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

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher i en e-post fra Peoplecert. Denne vil være gyldig i ett år. Tid for sertifiseringstest avtales som beskrevet i e-post med voucher. Eksamen overvåkes av en web-basert eksamensvakt.   Eksamen er på engelsk. Eksamensformen er multiple choice 50 spørsmål skal besvares, og du består ved 50% korrekte svar (dvs 25 av 50 spørsmål). Deltakerne har 40 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.     [-]

Mange av prinsippene for stor dokumenter kan med fordel også anvendes på de aller fleste dokumenter, inklusive brev og notater. Her går vi gjennom alt du trenger for å skrive bøker eller avhandlinger og også det du trenger for å skrive invitasjoner til nyttårsfest eller barnebursdag. Kursinnhold Fletting til brev, konvolutter, etiketter og e-post Bruk av stiler Bilder og bildetekster innholdsfortegnelse, stikkordliste og figurliste Spalter, marger, sidefarger, sidekantlinjer og dokumenttemaer. Deldokumenter kan samles i et hoved dokument  Topp- og bunntekster og side nummerering. Utklipp, figurer, SmartArt og diagram. Tekstbokser Tabeller: Formatering, sortering og beregninger. Maler med Felt, innholdskontroller og skjemakontroller Med makroer kan du effektivisere avanserte oppgaver som består av serie med handlinger. 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. [-]

E-læringskurset gir deg en opplevelsesrik og praktisk opplæring i tekstbehandlingsprogrammet Word 2016. En kombinasjon av videoer, teori, oppskrifter, oppgaver og tester gjør det enkelt å lære seg de nye funksjonene og verktøyene. En komplett e-læring med både grunnleggende og videregående emner. E-læringskurset inneholder 79 opplæringsvideoer.E-læringskurset er tilpasset Office 365.Testene i e-læringskurset måler kunnskap før, under og etter opplæringen. Når ettertesten er bestått får du tilgang til et kursbevis i PDF-format som enkelt kan lagres eller skrives ut.Jobb smart og effektivt!- Office 365 gir deg alltid den nyeste versjonen av Word.- Maler er tilgjengelig ved oppstart.- Enklere åpning og lagring av dokumenter.- Microsoft-kontoen kobler enheten til OneDrive, slik at du alltid har tilgang til filene dine.- Egen modus som er optimalisert for berøring.- Enklere søk etter kommandoer, handlinger og hjelp.- Et integrert utskriftsmiljø med både utskriftsinnstillinger og forhåndsvisning.- Du kan konvertere et PDF-dokument til et redigerbart Word-dokument.- Med formatering av tegn og avsnitt setter du ditt personlige preg på dine dokumenter.- Stiler effektiviserer formateringsarbeidet og gjør formateringen konsekvent.- Med verktøy for sideformatering kan du tilpasse papirretning, marger og topp- og bunntekst.- Bruk av tema gir en konsekvent layout på alle Office-dokumenter.- Stave- og grammatikkontrollen luker ut de fleste stavefeilene i dokumentet.- Synonymordboka gjør det enklere å variere og forbedre språket.- Tabeller kan brukes for å presentere informasjon på en oversiktlig måte.- Med tabellstiler går det raskt å formatere tabeller med et profesjonelt utseende.- Frisk opp dokumentet med illustrasjoner som bilder, figurer, WordArt og SmartArt-grafikk.- Enklere å finne og sette inn bilder fra både datamaskinen, OneDrive og en kilde på Internett.- Figurene kan brukes til å tegne linjer, rektangler, piler, stjerner og flytskjema.- Objekter tilpasses ved å endre plassering, størrelse, rotering, rekkefølge etc.- WordArt kan brukes for å lage spesielle teksteffekter i et dokument.- SmartArt-grafikk kan brukes til å lage flotte illustrasjoner.- Diagram egner seg godt for å gi et visuelt, lettfattelig inntrykk av tallverdier.- Maler brukes for å sikre at dokumenter av samme type får en ensartet formatering.- Innholdskontroller kan settes inn for å effektivisere bruken av maler.- Med utskriftsfletting kan du masseprodusere brev, e-postmeldinger, konvolutter og etiketter.Innhold:- Før du starter- Redigering- Formatering- Sideformatering- Språkverktøy- Tabeller- Illustrasjoner- Maler og skjema- Fletting [-]

