Oversikt over relevante kurs innen Kurs i programvare og applikasjoner i Skåne län

Kursinstruktør   Geir Johan Gylseth Geir Johan Gylseth er utdannet ved Universitetet i Oslo med hovedvekt på Informatikk og har over 30 års erfaring som instruktør. Geir sin styrke ligger innenfor MS Office. Han har lang erfaring med skreddersøm av kurs, kursmanualer og oppgaver. Geir er en entusiastisk og dyktig instruktør som får meget gode evalueringer. Kursinstruktør   Jonny Austad Jonny Austad er utdannet som Adjunkt og har jobbet som lærer og instruktør siden 1989. Han har dessuten jobbet mye med support og drifting av nettverk og vet som oftest hva som er vanlige problemer ute i bedriftene. Han var den første Datakort-læreren i landet (høsten 1997), og har Office-pakken med spesielt Excel som sitt hjertebarn. Jonny er en meget hyggelig og utadvendt person som elsker å undervise med smarte løsninger på problemer samt vise smarte tips og triks i de ulike programmene. Kursinnhold Dette kurset lærer deg å håndtere ressurser, aktiviteter og budsjett. Du kan opprette, oppdatere og gjøre enkel oppfølging i et prosjekt. Vi går igjennom hvordan du, både grafisk og i tekst, ser effekten av forandringer i prosjekt og hvordan du kan skrive ut dine prosjektplaner. Målet med kurset er å gi deg en prossessorientert tilnærming i MS Project slik at du er i stand til å arbeide målrettet og effektivt med programvaren etter kurset. Sett opp Project for bruk i din bedrift – tips og triks. Lag egne kalendere for enkeltpersoner og/eller grupper. Hold oversikt over tids- og ressursbruk. Vit hvem som jobber hvor – på tvers av prosjekter. Kontroller kostnadene i prosjektet. Ta hensyn til lønnsøkningerog variable kostnader. Vis og kontroller hvordan prosjektet går i forhold til opprinnelig plan (Baseline). Presenter fremdrift på papir og på nett. Utnytt de nye rapportmulighetene. Ta hensyn til at arbeid noen ganger foregår på kvelden og i helger. Se hvordan du kan få vakre utskrifter med egendefinertekomponenter ved hjelp av Project 2016 sine rapportegenskaper. Lag dine egne tabeller og visninger, skreddersydd til ditt bruk. Gjør rapportering og oppfølging enkel slik at du kan konsentrere deg om å lede prosjektet. Bruk tidslinje for enkelkommunikasjon av fremdrift. Kommunikasjon med andre programmer. I tillegg får du en rekke tips og triks du kan bruke i din arbeidsdag.  Alt du lærer får du repetert gjennom aktiv oppgaveløsning slik at du husker det du har lært når du kommer tilbake på jobb. Kursdokumentasjon, lunsj og pausemat er selvsagt inkludert! Kursholderne har mer enn 20 års Project erfaring som de gjerne deler med deg! Meld deg på Project-kurs allerede i dag og sikre deg plass!  Av innhold kan vi nevne:   Innstilling av programvaren – en reprise fra grunnkurset Hva vil jeg ha ut av mine planer og hvordan får jeg det Effektiv og målrettet planlegging Bruk av ressurspool – Ressursstyring på tvers av prosjekter Integrasjon og kobling mot Excel i rapportering og kostnadsoppfølging En grundig gjennomgang av mulighetene i Project Bygg dine egne rapporter og visninger Bruk av flere kalendere Detaljert budsjettering og kostnadsoppfølging Få hjelp og råd med dine konkrete utfordringer i Project [-]

Kursinnhold Flash Fill Diagrammer Sparkline grafikk Hurtiganalyse Sortering og filtrering Avansert filter Delsammendrag Tabeller Målgruppe Deg som Jobber med lister i Excel Ønsker å effektivisere databehandlingen i Excel Vil ha en kjapp gjennomgang av disse elementene. Har grunnleggende kunnskaper i Excel og ønsker å lære mer. Forkunnskaper Har laget regneark Har kunnskaper tilsvarende «Ta kontroll over regnearket» Det er fordelaktig å ha to skjermer - en til å følge kurset og en til å gjøre det kursholder demonstrerer. Kurset gjennomføres i sanntid med nettundervisning via Teams. Det blir mulighet for å stille spørsmål, ha diskusjoner, demonstrasjoner og øvelser. Du vil motta en invitasjon til Teams fra kursholder. [-]

