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

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

Oracle GoldenGate 19c: Fundamentals for Oracle [-]

Vil du lære å tegne illustrasjoner og logoer til bruk i alle medier? Illustrator tegner vektorgrafikk som kan forstørres ubegrenset, uten å tape kvalitet og kan derfor brukes overalt. Adobe Illustrator er verktøyet for illustratører og grafiske designere, men også et program for deg som vil lage litt enklere illustrasjoner til internett, Power Point og Word. På kurset lærer du å ta utgangspunkt i enkle basisformer og kombinere dem til kompliserte figurer, slik at det blir det lett for alle å tegne. Hvorfor ta dette kurset: Du får en grundig innføring i programmet Du vil lære konkrete tegne- og designoppgaver Du vil lære å redigere/endre Illustrator-filer du mottar Du vil lære å lage illustrasjoner og logoer Du vil lære å lage grafikk for bruk på internett, lesebrett eller mobil Du vil lære effektive arbeidsmetoder Du får kontroll på tegninger med mange elementer og lag Du vil lære om fargebruk og klargjøring av filer for trykk og nett Dette lærer du: Arbeidsmiljøet i programmet Tegning med tegneverktøyene og ved å kombinere enkle grunnformer Redigering og transformering av objekter Innsetting av tekst og bilder Tekstbearbeiding Lage bannerannonser Bruk av farger og forløpninger Lag og gjennomsiktighet [-]

Sliter du med å importere data og lage rapporter/analysegrunnlag i Excel? Et riktig grunnlag er avgjørende for en god rapport! Se hvor enkelt man lager rapporter og analyserer data med Pivottabeller. 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:   Import av tekstfil med problemer   Bruk veiviser for å importere tekstfil Fiks ulike problemstilling allerede i veiviser   Kort repetisjon av prinsipper om å arbeide med lister   Datavask - opprydding i grunnlaget Lær ulike metoder for å rydde opp i grunnlaget   Tabellfunksjonalitet Formater liste som tabell Bli kjent med fordeler å jobbe mot tabell Bli kjent med strukturere cellereferanser   Pivotteknikk [-]

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

Delta på webinar å lær hvordan man bygger en prosjektplan for å få god kontroll med gjennomføringen! 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:   Tabeller og felt i Project Forskjellige typer felt. Forskjeller mellom felt i aktiviteter og ressurser Legge til og fjerne felt Opprette og tilpasse felt Endre eksisterende tabeller Opprette nye tabeller   Forskjellige visninger Sortering Filtrering - Innebygde filetere. Definere nye filtre Gruppering. Benytte grupper til bedre oversikt og kontroll   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support   [-]

På webinaret vil vi vise deg hvordan du kan lage nettbaserte spørreundersøkelse, tester og påmeldingsskjemaer ved hjelp av Microsoft Forms. Microsoft Forms er en enkel og elegant app i Microsoft 365 familien for opprettelse av undersøkelser og tester. Du kan lage skjema med flere språk i samme skjema. Du kan ha forgreninger til ulike svarretninger alt etter hva som velges som svar. Det er mange ulike spørsmålsalternativer å velge mellom. Svarene kan være anonyme om ønskelig. Du kan også sette inn undersøkelser (poll) i et Teams-møte eller som en del av en presentasjon i PowerPoint. Resultatene behandler og analyserer du enkelt i Excel. Hva er Forms | Forskjell undersøkelser og tester | Personlige skjema vs gruppeskjema | Opprette skjema | Spørsmålstyper | Forgreninger | Innstillinger | Flere språk i samme skjema | Simulere skjema | Delingsmåter (samle inn svar) | Samarbeide om samme skjema eller duplisere skjema (gi kopi til andre) | Resultater og analyser | Forms og Teams | Forms og PowerPoint Pris: 1690 kroner [-]