Med Power Automate kan du automatisere forretningsprosesser og handlinger på tvers av organisasjonen, med lite eller ingen koding. Ta farvel med kjedelige, repetitive oppgaver og effektiviser hverdagen. Ikke minst er Power Automate ofte en del av Microsoft 365 lisensen du kanskje allerede har. Power Automate er Microsoft sin løsning for automatisering av prosesser, og er en tjeneste som lar deg utvikle flyter på tvers av en rekke applikasjoner og tjenester med lite eller ingen koding. Du kan selvfølgelig få tjenestene i Microsoft 365 til å snakke sammen slik du vil, men det finnes også flere hundre koblinger til andre eksterne tjenester. I tillegg har du naturligvis mulighet til å benytte generelle tilkoblinger, for å hente data fra egne APIer, databaser og tjenester. Power Automate gir muligheter til brukere på tvers av organisasjonen som tidligere i stor grad har vært forbeholdt utviklere.  I løpet av kurset vil deltagere få en hands-on opplevelse av hva Power Automate er, hva det kan brukes til, og hvordan en kan jobbe med det. Kursholderen vil gjøre deltakerne godt kjent med terminologien, demonstrere løsninger og utfordre med øvelser.  Dette er et introduksjonskurs, så det er naturligvis mye vi ikke vil rekke å gå gjennom. Kursleder vil peke deltagerne til gode kilder for videre læring. Det er også mulig å be om bedriftsinterne kurs på videregående nivå, der man kan spesifisere ønsket fokus og spesifikke behov. Disse kan også kjøres som workshops.   TA MED EGEN PC   Kursinnhold Power Automate - det store bildet Ulike flyttyper Bli kjent med arbeidsflaten Datakilder og koblinger Beste praksis for navngivning, utvikling, dokumentering m.m. Bruksområder og viktige begrensninger   [-]