GeT Everything NTI tilbyr eLæringkurs av høyeste kvalitet. Uansett hvilket kurs du velger har du tilgang til dem 24/7 i 1 år (365 dager). Med elæringskurs velger du selv ditt tempo i læringen, og om du vil lære gjennom kombinasjon av å se, lese, lytte og teste selv – eller hvorfor ikke en kombinasjon av flere? Det du trenger er en PC, smarttelefon eller nettbrett som har internettilgang   Her er et utvalg av kursene du får tilgang på: Autodesk Adobe Primavera Bluebeam Bentlye Microsof Trimble McNeel NTI  leverer opplæring for å forenkle og effektivisere din arbeidshverdag Vi 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. Global eTraining har over 25 års erfaring med opplæring, og har solgt millioner av elæringskurs i over 150 land.  PC, smarttelefon eller nettbrett som har internettilgang Pål har gjennomført e-læringskurs Pål hadde ikke anledning til å reise bort en uke for å delta på kurs, da var det forlokkende å gjennomføre kurset som e-læringskurs. Kurset var absolutt verdt pengene. Det var en viktig bekreftelse på at jeg har basiskunnskapene. Jeg lærte mange nye viktige kommandoer for å gjøre operasjoner mer effektivt, fikk også en pekepinn på hvor jeg kan bygge på med kunnskap.Les mer her [-]

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.   Her er et utvalg av temaene du vil lære på kurset: Generelt om Nastran In-CAD brukergrensesnitt Gjennomgang av hvilke typer FE-analyser som kan utføres med Nastran In-CAD Innføring i opprettelse av beregningsmodeller i Nastran In-CAD Gjennomføre analyser Vurdere beregningsresultater Presentasjon av beregningsresultater Det blir undervist i grunnleggende funksjonalitet og metodikk som gjør at deltakeren kan skape FE-beregningsmodeller med utgangspunkt i 3D-modeller i Inventor. Autodesk Nastan In-CAD – Grunnkurs er et kurs som alle Inventor-brukere bør gjennomføre for å komme i gang med FE-beregninger av konstruksjoner som modelleres i Inventor.   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 [-]

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.   Best practice i Part og Assemblie, tips og triks Ulike metoder på Skjellett-modellering. (Derived VS Multibody) Hvordan bruke Parametere Frame generator Flere Assemblie-features, Design View/ Level of Detail En kjapp innføring i iLogic Kurset vil også i en viss grad bli styrt ut ifra deltagernes spørsmål og ønsker   Her er et utvalg av temaene du vil lære på kurset: Intelligente konstruksjoner Sammenstillingsfunksjoner Konstruksjonsverktøyer Etter endt kurs vil du ha kunnskap og forståelse for oppbygning av definerte mekaniske konstruksjoner med Inventors avanserte designverktøy som f.eks. rammegenerator.Dessuten oppnår du en grundig kunnskap om håndtering og oppbygning av skjelettmodeller med bruk av ”Multi Bodies”.Du lærer å utnytte funksjoner som kan effektivisere håndteringen av samlinger.   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 [-]

