Oversikt over relevante kurs innen Kurs i programvare og applikasjoner i Hommersåk

Kursinnhold: De ulike begrepene som blir brukt i Google Analytics Segmentering av brukere i statistikken Hvordan lese relevant statistikk Hva du kan bruke tallene til videre i din markedsføring Hvordan nettsidene dine fungerer og hvor konverteringene kommer fra [-]

AutoCAD 3D introduksjonskurs: Deltagerne skal kunne skille mellom ulike modelltyper, og kjenne til grunnprinsipper for 3D-modellering og bruk av koordinatsystem, samt beherske bruk av betraktningsvinkler og skjermnavigering. Koordinatsystemer Angivelse av punkter i rommet Solid modellering Surface modellering Mesh modellering Sette opp Layout i paperspace, projeksjoner og snitt Lagstruktur og lagdefinisjon, farger, linjetyper, målsetting Lyssetting, naturlig sollys og lokale lyskilder Knytte materialer til objekt eller til lag Renderfunksjoner Animasjon og video [-]

Kurs i Excel med Jon-Gunnar Pettersen. Lær de 100 viktigste funksjonene du kan bruke i hverdagen. I 1985 lanserte Microsoft den første versjonen av Excel. I dag er programmet blitt et nødvendig verktøy for mange kunnskapsarbeidere, og undersøkelser viser at de i snitt bruker Excel en halv time hver dag. Likevel er kapasiteten til programmet dårlig forstått og dårlig utnyttet. Overraskende mange vet for eksempel ikke om en så viktig funksjon som «betinget formatering». I dette kurset vil du finne de 100 viktigste funksjonene i Excel. Med viktig menes det at funksjonen brukes ofte, at den sparer tid, og at den forbedrer kvaliteten på resultatet.    Tabellfunksjonen – noe av det nyttigste Excel kan by på Tabeller Hurtigtasten F4 – et supert hverdagstips Slik markerer du i tabell på en rask og enkel måte Sparkline – små elegante grafer F12 – en praktisk lagringstast Slik lager du formler mellom ark Navning av celler Kjappe måter å kopiere format på Lim inn utvalg – kopier og lim inn for voksne Waterfall – en helt ny graf! Angretasten – opplagt nyttig Formelrevisjon – forstå formler andre har laget Tekst.kombiner og & for å slå sammen flere celler Fryse rader og kolonner i skjermbildet Linjeskift i en celle – der du selv vil Slik kvitter du deg med #NA #IT Absolutt referanse Validering – lag brukervennlige skjemaer for innfylling Hvis-funksjonen Skrive på skrå?  Ctrl+Dra gir deg en lynkjapp måte å kopiere noe på  Bytte mellom arkene i Excel Hurtigtasten ctrl+1 – fin for deg som bruker Excel mye Formler for å regne på datoer, varighet og tid Slik finner du dubletter i en lang liste Låse celler slik at "de andre" ikke kan ødelegge dem Finn.rad – slik slår du opp i en hjelpetabell Indeksformelen – smart for deg som bruker mye finn.rad Betinget summering – konkurrenten til Pivot Bruk betinget formatering til å lage mer oversiktlige oppsett Beskytt fil – slik hindrer du at andre roter det til Transponer – snu et område 90 grader Lim inn utvalg med multiplisering Søk/erstatt, en sentral funksjon – og et par godbiter Lag en enkel lånemodell Målsøking – du vet svaret og skal finne spørsmålet Pivot 1 – slik kommer du i gang Pivot 2 – lag en pivottabell uten tall til f. eks. prosjektoversikt Slicere – ny funksjon som filtrerer tabellene enda kjappere Markeringstriks i tabell – et par skikkelige godbiter Unngå å slå sammen celler 1 – tekstbokser! Unngå å slå sammen celler 2 – midstill i…? Utskrift 1 – sideoppsettvisning Gange med 1 for å lage tall – eller omvendt Pivot 3 – gruppering av tall for bedre oversikt Ctrl G – hurtigtast med mange overraskende muligheter Pivot 4 – slicere, interaktive pivottabeller! Pivot 5 – gruppering av datoer til oversiktlige oversikter Hvis.sett – gjør kompliserte hvis-formler langt enklere Xoppslag – en ny og bedre versjon av finn.rad Slik teller du i Excel med en formel Ersatt-funksjonen – for å bytte ut noe med noe annet Flash fill – snev av kunstig intelligens i Excel Importere og koble data mot en webside Datohurtigtaster – et par fine snarveier Summering med en betingelse Antall.hvis.sett – telle forekomster som oppfyller visse kriterier Dra nedover for å kopiere – denne gangen med kontroll på hva som skjer Kopiere med ctrl+mus Pivot 6 – pivot kan telle! Grafer 1 – slik justerer du kildeområdet Grafer 2 – hvordan sørge for at flere grafer har samme formatering Grafer 3 – lag en graf av et selvvalgt bilde Grafer 4 – graf med flere akser Grafer 5 – lag et gant-diagram, tidsgraf Grafer 6 – mer om grafer til fremdriftsplaner Grafer 7 – koble grafens tittel til en celle i regnearket Lag trafikklys for å illustrere tallene dine Betinget formatering med en formel Betinget formatering – enkle trafikklys Lag to vinduer mot samme fil for å effektivt jobbe i store regneark Alt pil ned – en liten, men elegant hurtigtast! Statuslinken i Excel – brukes til mer enn du trodde Disposisjon Indirektefunksjonen – gir gode muligheter til formler mellom ark Networkingdays – regn arbeidsdager mellom to datoer Bruk #IT til noe nyttig – smart triks på linjegrafer Datatyper – en ny måte å koble Excel opp mot eksterne datakilder på Store tall? Formater som hele 1000! PowerQuery 1 – Excels nye stjerne! Splitt en kolonne i to PowerQuery 2 – reparer feil i tallformat ved importerte tall PowerQuery 3 – slik fikser du feil datoformat PowerQuery 4 – opphev pivotering PowerQuery 5 – koble sammen to tabeller, enklere og kraftigere enn finn.rad Filter-funksjonen – en helt ny Excel-funksjon Sorter-funksjonen – ny funksjon for å lage en sortert liste Unik – slik lister du alle unike verdier i en tabell Passordbeskytte dokumentene på en sikker måte Hurtigmenyen i Excel – en fin snarvei Formatering av 0 – vise som blank Ctrl+ – fin hurtigtast for tabeller Ulike måter å avrunde tall på Hvordan fjerne uønsket rusk i slutten av en Excel-fil Vise tall som tekst, f. eks. postnr og personnr – uten at null i starten forsvin Splitte en kolonne i to  F9 – nyttig triks for å feilsøke de mer kompliserte formlene Utskrift 2 – gjenta overskriftrad på hvert ark Ctrl+G – hurtigtast med en god del nyttige hemmeligheter  Bildekobling – Excels aller minst kjente funksjon [-]

