Kurs i Oslo

C# is a power language. [-]

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 [-]

Test test [-]

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 55% korrekte svar (dvs 28 av 50 spørsmål). Deltakerne har 1 time og 15 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.   Nødvendige Forkunnskaper: Ingen [-]

Du vil få tilsendt en 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 casebasert med 50 tilknyttede multiple choice-spørsmål, og du består ved 66% korrekte svar (dvs 30 av 50 spørsmål). Deltakerne har 2 timer og 30 minutter til rådighet på eksamen.  Dette er en åpen bok eksamen. Nødvendige forkunnskaper: PRINCE2® Agile Foundation eller PRINCE2® Foundation sertifisering [-]

Målsetting: Forebygge at personell som arbeider nær ved elektriske anlegg og betjener elektrisk utstyr ikke blir utsatt for ulykker som er forårsaket av kortslutning (lysbue) eller strømgjennomgang i et lavspenningsanlegg. Deltakerne vil også få opplæring i hvordan man skal opptre hvis en kommer opp i en ulykke forårsaket av elektrisk strøm, samt teoretisk opplæring i førstehjelp (HLR). Kurset er i henhold til: Kurset tilfredsstiller myndighetenes krav iht. FSE-forskriftens §§ 2 og 3 og DSB`s Elsikkerhet nr. 73 og 84 for ikke sakkyndig personell som skal arbeide med enkle driftsoppgaver. Årlig repetisjon er et myndighetskrav, ref. FSE-forskriften § 7.   Læremål: Etter gjennomført kurs skal deltakerne ha en bevisst holdning til elsikkerhet, slik at antall personskader og skader på materiell pga. elektrisk strøm blir redusert. FSE opplæring skal gi kunnskap om regelverk og instruksjoner, enkle vedlikeholdsoppgaver, hvordan betjene et elektrisk anlegg med blant annet sikringer og motorvern, risikovurdering og planlegging, jordfeilproblematikk og faremomenter, bruk av måleinstrumenter, bruk av verneutstyr og til slutt melding om ulykker og opplæring i førstehjelp ved strømulykker. Del 1 – FSE Instruert personell Elsikkerhet – hvorfor så viktig? Myndighetskrav FSE-forskriften Ansvarsforhold Instruert personell – definisjoner – ansvar Overordnet planlegging Risikovurdering Strømgjennomgang Melding om ulykker Ulykker og statistikk Kortslutning og lysbueskader Bruk av verneutstyr Feilsøking Jordfeilproblematikk Faremomenter Teknisk opplæring Del 2 - førstehjelp Opptreden på skadestedet Prioritering og behandling Elektriske skader  -  Fallskader Skader ved strømgjennomgang (rytmeforstyrrelser i hjerte) Lysbueskader Brannskader Hvordan HLR skal utføres De mest alminnelige akutte sykdommer Alminnelig reaksjon når krisesituasjoner oppstår   [-]