Excel Pivot kurs for deg som ønsker god oversikt over store datamengder. Gjennomgang av viktigheten av et korrekt grunnlag, for å kunne benytte de gode analysemulighetene som ligger i Excel. Det blir vist hvordan pivot kan brukes på forskjellige måter, og hvordan dette kan gjøres med dynamiske områder. Det vil også være rom for å demonstrere enkelte funksjoner som kan gjøre rapportering i Pivot bedre. Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Utgangspunktet: listen Få de beste rådene angående listen du skal bruke.   Utgangspunktet: tabellen Se fordeler ved å bruke dynamisk tabell vs. statisk liste.   Pivottabell - begrepsavklaringer Hva er en Pivottabell: Forklaring gis på ord og uttrykk relevant for pivottabellen. Grunnlaget: Grunnlaget, tabellen, bør være bygd opp på en spesiell måte, vi forklarer hvordan. Konsolidering: Vi viser hvordan grunnlaget kan være ulike krysstabeller som sys sammen til en pivottabell. Power Pivot Separate pivotminner: Hvorfor bruke dette?   Oppdatere pivottabell Endring i datakilden: Oppdatering av pivottabellen er viktig å kjenne til. Utvidelse av datakilden: Hva skjer dersom listen utvides enten i bredden eller i høyden. Dynamisk navngiving er en effektiv løsning. En annen metode er å opprette pivottabellen på basis av en liste som er definert som en tabell. Datakilder: Lær hvordan du kan ha flere ulike kilder som basis for pivottabellen, og hvordan disse skal oppdateres ved behov.   Pivottabellutseende Endring av oppsett: Lær hvor enkelt det er å endre oppsette for pivottabellen. Autooppsett: Excel 2010 har mange ulike autoformat. Formatering: I tillegg til formatet på selve pivottabellen, gjennomgår vi også celleformateringen. Sortering: Sorter gjerne tall og eller tekst Filter: Se forskjell på den tradisjonelle måten å filtrere på eller slicer. Skjule/vise: Sentralt når du ønsker å fokusere på deler av en rapport. Gruppering: Tekst, tall eller datoer kan fint grupperes. Nyttig! Vise / skjule delsummer: Praktisk å kjenne til hvordan du aktiverer / deaktiverer delsummer   Beregninger i pivottabell Bestemme ulike sammendrag: I en pivottabell kan du utføre ulike sammendrag. Egendefinert beregninger: Lær hvordan du kan lage nye beregnende felt på basis av eksisterende felt i en pivottabell. Vise data på ulike måter: Feltene kan vises blant annet som prosenter av andre felt, eller tallavvik av andre felt.   Anvendelse av pivottabellen Hent data: vi viser deg ulike metoder for å hente data fra en pivottabell, for bruk i ”vanlige” celler i Excel. Diagram: Lær hvordan du kan lage ulike diagrammer basert på data i pivottabellen   Power Pivot Import av PowerPivot data: Du kan hente data til PowerPivot vindu på ulike måter og fra ulike kilder. Koble data: Lær å opprette relasjoner mellom tabeller Rapporter: Bygg opp pivotrapporter fra relaterte grunnlag Beregninger: Introduksjon til DAX språket 4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti     [-]

Achieve More med MS Outlook (tidl. FTG) [-]

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. [-]

  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 [-]

Er du på jakt etter mer avansert funksjonalitet på forsidene dine? På dette webinaret lærer du mer om å sette inn innhold fra andre kilder og å sy sammen komponentene på siden. Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Sider og sideoppsett Bli kjent med Webdel-sider og oppsett Hvordan legge til skriptsnutter og elementer fra andre nettsider   Bygg inn innhold Legg inn embed-kode Forberede og presentere en PowerPoint-presentasjon på forsiden ved hjelp av Office Web Apps/Office Online   Forsider og dashboards Forberede og presentere en Excel-bok på forsiden med Excel Services Forberede og presentere en Visio-tegning som forsidemeny med Visio Services   Dynamiske sider Målgrupper Koble sammen webdeler og la innhold i en webdel påvirke innholdet i en annen   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support [-]

Power BI Desktop [-]