Bli en ekspert i online annonsering med Google Ads gjennom dette dyptgående kurset ledet av Espen Faugstad, gründer av Utdannet.no og en veteran med over 10 års erfaring i digital markedsføring. Dette kurset er skreddersydd for alle, fra de som aldri har brukt Google Ads før, til de som har erfaring men ønsker å heve sin kompetanse til ekspertnivå. Kurset starter med grunnleggende om hvordan du oppretter og konfigurerer en Google Ads-konto. Du vil lære å installere Google Ads-taggen og konverteringssporing, utføre målgruppe- og søkeordsanalyse, og forstå hvordan Google Ads-auksjonen fungerer. Kurset dekker også hvordan du oppretter og optimaliserer ulike typer annonser, inkludert tekst-, bilde-, video- og remarketingannonser. Med en praktisk tilnærming vil kurset guide deg gjennom prosessen med å sette opp effektive kampanjer, forstå auksjonssystemet, og bruke analyseverktøy for å forbedre dine resultater. Ved kursets slutt vil du ha tilegnet deg den kunnskapen du trenger for å mestre Google Ads og drive effektiv annonsering på vegne av deg selv eller dine klienter.   Innhold: Kapittel 1: Introduksjon Kapittel 2: Målgruppe Kapittel 3: Søkeord Kapittel 4: Auksjon Kapittel 5: Tekstannonser Kapittel 6: Bildeannonser Kapittel 7: Videoannonser Kapittel 8: Remarketing Kapittel 9: Analyse Kapittel 10: Avslutning   Varighet: 5 timer og 12 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Tjenesten fungerer på samme måte som strømmetjenester for musikk eller TV-serier. Våre kunder betaler en fast månedspris og får tilgang til alle kursene som er produsert så langt. Plattformen har hatt en god vekst de siste årene og kan skilte med 30.000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling moro, spennende og tilgjengelig for alle – og med oss har vi Innovasjon Norge og Forskningsrådet. [-]

Etter gjennomført kurs skal kursdeltagerne bla. kunne bruke Inventor til å:• Lage modeller• Generere tegninger ut i fra modell• Lage sammenstillinger• Utføre de vanligste tegne- og editeringsfunksjoner• Målsette og påføre tekstKursinnhold:• Grunnleggende begrep og arbeidsmetoder • Parametrisk part-modellering• Arbeide med skisser• Features• Arbeide med sammenstillinger• 2D-layout - oppsett og innstillinger• Generere 2D-tegninger fra modell• Målsetting og innsetting av stykklister [-]