Objectives This course teaches participants the following skills: Design and build data processing systems on Google Cloud Platform Process batch and streaming data by implementing autoscaling data pipelines on Cloud Dataflow Derive business insights from extremely large datasets using Google BigQuery Train, evaluate, and predict using machine learning models using Tensorflow and Cloud ML Leverage unstructured data using Spark and ML APIs on Cloud Dataproc Enable instant insights from streaming data   All courses will be delivered in partnership with ROI Training, Google Cloud Premier Partner, using a Google Authorized Trainer. Course Outline Module 1: Introduction to Data Engineering -Explore the role of a data engineer-Analyze data engineering challenges-Intro to BigQuery-Data Lakes and Data Warehouses-Demo: Federated Queries with BigQuery-Transactional Databases vs Data Warehouses-Website Demo: Finding PII in your dataset with DLP API-Partner effectively with other data teams-Manage data access and governance-Build production-ready pipelines-Review GCP customer case study-Lab: Analyzing Data with BigQuery Module 2: Building a Data Lake -Introduction to Data Lakes-Data Storage and ETL options on GCP-Building a Data Lake using Cloud Storage-Optional Demo: Optimizing cost with Google Cloud Storage classes and Cloud Functions-Securing Cloud Storage-Storing All Sorts of Data Types-Video Demo: Running federated queries on Parquet and ORC files in BigQuery-Cloud SQL as a relational Data Lake-Lab: Loading Taxi Data into Cloud SQL Module 3: Building a Data Warehouse -The modern data warehouse-Intro to BigQuery-Demo: Query TB+ of data in seconds-Getting Started-Loading Data-Video Demo: Querying Cloud SQL from BigQuery-Lab: Loading Data into BigQuery-Exploring Schemas-Demo: Exploring BigQuery Public Datasets with SQL using INFORMATION_SCHEMA-Schema Design-Nested and Repeated Fields-Demo: Nested and repeated fields in BigQuery-Lab: Working with JSON and Array data in BigQuery-Optimizing with Partitioning and Clustering-Demo: Partitioned and Clustered Tables in BigQuery-Preview: Transforming Batch and Streaming Data Module 4: Introduction to Building Batch Data Pipelines -EL, ELT, ETL-Quality considerations-How to carry out operations in BigQuery-Demo: ELT to improve data quality in BigQuery-Shortcomings-ETL to solve data quality issues Module 5: Executing Spark on Cloud Dataproc -The Hadoop ecosystem-Running Hadoop on Cloud Dataproc-GCS instead of HDFS-Optimizing Dataproc-Lab: Running Apache Spark jobs on Cloud Dataproc Module 6: Serverless Data Processing with Cloud Dataflow -Cloud Dataflow-Why customers value Dataflow-Dataflow Pipelines-Lab: A Simple Dataflow Pipeline (Python/Java)-Lab: MapReduce in Dataflow (Python/Java)-Lab: Side Inputs (Python/Java)-Dataflow Templates-Dataflow SQL Module 7: Manage Data Pipelines with Cloud Data Fusion and Cloud Composer -Building Batch Data Pipelines visually with Cloud Data Fusion-Components-UI Overview-Building a Pipeline-Exploring Data using Wrangler-Lab: Building and executing a pipeline graph in Cloud Data Fusion-Orchestrating work between GCP services with Cloud Composer-Apache Airflow Environment-DAGs and Operators-Workflow Scheduling-Optional Long Demo: Event-triggered Loading of data with Cloud Composer, Cloud Functions, -Cloud Storage, and BigQuery-Monitoring and Logging-Lab: An Introduction to Cloud Composer Module 8: Introduction to Processing Streaming Data Processing Streaming Data Module 9: Serverless Messaging with Cloud Pub/Sub -Cloud Pub/Sub-Lab: Publish Streaming Data into Pub/Sub Module 10: Cloud Dataflow Streaming Features -Cloud Dataflow Streaming Features-Lab: Streaming Data Pipelines Module 11: High-Throughput BigQuery and Bigtable Streaming Features -BigQuery Streaming Features-Lab: Streaming Analytics and Dashboards-Cloud Bigtable-Lab: Streaming Data Pipelines into Bigtable Module 12: Advanced BigQuery Functionality and Performance -Analytic Window Functions-Using With Clauses-GIS Functions-Demo: Mapping Fastest Growing Zip Codes with BigQuery GeoViz-Performance Considerations-Lab: Optimizing your BigQuery Queries for Performance-Optional Lab: Creating Date-Partitioned Tables in BigQuery Module 13: Introduction to Analytics and AI -What is AI?-From Ad-hoc Data Analysis to Data Driven Decisions-Options for ML models on GCP Module 14: Prebuilt ML model APIs for Unstructured Data -Unstructured Data is Hard-ML APIs for Enriching Data-Lab: Using the Natural Language API to Classify Unstructured Text Module 15: Big Data Analytics with Cloud AI Platform Notebooks -What’s a Notebook-BigQuery Magic and Ties to Pandas-Lab: BigQuery in Jupyter Labs on AI Platform Module 16: Production ML Pipelines with Kubeflow -Ways to do ML on GCP-Kubeflow-AI Hub-Lab: Running AI models on Kubeflow Module 17: Custom Model building with SQL in BigQuery ML -BigQuery ML for Quick Model Building-Demo: Train a model with BigQuery ML to predict NYC taxi fares-Supported Models-Lab Option 1: Predict Bike Trip Duration with a Regression Model in BQML-Lab Option 2: Movie Recommendations in BigQuery ML Module 18: Custom Model building with Cloud AutoML -Why Auto ML?-Auto ML Vision-Auto ML NLP-Auto ML Tables [-]

Er dokumentet ditt blitt så stort og uoversiktlig at det er vanskelig å redigere og vedlikeholde? Få kontrollen tilbake med smart oppbygging av dokumenter! 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:   Lage innholdsfortegnelse for hele/ deler av et dokument Bruk av overskriftsstiler Inkludere egne «overskrifter» i innholdsfortegnelsen   Referanser Kryssreferanser: Henvisninger til ulike steder i dokumentet Lage bildetekstliste (innholdsfortegnelse for tabeller, bilder, figurer osv.) Sette inn fotnote/ sluttnote   Generelt Litt om topp- og bunntekst Tekstflyt i dokumentet   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support [-]