The course is designed for Azure system administrators, solutions architects, and SysOps administrators who are familiar with Azure features and setup and want to gain experience configuring Google Cloud products immediately.  This course uses lectures, demos, and hands-on labs to show you the similarities and differences between the two platforms and teach you about some basic tasks on Google Cloud. Objectives This course teaches participants the following skills: Identify Google Cloud counterparts for Azure IaaS, Azure PaaS, Azure SQL, Azure Blob Storage, Azure Application Insights, and Azure Data Lake Configure accounts, billing, projects, networks, subnets, firewalls, VMs, disks, auto-scaling, load balancing, storage, databases, IAM, and more Manage and monitor applications Explain feature and pricing model differences All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introducing Google Cloud -Explain the advantages of Google Cloud-Define the components of Google’s network infrastructure, including points of presence, data centers, regions, and zones-Understand the difference between Infrastructure-as-a-Service (IaaS) and Platform-as-a-Service (PaaS) Module 2: Getting Started with Google Cloud -Identify the purpose of projects on Google Cloud-Understand how Azure’s resource hierarchy differs from Google Cloud’s-Understand the purpose of and use cases for Identity and Access Management-Understand how Azure AD differs from Google Cloud IAM-List the methods of interacting with Google Cloud-Launch a solution using Cloud Marketplace Module 3: Virtual Machines in the Cloud -Identify the purpose and use cases for Google Compute Engine-Understand the basics of networking in Google Cloud-Understand how Azure VPC differs from Google VPC-Understand the similarities and differences between Azure VM and Google Compute Engine-Understand how typical approaches to load-balancing in Google Cloud differ from those in AzureDeploy applications using Google Compute Engine Module 4: Storage in the Cloud -Understand the purpose of and use cases for: Cloud Storage, Cloud SQL, Cloud Bigtable and Cloud Datastore-Understand how Azure Blob compares to Cloud Storage-Compare Google Cloud’s managed database services with Azure SQL-Learn how to choose among the various storage options on Google Cloud-Load data from Cloud Storage into BigQuery Module 5: Containers in the Cloud -Define the concept of a container and identify uses for containers-Identify the purpose of and use cases for Google Container Engine and Kubernetes-Understand how Azure Kubernetes Service differs from Google Kubernetes Engine-Provision a Kubernetes cluster using Kubernetes Engine-Deploy and manage Docker containers using kubectl Module 6: Applications in the Cloud -Understand the purpose of and use cases for Google App Engine-Contrast the App Engine Standard environment with the App Engine Flexible environment-Understand how App Engine differs from Azure App Service-Understand the purpose of and use cases for Google Cloud Endpoints Module 7: Developing, Deploying and Monitoring in the Cloud -Understand options for software developers to host their source code-Understand the purpose of template-based creation and management of resources-Understand how Cloud Deployment Manager differs from Azure Resource Manager-Understand the purpose of integrated monitoring, alerting, and debugging-Understand how Google Monitoring differs from Azure Application Insights and Azure Log Analytics-Create a Deployment Manager deployment-Update a Deployment Manager deployment-View the load on a VM instance using Google Monitoring Module 8: Big Data and Machine Learning in the Cloud -Understand the purpose of and use cases for the products and services in the Google Cloud big data and machine learning platforms-Understand how Google Cloud BigQuery differs from Azure Data Lake-Understand how Google Cloud Pub/Sub differs from Azure Event Hubs and Service Bus-Understand how Google Cloud’s machine-learning APIs differ from Azure’s-Load data into BigQuery from Cloud Storage-Perform queries using BigQuery to gain insight into data Module 9: Summary and Review -Review the products that make up Google Cloud and remember how to choose among them-Understand next steps for training and certification-Understand, at a high level, the process of migrating from Azure to Google Cloud [-]

Vil du jobbe enklere og mer effektivt i InDesign? På dette kurset vil du lære å lage gode, avanserte og tidsbesparende maler for sider, tekst og objekter, samt gjenbruk via biblioteker. Etter kurset kan du lage egne maler som automatiserer mange arbeidsprosesser og sparer deg for mye tid og arbeid. Gode maler kvalitetsikrer produktetene dine og gir deg mere tid til å være kreativ. Hvem passer kurset for? Kurset passer for deg som jobber i Adobe InDesign og ønsker å utnytte programmets potensiale. Forhåndskunnskap i InDesign: «InDesign grunnkurs» eller tilsvarende kunnskap. Dette lærer du: God, effektiv og avansert bruk av maler for sider, tekst og objekter i Adobe InDesign Spar på elementer du lager med CC Libraries Lage automatisk innholdsfortegnelse Bruk av tabell Tekstlenker og registerlinjer Hvordan tilpasse en layout til ulike størrelser i samme dokument Lage egne tastatursnarveier https://igm.no/indesign-kurs-videregaende/ [-]

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     [-]

AZ-204: Developing Solutions for Microsoft Azure [-]