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     [-]

Kubernetes for App Developers (LFD459) [-]

You’ll get hands-on experience with building a Reactive application to stream data leveraging the newly available Reactive data types, Spring WebFlux, Spring Data and Rsocket. Besides that, we will work with some new tools which make dealing with errors and blocking APIs visible. Agenda Introduction Reactive Streams, Publisher/Subscriber types and Reactor types Getting familiar with Project Reactor Using Reactive RabbitMQ with Spring Using Rsocket as a streaming message protocol Using Spring WebFlux Functional configuration API for Spring WebFlux Using Reactive Types with Thymeleaf Using Spring Security Reactive Using Spring Data MongoDB to reactively stream data Using Spring Data R2DBC Using Reactive Redis with Spring What’s next?  Target audience This workshop is targeted at developers and architects who are new to reactive programming and want to learn how to use the Spring ecosystem to get started. Requierments Participants should have some prior knowledge about Java and the Spring Framework/Ecosystem. The workshop will be held in English. In order to participate, you will need: A laptop with at enough spare disk space and RAM Java, Maven and your favourite IDE installed (Eclipse, Spring STS, IntelliJ, Netbeans) Docker for some demos [-]

Blended Virtual CourseThe course is a hybrid of virtual training and self-study which will be a mixture of teaching using Microsoft Teams for short bursts at the beginning of the day, then setting work for the rest of the day and then coming back at the end of the day for another on-line session for any questions before setting homework in the form of practice exams for the evening. You do not have to install Microsoft Teams, you will receive a link and can access the course using the web browser.  Remote proctored examTake your exam from any location. Read about iSQI remote proctored exam here Requirements for the exam: The exam will be using Google Chrome and there is a plug-in that needs to be installed  You will need a laptop/PC with a camera and a microphone  A current ID with a picture  KursinnholdDette 3 dagers kurset er rettet mot de som arbeider med testanalyse og som ønsker ytterligere kompetanse innenfor området. TA kurset er basert på Foundation kursets pensum og gir grunnleggende ferdigheter innenfor testanalyse til deltakerne.     Bouvet sine kursdeltakeres testresultater vs ISTQB gjennomsnitt     Course Content The course provides essential skills for every Test Analyst - designing good quality tests conditions and test cases- prioritising testing based upon risk and constraints- understanding and being able to implement the appropriate black box techniques and non-functional characteristics appropriate for the test analyst- and to effectively participate in a variety of documentation reviews There are 6 sections within this course - section 1 relates to the test analyst’s tasks in the test process- section 2 is concerned with the test analyst’s role in risk based testing- section 3 is the largest section of the syllabus and looks in detail at the various black-box techniques that every test analyst should know and apply within projects.- sSection 4 relates to software quality characteristics that need to be identified and tested by the test analyst- section 5 looks at how the test analyst performs effective reviews- section 6 is concerned with the various tools that every test analyst should know in order to perform their work efficiently. Exam The participant must attain the ISTQB Foundation in Software Testing qualification as a pre-requisite to taking the exam. The exam is a remote proctored exam.The ISTQB Advanced TA exam is a 2-hour multiple choice exam with the pass mark being 65%. There is an extra 45 minutes allowed for candidates whose first language is not English.You must hold the ISTQB Foundation certificate in software testing in order to sit this exam [-]

  Fleksible kurs for fremtiden Ny kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt. NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon.   Få kontroll på alle funksjonene i Sheet Metal   Her er et utvalg av temaene du vil lære på kurset: Bruker-grensesnitt og filtyper Funksjoner for platekonstruksjon Standard-oppsett 2D dokumentasjon utbrettsdelen Eksport av data til stansemaskiner Etter kurset vil du kunne arbeide optimalt med konstruksjon og dokumentasjon av materialer laget i sheet metal modulen. Du lærer prinsipper og best practise i bruk og opsetting av parter til plate konstruksjoner, samt tilgang til bearbeidelse av plater, utbrett og output til f.eks. DXF-filer.     Tilpassete kurs for bedrifter Vi vil at kundene våre skal være best på det de gjør - hele tiden.  Derfor tenker vi langsiktig om kompetanseutvikling og ser regelmessig kunnskapsløft som en naturlig del av en virksomhet. Vårt kurskonsept bygger på et moderne sett av ulike læringsmiljøer, som gjør det enkelt å finne riktig løsning uansett behov.   Ta kontakt med oss på telefon 483 12 300, epost: salg@nticad.no eller les mer på www.nticad.no   [-]