Dette er et spesialkurs som fokuserer på analyse av store datasett ved hjelp av Pivottabell og Power Pivot, samt formelbasert analyse. Målet er å få frem styrker og svakheter ved de forskjellige metodene, og å se litt på hvilke forutsetninger som påvirker valg av løsning. For å ha utbytte av dette kurser forutsettes at man er vant bruker av Excel. Pivot og Power Pivot blir gjennomgått fra begynnelsen, så man trenger ikke være kjent med disse verktøyene fra før. Betingede formler kan være ganske krevende, så det er en fordel å være litt trygg på formelskriving. I en kurssituasjon blir selvsagt kurset tilpasset deltagernes nivå og forkunnskaper. I kurset gjennomgås bl.a.: Kontroll/gjennomgang av en del sentral funksjonalitet – bl.a. absolutte, relative og blandede referanser. Sammendrag av data fra flere ark i samme eller flere arbeidsbøker, bl.a. gjennomgående summering og tabulering v.hj.a. INDIREKTE-funksjonen. Betingende sammendrag v.hj.a. matriseformler og funksjoner Modifisere datasett med FINN.RAD, FINN.KOLONNE, matriseformler og andre teknikker Pivottabell, hvor vi bl.a. ser på: Sette sammen data fra forskjellige grunnlag før pivotering Vise dataserie på forskjellige måter (sum, gjennomsnitt, prosentfordelt, etc.) Hvordan foreta beregninger rett i pivottabellen, f.ex. inntekter – kostnader = resultat Pivottabell hvor datagrunnlaget er oppdelt i flere forskjellige Pivottabell rett mot en spørring i en database Power Pivot Forskjeller (og likheter) med «vanlig» Pivottabell Når forlater vi den vanlige pivottabellen til fordel for Power Pivot? Fordeler og ulemper med Pivot og Power Pivot. Lage Power Pivot-tabell med data fra flere forskjellige datasett. [-]

  You will learn advanced applications of the modeling language and advanced techniques, complex modeling situations and direct applications to your own real-world examples. Upon successful completion of this course you will be ready to take the ArchiMate® 3.0 Foundation and Practitioner exam at a Pearson VUE Testing Center. After you pass the exams you will be ArchiMate® 3.0 Practitioner certified and registered with The Open Group. Our trainers are certified and accredited by The Open Group, and have trained over 2000 ArchiMate® participants with a 98% exam pass rate. “This training course is delivered by Bouvet Norge AS, partner of BiZZdesign International BV. BiZZdesign Academy is the provider of this Accredited Training Course. Bouvet Norge AS delivers this training course on behalf of BiZZdesign International BV. Both organizations hold an ArchiMate® & TOGAF® Commercial License issued by The Open Group”. "ArchiMate® is a registered trademark of The Open Group in the United States and other countries”.   Learning Outcomes At the end of this course you will: - Understand the background, key concepts and applications of ArchiMate® Core for modeling and describing architectures- Be able to use the ArchiMate® language and techniques to visualize and communicate architectures- Understand the additional layers and aspects of ArchiMate®, their viewpoints and their application to core concepts- Be able to apply the derivation rules for relationships in the language- Understand the language customization mechanism - Be able to apply ArchiMate® in complex modeling situations-Be able to complete the ArchiMate® 3 level 1 & 2 exams (with some self-directed study)   Prerequisites and preparation No specific prerequisites. You will need approximately 20 hours of self-directed study to prepare for the exam. This mainly consists of reading the ArchiMate® 3.0 book.   Literature ArchiMate® 3.0 Specification and course material is digitally available via Moodle, You will receive an email with login to Moodle. Please bring your own computer to the course.   Exam Supervised: YesOpen Book: NoExam type: Multiple choiceNumber of questions: 40Pass score: 60% (24 out of 40 questions)Time limit: 60 minutes (*) Retake policy: If you fail the test you must wait one month before another attempt (*) Additional time may be provided for people taking an English language exam for whom English is not their first language. Please see https://certification.opengroup.org/examinations#ESL for more information [-]

AZ-900: Microsoft Azure Fundamentals [-]