Stadig flere bedrifter har behov for folk med kunnskaper om data og databehandling. Kan du dokumentere at du har slik kunnskap? Mål med kurset: Deltakeren skal tilegne seg kunnskaper om de mest benyttede Windows programmene og etter avsluttet kurs kunne jobbe smartere og mer effektivt. Krav til forkunnskaper: Et innføringskurs i data eller noe erfaring med data fra før er nødvendig. Kurset MS Office 2016 - 4 Moduler tar for seg de mest brukte Windows programmene: Excel Word PowerPoint Windows 10 Gjennomføring:  Gjennomføres på Internett, interaktivt. Kurset inneholder tekst, bilder, videofremvisninger, små tester og en mengde oppgaver. Enkelt og fleksibelt. Kursdeltageren har on-line tilgang i 12 måneder fra man starter å ta kurset.  Dette gjør at man har tilstrekkelig tid til å tilegne seg nødvendige kunnskaper. [-]

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     [-]

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.   Dynamo for Revit Her er et utvalg av temaene du vil lære på kurset: Intro til brukerflate og grunnleggende funksjoner Dynamo – Revit-interaksjon Parametrisk/Regelbasert Design Geometri i Dynamo Plassering av Revit-elementer Datauttrekk Opprettelse av Analytisk modell Skrive i Revit-parametre/nummerering Tilpasning av Revit-elementer Import og behandling av ekstern geometri Kjenner du til Grasshopper for Rhino og ønsker å komme videre med komplekse geometrier? I så fall er Dynamo en mulighet. Her kan regelbasert design settes opp med direkte integrasjon til Revit. Med Dynamo for Revit åpnes en verden med en hittil usett parametrisk tilgang til prosjektene. Med Dynamo som visuelt programmeringsverktøy kobles egne algoritmer sammen med Revits parametriske database, uansett om fokuset er formgivning, designoptimering, fabrikasjon eller automatisering. Dette, sammen med toveiskommunikasjonen mellom Dynamo og Revit, gjør kombinasjonen både sterk og unik.   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 er rettet mot deg som vil lære å prosjektere og dokumentere veger og kryss i Civil 3D.  I løpet av kurset gjøres øvelser for alle emner som blir tatt opp. Hensikten med kurset er å gi deg en innføring i vegprosjektering med Civil 3D og Focus CAT. Kursinnhold: Kort oppfriskning av etablering av terrengmodell og prosjektstruktur Linjekonstruksjon med horisontal- og vertikalgeometri Vegmodell med tverrprofil- og masseberegning, samt flatebeskrivelse Breddeutvidelse og tverrfallsberegning Krysskonstruksjon av T-kryss Tegningsproduksjon med plan/profiltegning, normalprofil- og tverrprofiltegning Stikningsdata fra tegning Eksport til InfraWorks Fagmodelleksport [-]

AZ-900: Microsoft Azure Fundamentals [-]

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 [-]

Objectives Understand how software containers work Understand the architecture of Kubernetes Understand the architecture of Google Cloud Understand how pod networking works in Google Kubernetes Engine Create and manage Kubernetes Engine clusters using the Google Cloud Console and gcloud/kubectl commands   Course Outline Module 1: Introduction to Google Cloud -Use the Google Cloud Console-Use Cloud Shell-Define Cloud Computing-Identify Google Cloud compute services-Understand Regions and Zones-Understand the Cloud Resource Hierarchy-Administer your Google Cloud Resources Module 2: Containers and Kubernetes in Google Cloud -Create a Container Using Cloud Build-Store a Container in Container Registry-Understand the Relationship Between Kubernetes and Google Kubernetes Engine (GKE)-Understand how to Choose Among Google Cloud Compute Platforms Module 3: Kubernetes Architecture -Understand the Architecture of Kubernetes: Pods, Namespaces-Understand the Control-plane Components of Kubernetes-Create Container Images using Cloud Build-Store Container Images in Container Registry-Create a Kubernetes Engine Cluster Module 4: Introduction to Kubernetes Workloads -The kubectl Command-Introduction to Deployments-Pod Networking-Volumes Overview [-]

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. [-]