Ingeniørpakken gir til sammen 2 realfagspoeng og passer for deg som vil bli ingeniør, men som mangler fag eller må forbedre fagene. Har du studiekompetanse, men mangler realfag for å kunne søke opptak ved ingeniørhøyskoler? Fagene du trenger, er matematikk R1 og R2 og fysikk 1. Her kan du prøve Matematikk eller Fysikk (gratis) Gjennomføring NettstudierDu bestemmer hva, hvor og når du vil lære. Her får du varierte leksjoner i form av tekster, video, quiz, podcast, veiledning og oppgaver. Du har alltid kontakt med din personlige lærer hos K2. Målet er å gjøre deg best mulig forberedt til eksamen. Her kan du prøve alle kursene (gratis) Din digitale læringsplattform Den nettbaserte læringsportalen til K2 er tilpasset både mobil, nettbrett og pc. Det gir deg enkelt tilgang til å studere faget på en engasjerende og spennende måte, uansett hvor du er.  Eksamen Som deltaker ved K2 er du privatist og må ta eksamen i fagene for å få karakter. Oppmeldingsfristene er normalt 15. september og 1.februar. Plattform for oppmelding til eksamen kan variere fra fylke til fylke. Se fylkesoversikt her. Husk at betaling av eksamensavgiften skjer ved oppmelding.  Velg Ingeniørpakken og få tilgang til Fysikk 1, Matematikk R1 og Matematikk R2 i 12 måneder. Du velger selv når du vil ta eksamen.  Fysikk 1, eksamen nov/des eller mai/juni Matematikk R1, eksamen nov/des eller mai/juni Matematikk R2, eksamen nov/des eller mai/juni Veien videre Om du har generell studiekompetanse (GENS) og velger å ta fagene fysikk 1 og matematikk R1 og R2 som privatist, da oppfyller du opptakskravene til flere studier, inkludert ingeniørstudier. Se praktisk info for frister og opptak til universitet og høyskole. Gratis veiledning Er du usikker på hva som skal til for å få studiekompetanse, ta gjerne kontakt med oss for gratis veiledning. Vi har veiledere med mange års erfaring som står klare til å hjelpe deg!Ønsker du mer informasjon om kurset velg "Send meg info"-knappen under. Vil du chatte med oss, så klikk på ikonet nederst i høyre hjørne. Lånekassestøtte Utdanningen er godkjent i lånekassen. Søk direkte via lanekassen.no.For mer informasjon se nettsiden vår under Praktisk info. Støtteordninger Er du organisert i en fagforening, kan du i de fleste fagforeningene søke støtte til utdanning. Dersom du er organisert bør du sjekke med din fagforening om muligheter for støtte, frister og hvordan du søker. Forkunnskaper Du må ha fullført grunnskole eller tilsvarende opplæring. Minoritetsspråklige bør ha minimum B1-nivå i norsk muntlig og skriftlig. Dersom du har behov for å lære mer norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle kurs her Krav til utstyr Som deltaker på K2 Nettstudier kan du bruke både mobil, nettbrett og PC når du tar kurset.Til eksamen må du ha tilgang til PC. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Se her hva du har tilgang til av nettbaserte ressurser på eksamen. Praktisk info Du finner svar på ofte stilte spørsmål på nettsiden vår under praktisk info.   [-]

Risikomomentene rundt kunstig intelligens er mange og berører flere fagområder. Hovedutfordringen med trygg og ansvarlig bruk av kunstig intelligens og maskinlæring er at problemstillingene utfordrer mange helt ulike fagområder, og tar opp mange temaer samfunnet aldri før har tatt stilling til. I dette kurset introduserer AI-ekspert Inga Strümke deg for de etiske, tekniske, juridiske og samfunnsmessige aspektene, og du vil få et helhetlig bilde av utfordringene og mulighetene. Fra før av har Inga Strümke laget kurset “En innføring i kunstig intelligens og maskinlæring” med Videocation. Vi anbefaler deg å se innføringskurset før du ser dette kurset om kunstig intelligens og risiko.  Introduksjon til kurset Innføring i AI-etikk Egne prosedyrer Falske nyheter og AI-skribenter Deepfakes Syntetiske data Angrep og mål Cybersikkerhet og IoT AI-regulering Personvern og differential privacy Rettferdighet Maskiner som tar jobbene og beslutningene våre Bærekraft Oppsummering [-]

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     [-]

Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: LC191D Videregående programmering eller tilsvarende kunnskaper i objektorientert Java-programmering Innleveringer: Øvinger: 8 av 8 må være godkjent.  Personlig veileder: ja Vurderingsform: Faget vurderes til bestått/ikke bestått basert på 8 innleverte øvingsoppgaver. Ansvarlig: Tomas Holt   Læremål: Forventet læringsutbytte:Etter å ha gjennomført emnet skal kandidaten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kan gjengi livssyklusen til en Android-applikasjon.- kan redegjøre for nødvendige bestanddeler i en Android-applikasjon.- kan gjengi MVC-prinsippet og hvordan dette brukes i forbindelse med Android-applikasjoner. FERDIGHETER:Kandidaten:- kan sette opp utviklingsmiljø og lage applikasjoner for Android-plattformen.- kan bruke emulator for kjøring av applikasjonene.- kan lage grafiske Android-applikasjoner, hvor GUI-komponentene både kan lages via Java-kode og XML-filer.- kan lage Android-applikasjoner hvor data kan lagres i minnet og på permanent lager.- kan benytte Android sin intents-mekanisme.- kan benytte Android-plattformens mekanismer for å lage applikasjoner tilpasset internasjonalisering.- kan lage trådede Android-applikasjoner.- kan lage forbindelsesorienterte nettverksløsninger vha. av Java Socket API'en. GENERELL KOMPETANSE:Kandidaten:- kan bruke API-dokumentasjon og andre ressurser til å skaffe seg nødvendige ferdigheter ved utvikling av funksjonalitet som ikke er dekket i emnet. Innhold:Utvikling av Android-applikasjoner via bruk av emulator. Noen stikkord: Intents, grafiske brukergrensesnitt, lagring av data, bruk av ulike typer filer (for eksempel layoutfiler, bildefiler, xml-filer), nettverksprogrammering, trådprogrammering, spillprogrammering, sensorer (for eksempel kamera og gps), location-based services, internasjonalisering.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 Applikasjonsutvikling for Android 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg. [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer:   Vurderingsform: Faget vurderes til bestått/ikke bestått basert på 5 innleverte øvingsoppgaver. Ansvarlig: Svend Andreas Horgen         Læremål: KUNNSKAPER:Kandidaten:- kan redegjøre for hvordan sosiale medier kan brukes forretningsmessig- kan redegjøre for mekanismer for relasjonsbygging i sosiale medier- har kunnskap om hvordan Return on Investment (ROI) kan måles i sosiale medier- har kunnskap om hvordan både virksomheter og enkeltpersoner kan bruke sosiale medier til læring- vet hva et personlig læringsnettverk (PLN) er FERDIGHETER:Kandidaten:- kan føre en blogg over tid og kjenne mekanismer for hvordan en kan lykkes med blogging- kan utforme en strategi for sosiale medier tilpasset virksomhetens behov- kan bruke en rekke Web 2.0-baserte tjenester og sosiale verktøy til å gjennomføre tiltak for å nå virksomhetens mål i sosiale medier- kan planlegge og jobbe systematisk med alle nødvendige faser for å lykkes i oppbyggingen av en sosiale medier-kampanje- kan utføre måling av kampanjer, spesielle tiltak og rutinemessige aktiviteter i sosiale medier- kan bygge opp et personlig læringsnettverk (PLN) og bruke det profesjonelt i sosiale medier-sammenheng GENERELL KOMPETANSE:Kandidaten:- er bevisst på samspillet mellom strategier og øvrige styringsdokumenter i en virksomhet- har et bevisst forhold til viktigheten av å klargjøre ansvarsforhold i sosiale medier- kan foreslå relevante tiltak - og lære - basert på en resultatanalyse fra målinger- er klar over etiske forhold i sosiale medier Innhold:Introduksjon til sosiale medier. Strategier. Relasjoner og ansvarsforhold. Måling. Kampanjer og etikk. Praktisk utforsking av en rekke Web 2.0-tjenester og sosiale medier.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 Sosiale medier 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.  [-]