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

Power BI er et fleksibelt verktøy som dekker hele prosessen fra datafangst til deling av rapporter. Selv om det virker lett på overflaten har Power BI funksjoner som åpner uendelige muligheter. Det er flere triks som skaper en bedre brukeropplevelse av Power BI samtidig som at man bruker Power BI til å gjennomføre avanserte kalkulasjoner.   Dette kurset bygger på filmdata som deltakerne hentes direkte fra IMDB via funksjoner i Power Query, og brukes til å lage en lekker rapport i Power BI. Kurset bygger ikke direkte på «Selvbetjening og analyse med Power BI», men bygger videre på flere av teknikkene som ble gjennomgått her, og er myntet på de som allerede har litt erfaring med bruk av Power BI. Deltakerne vil få en grunnleggende innføring i:  Henter og renser ekte data fra IMDB via Power Query. Power Query funksjoner Avansert bruk av bokmerker Et dypdykk i design Dynamiske overskrifter med DAX Variabelsyntaks i DAX Filter- og radkontekst  Dynamisk link til nettsider med DAX Egendefinerte verktøytips Betinget formatering Målgruppe: Kurset er for folk som har jobbet med Power BI i minst et par måneder. Det er en fordel hvis man har gjennomført «Selvbetjening og analyse med Power BI», men det er ikke et krav. Ta med egen PC med nyeste versjon av Power BI. Du bør også ha signet opp med en 30-dagers gratislisens for Power BI Pro.    Kursinnhold Henter og renser ekte data fra IMDB via Power Query Vi henter data direkte fra nettsiden til IMDB (scraping) og transformerer dette til et format som er egnet i Power BI. Power Query funksjoner Vi bruker eksempeldata til å trene Power BI til å gjenkjenne mønstre i nettsiden slik at logikken kan transformeres til en funksjon og brukes på flere filmer. Avansert bruk av bokmerker Bokmerker er en funksjon som hjelper deg med å lage interaktive rapporter. I dette kurset bruker vi denne funksjonen til å lage et dynamisk filterpanel. Et dypdykk i design Design er med på å skape et helhetlig inntrykk av rapporten, og bidrar til at rapporten blir mer brukervennlig. Kurset gjennomgår generelle designtriks sammen med teori rundt universal utforming. Dynamiske overskrifter med DAX Du kan enkelt lage statiske overskrifter i Power BI, men med overskrifter som endrer seg etter innholdet, tar du rapporten din til et nytt nivå. Variabelsyntaks i DAX Variabelsyntaksen i DAX skaper en leservennlig struktur i koden samtidig som det kan forbedre ytelsen. Kurset gjennomgår hvordan man bruker variabelsyntaksen og fordelene med det.  Filter- og radkontekst Ord som filterkontekst og radkontekst brukes mye når man snakker om Power BI, men det er ikke alltid tydelig hva det betyr. Kurset gjennomgår forskjellene og illustrerer dette med å tvinge radkontekst i et mål via AVERAGEX funksjonen. Dynamisk link til nettsider med DAX Power BI kan linke til nettsider eller andre Power BI rapporter. I dette kurset lager vi en link som fører direkte til nettsiden for valgt film.  Egendefinerte verktøytips Vektøystips er viser ekstra informasjon når brukeren holder over et element i Power BI. Det finnes en standard visning hvor man kan gjøre et par justeringer, men i dette kurset lager vi et helt eget verktøystips slik at vi har full kontroll over størrelse og innhold. Betinget formatering Betinget formatering lar deg endre formateringen basert på en betinget verdi. I dette kurset lager vi datastolper og fargeendringer via både brukergrensesnittet og DAX [-]

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     [-]

Synes du det er uoversiktlig å samarbeide om dokumenter med andre? Vi lærer deg de viktigste funksjonene og metodene for vellykket dokument-samhandling og ferdigstilling av dokumenter. 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:   Samarbeidsfunksjoner Spor endringer for å se hvem som har gjort hva Bruk av merknader Sammenligne dokumenter Passordbeskytte dokumenter   Filer i SharePoint, OneDrive for Business og OneDrive Samtidigredigering Versjonering   Før publisering Fjerne skjulte data Fjerne personlig informasjon   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support [-]

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.   Solibri Anywhere og Site   På kurset vil du lære å: Sammenstille flere IFC-modeller og navigere i disse Velge ut grupper av objekter for nærmere studier Legge inn snitt, måle, markere og opprette slides fra visninger av modellen Opprette rapporter og kommentere «issues» i Excel og BCF-format Se på resultatet av utførte regelsjekker i modellen Se på resultatet av utførte informasjons- og mengdeuttak fra modellen Høste informasjon og mengder fra modellen basert på eksisterende maler og klassifikasjoner Skape egne klassifikasjoner og definisjoner for megndeuttak   Dette er et populært kurs, meld deg på nå! Spesialtilpasset kurs: NTI anbefaler spesialtilpassede kurs for bedrifter som planlegger å sende to eller flere deltakere på Solibri-kurs. Grunnen til dette er at Solibri brukes av mange forskjellige aktører og profesjoner i BAE-bransjen, og følgelig blir de åpne kursene ofte for generelle for enkelte kursdeltakere. I et spesialtilpasset kurs vil vår kurskonsulent kartlegge fokusområdene i forkant av kurset, og gjennomføre kurset i henhold til selskapets behov, gjerne basert på kundens egne modeller. Utbyttet av kurset blir følgelig mye større.  Ta kontakt med oss på telefon 483 12 300, epost: salg-no@nti.biz eller les mer på www.nti.biz   [-]

AZ-400: Designing and Implementing Microsoft DevOps solutions [-]