Kurset går i dybden på en del standard kommandoer og områder som plotting, målsetting, teksting og skravur. I tillegg gjennomgåes en del nye og avanserte kommandoer som Block og attributter, XREF og import og bruk av PDF filer.    AutoCAD 2D Videregående kurs: Tilpasse AutoCAD til eget brukermiljø Blokker med attributter og uttrekk til tabell/Excel Tabeller og Fields XREF - eksterne referanser Import og håndtering av PDF filer Innsetting av andre filformater som eks. DWF, raster filer og DGN Definering og bruk av annotative objekter ved målsetting og teksting. Avansert plotting Funksjoner i Express Tools   [-]

Kubernetes Administration (LFS458) [-]

Med pivottabeller kan du på en rask og elegant måte summere, analysere, granske og presentere dine data med få klikk. Har du store mengder data i Excel? Med verktøyet pivottabeller i Excel har du et kraftig verktøy som gjør at du raskt og enkelt sammenfatter hovedtall for store mengder data. I databehandling er en pivottabell et datavisualiseringsverktøy, og i Excel er dette verktøyet ypperlig for å trekke ut konklusjoner fra store mengder data. Blant andre funksjoner kan en pivottabell automatisk sortere, telle, summere totaler eller gjennomsnitt av de data som er lagret i en tabell eller regneark, og resultatene vises i en annen tabell som viser sammenfattet data. Med pivottabeller kan du på en rask og elegant måte summere, analysere, granske og presentere dine data med få klikk. Pivottabeller gir deg en svært effektiv måte å justere hvordan dine resultater skal vises. På basis av dine pivottabeller kan du også opprette flotte pivotdiagrammer som automatisk oppdateres når det gjøres endringer i dine pivottabeller.  Forkunnskap: Du bør være godt kjent med å jobbe i Microsoft Excel tidligere, og ha forståelse for bruk av formler og funksjoner. Hva er en pivottabell Forstå de ulike datatypene i Excel Opprettet pivottabeller basert på lister eller tabeller Jobbe med pivottabellrapporter Bruk av felt Gruppering i pivottabeller Pivottabelldiagrammer Slicers Tidslinjer Oppdatering av pivottabeller Lag egne kalkyler i pivottabeller Formatering og endring av utseende i pivottabeller Datamodeller & spørringer [-]

Kurset er rettet mot deg som vil lære grunnprinsippene og arbeidsmetodikk for prosjektering av terreng og landskap i AutoCAD Civil 3D. Kurset er øvelsesbasert og følger en kursbok med tilhørende øvelsesfiler. Hensikten med kurset er å gi deg dypere innføring i prosjektering av landskap og terrengbearbeiding med AutoCAD Civil 3D og Focus CAT Basis og Landskap.   Kursinnhold: Forslag til oppstart av et prosjekt i AutoCAD Civil 3D prosjekter ved bruk av Data Shortcuts Hvordan bruke gradings (skråningsutslag) Hvordan bruke assemblies til å lage en enkel vei Hvordan bruke assemblies til å lage en murvegg Masseberegning av en del av terrenget Opptegning av ryddige snitt av terrenget Visualisering i AutoCAD Civil 3D Gjennomgang av nyttige funksjoner i Focus CAT landskap Kursdokumentasjonen er på norsk. [-]

Fleksible kurs for fremtidenNy kunnskap skal gi umiddelbar effekt, og samtidig være holdbar og bærekraftig på lang sikt. NTI AS har 30 års erfaring innen kurs og kompetanseheving, og utdanner årlig rundt 10.000 personer i Nord Europa innen CAD, BIM, industri, design og konstruksjon.   AutoCAD plant 3D grunnkurs  Her er et utvalg av temaene du vil lære på kurset: Prosjektoppsetning og Modullinjer/net Design av stålkonstruksjoner Utstyr (opprettelse av utstyr og import av utstyr bl.a. fra Inventor) Rørdesign i 3D-modellen Redigering av stål, utstyr og rørtrekk Opprettelse av arrangementstegninger og rørisometritegninger  Uttrekk av mengdedata i listeform Kurset  gir  en innføring i systemets oppbygging med rørdesign i sentrum. Videre gjennomgås de enkelte modulene i henhold til følgende arbeidsflyt: P&ID. Integrert i løsningen er velkjente AutoCAD P&ID og vi tar utgangspunkt i et enkelt flytdiagram som representerer det skjematiske designet for minifabrikken vi skal modellere Stål/Struktur. Tilpassete kurs for bedrifterVi vil at kundene våre skal være best på det de gjør - hele tiden.  Derfor tenker vi langsiktig om kompetanseutvikling og ser regelmessig kunnskapsløft som en naturlig del av en virksomhet. Vårt kurskonsept bygger på et moderne sett av ulike læringsmiljøer, som gjør det enkelt å finne riktig løsning uansett behov. Ta kontakt med oss på telefon 483 12 300, epost: salg@nticad.no eller les mer på www.nticad.no   [-]