PowerPoint kurs for deg som mestrer det grunnleggende i PowerPoint, men ønsker å lage mer profesjonelle presentasjoner. Vil du få full oversikt over mulighetene og kunne utforme presentasjoner som skiller seg ut fra det andre lager? Vil du lære triks og presentasjonsteknikk som fremmer ditt budskap hos publikum? Da er ”PowerPoint Videregående” kurset for deg! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1   Tekst Effektiv jobbing. Formulere, flytte og omstrukturere tekst i en presentasjon Skrifttype og størrelse. Hvilke fonter bør man bruke og hvordan endre størrelse og font raskt? Tabulatorer. Sette ut og redigere tabulatorer for å få orden på tall og kolonner Fra Word. Hvordan jobbe effektivt mellom programmene, og gjøre om overskrifter fra et Word-dokument til punkter i PowerPoint? Rette opp feil. Kvitte seg med feil skrifttype, dårlige oppsett og elementer som bryter med malen for å få gjennomført utseende. Hva skjer når man kopierer mellom presentasjoner? Presentasjonstips. Antall punkter, tekstutforming og hvordan beholde publikums fokus?   Bilder Hva fanger blikket? Tilpasse bilder, utsnitt, plassering og bakgrunn for å få fullt fokus fra publikum Størrelse og formater. Komprimere bilder og litt eksempler og teori om bildeformater og bildebehandling Presentasjonstips. Vi ser på de forskjellige settingene der bilder brukes og hva du bør gjøre med bilder Skjermutklipp   SmartArt Introduksjon. Litt om SmartArt og når og hvordan du bør bruke det Effektiv jobbing. Bruk tastaturet for å lage SmartArt Avansert oppsett og animasjon. Lag organisasjonskart og ta kontroll på animasjon av SmartArt Gjør teksttunge presentasjoner bedre. Konverter punktmerkede lister til SmartArt   Figurer og tegning Avanserte muligheter med figurer. Hvordan får figuren nøyaktig det utseende du ønsker? Farger. Tilpasse figurer til automatisk å få firmafarger og hvordan gjøre disse lett tilgjengelig Egendefinerte figurer. Tegn fritt eller slå sammen figurer Figurer og bilder. Hvordan kombinere figurer og bilder på best mulig måte?   Lysbildefremvisning Tilpasset fremvisning. Skjul/vis lysbilder og lag flere varianter av samme presentasjon Dynamiske fremvisningsteknikker. Tips og triks du kan bruke når du holder presentasjonen Presentasjonsvisning. Se notater, tidsbruk og lysbildeoversikt på din skjerm, mens publikum kun ser lysbildet Presentasjonsteknikk. Hva fester seg hos publikum? Både positivt og negativt…   Dag 2   Diagrammer og Excel Kopiere diagram. Alternative innlimingsteknikker og fordelene og ulempene med disse Kopiere tall. Alternative innlimingsteknikker og fordelene og ulempene med disse Behandle koblinger. Oppdatere data og kontrollere koblinger til Excel Presentasjonstips. Gjør avanserte tall og diagram lettleste og forståelige for publikum   Maler og tema Introduksjon. Hva er en mal, hva er et tema og hvordan lager man disse? Lage egen mal. Hva bør man tenke på før man lager ny mal og hvordan lages den? Redigere mal. Tilpasse malen spesielt til din presentasjon Plassholdere. Ta kontroll på hvor overskrift, punktmerking, bunntekst, dato og sidetall skal stå Farger. Fargevalg for tekst, bakgrunn, punktmerking og figurer Grafikk. Innsetting av logo, bakgrunnsgrafikk, navigeringsknapper hyperkoblinger, bilder o.l. Maltips. Hva bør gjøres i malen og hvordan tilbakestiller man lysbilder som har mistet kontakt med malen? Kan firmamalen forbedres. Hvordan går du frem for å sjekke og eventuelt rette opp firmamalen?   Hyperkoblinger Nettsider. Lag hyperkobling for å hente frem aktuelle saker eller hjemmesider Dokumenter. Hent frem Word-dokumenter og Excel-ark og hopp automatisk nøyaktig dit du vil i disse Til andre lysbilder. Hent frem skjulte eller detaljerte lysbilder med ett enkelt museklikk Hyperkoblinger i malen. Gjør store salgspresentasjoner lette å navigere i ved hjelp av hyppig bruk av hyperkoblinger i malen og på enkeltsider   Animasjon, lyd og video Overganger mellom lysbilder. Få lysbilder til å gli pent over i hverandre Avansert animering av tekst/bilder/diagrammer. Hent frem det du vil, når du vil det Tidsberegning og loop. Lysbildeshow til bruk på messer, i butikkvinduer og lignende Innsetting av lyd og video. Hvordan setter man inn og tilpasser lyd og video? Formater og kompatibilitet. Hvilke formater fungerer i PowerPoint og hvordan får man med seg alt på minnepinne? Presentasjonstips. God bruk av animasjon, lyd og video   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti    [-]

