere og dele. Du kommer også til å lære hvordan den skybaserte lagringsplassen kommer til å påvirke, og ikke minst, forbedre din digitale arbeidsflyt.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Importere Kapittel 3: Organisere Kapittel 4: Redigere (enkel) Kapittel 5: Beskjære Kapittel 6: Redigere (avansert) Kapittel 7: Eksportere Kapittel 8: Avslutning   Varighet: 2 timer og 16 minutter.   Hørt om Netflix? Vi er som dem, bare at vi lager nettkurs. Utdannet.no AS er en norsk startup som utvikler nettkurs i datateknologi, kreative fagfelt og grunnleggende forretningsferdigheter. Med støtte fra Innovasjon Norge og Forskningsrådet utvikler vi nestegenerasjons kursplattform, med mål om å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle. Med over 1 million videovisninger, 20.000 registrerte medlemmer og en gjennomsnittlig årlig vekst på 45 % er vi godt i gang med å befeste vår posisjon i det norske markedet. Vi har kunder fra bedrifter som: Adresseavisen, Coca-Cola, Helsedirektoratet, IKEA, Joblearn, NAV, Nordea, NorgesGruppen, NRK, Oslo kommune, Securitas, Telenor og Utdanningsforbundet.   [-]

Agenda Module 1: Creating Azure App Service Web Apps -Azure App Service core concepts-Creating an Azure App Service Web App-Configuring and Monitoring App Service apps-Scaling App Service apps-Azure App Service staging environments Module 2: Implement Azure functions -Azure Functions overview-Developing Azure Functions-Implement Durable Functions Module 3: Develop solutions that use blob storage -Azure Blob storage core concepts-Managing the Azure Blob storage lifecycle-Working with Azure Blob storage Module 4: Develop solutions that use Cosmos DB storage -Azure Cosmos DB overview-Azure Cosmos DB data structure-Working with Azure Cosmos DB resources and data Module 5: Implement IaaS solutions -Provisioning VMs in Azure-Create and deploy ARM templates-Create container images for solutions-Publish a container image to Azure Container Registry-Create and run container images in Azure Container Instances Module 6: Implement user authentication and authorization -Microsoft Identity Platform v2.0-Authentication using the Microsoft Authentication Library-Using Microsoft Graph-Authorizing data operations in Azure Storage Module 7: Implement secure cloud solutions -Manage keys, secrets, and certificates by using the KeyVault API-Implement Managed Identities for Azure resources-Secure app configuration data by using Azure App Configuration Module 8: Implement API Management -API Management overview-Defining policies for APIs-Securing your APIs Module 9: Develop App Service Logic Apps -Azure Logic Apps overview-Creating custom connectors for Logic Apps Module 10: Develop event-based solutions -Implement solutions that use Azure Event Grid-Implement solutions that use Azure Event Hubs-Implement solutions that use Azure Notification Hubs Module 11: Develop message-based solutions -Implement solutions that use Azure Service Bus-Implement solutions that use Azure Queue Storage queues Module 12: Monitor and optimize Azure solutions -Overview of monitoring in Azure-Instrument an app for monitoring-Analyzing and troubleshooting apps-Implement code that handles transient faults Module 13: Integrate caching and content delivery within solutions -Develop for Azure Cache for Redis-Develop for storage on CDNs [-]