Geofag 1 gir en innføring i oppbygningen av jorda og to av prosessene som former overflaten til jorda. Geofag 1 et programfag i studiespesialiserende utdanningsprogram fra programområdet realfag. Faget gir 0,5 realfagspoeng. Du kan bygge videre med Geofag 2 for å oppnå full fordypning i programfaget. Om fagetGeofag består av 3 programfag: Geofag 1, Geofag 2 og Geofag X. Geofag 1 og Geofag 2 er bygd opp slik at de kan velges uavhengig av hverandre. Geofag X er spesielt beregnet på elever på Vg2 som velger matematikk programfag. Det er bare Geofag 1 og Geofag 2 som gir full fordypning.Geofag 1 og Geofag X har tre hovedområder felles: jorda i forandring, naturkatastrofer og geofaglig verktøykasse. Geofag 1 omfatter i tillegg hovedområdet geoforskning. ForkunnskaperAnbefales på det sterkeste at du har et godt grunnlag fra geografi og naturfag. Eventuelt kan disse fagene tas parallelt. Det er også en fordel å ha tatt andre realfag, spesielt Fysikk 1 eller å ta dette parallelt med Geofag 1. Omfang og støtte i LånekassenGeofag 1 utgjør 140 årstimer, dette tilsvarer 33% studiebelastning i Lånekassen dersom du tar faget over ett semester. Du må minimum ha 50% studiebelastning pr. semester for å være støtteberettiget i Lånekassen Eksamen og fagkoderREA3008 er fagkoden du skal bruke når du melder deg opp til privatisteksamen på Privatistweb.Eksamensformen er muntlig-praktisk. Eksamen er lokalgitt, som betyr at dato for eksamen settes av ditt eksamenskontor. [-]

En «rød tråd» gjennom kurset blir risikovurdering. Hva er Forskrift om maskiner (FOM), og hvordan «virker» den. Viste du at det elektriske anlegget for ventilasjonsanlegget, kjøleanlegget, pumpestasjonen osv. er en del av maskinen? Hvem har ansvaret for at maskinen er sikker? Kan vi (oppdragsgiver, elektriker, osv.) bli ansvarlig maskin bygger uten selv å være klar over det? Hva gjelder når vi går inn på en eksisterende maskin og gjør endringer? Hva er kravet til dokumentasjon for en maskin? Formål Håndhevende myndigheter Direktiver, Forskrifter (FEL-FEU-FOM) og normer. Kvalifikasjoner, hvem kan gjøre hva. Virkeområde, hva er en maskin Hvem forskriften retter seg mot Ansvar og rollefordeling Risikovurdering (FOM vedlegg 1, NEK EN 60204-1, NS-EN ISO 12100), er et krav, skal dokumenteres. En generell gjennomgang med gode eksempler. Krav til dokumentasjon FOM §8. Samsvarserklæring type IIA og IIB, hva er forskjellen. Forskrift om utførelse av arbeid, gjelder når maskinen er satt i drift, hvem har ansvaret. Grensesnitt elektrisk installasjon – maskin Liten gjennomgang av NEK EN 60204-1 Maskin sikkerhet - Maskiners elektriske utrustning (Maskinens «NEK400»).   [-]

FSE High and Low voltage with First aid - not including CPR practice.FSE high and low voltage offshore covers all topics detailed in the FSE-regulation concerning work in and close by high and low voltage installations offshore. The course and assessment also cover safety philosophy, various injuries caused by electricity and recommended treatment, as well as personal protective equipment. Topics covered:- Understand what requirements are set for those whom are to work on or by electrical installations.- Specific requirements set out in the FSE regulation.- Know which authority governs operations offshore.- Routines for marking and cordoning off areas.- Requirements for how to organize the work and relevant competency.- Safety philosophy- Accident statistics related to work on electric installations.- Understand the general principles of protection, type specific  protection and marking.- Understand the risks related to rescue in live installations, and in particular in or close to high voltage installations.- Understand the importance of reporting accidents and incidents.- First aid in case of accidents. Low voltage and particular safety measures related to high voltage injuries.- Alarm procedures in case of accidents. Target group:Everyone working on, or are planning for work to be conducted on, electrical installations. There should be no more than 12 months between each training   [-]