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

Kursinnhold Gjennomgang av Excel vinduet Enkle formler Enkel formatering Klipp og lim Kopiering av formler Merking Slette data Fjerne og legge til celler, rader og kolonner Angre Flytting og kopiering Søk og erstatt Autofyll Cellereferanser Låse og gi navn til celler Hva er en funksjon? Funksjonsveiviseren Gjennomgang av de mest brukte funksjonene: Summer, antall, størst, min og gjennomsnitt. Målgruppe Deg som Har begynt i en stilling hvor en er forventet å kunne Excel Er nysgjerrig på hva Excel kan gjøre for deg i din jobb Er nybegynner eller litt øvet Sliter med å skjønne hvordan du kan jobbe mest effektivt i Excel Forkunnskaper Excel: Ingen Øvrig: Er kjent med bruk av PC 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. [-]

Gjennomgang av Excels dataverktøy med eksempler (Data/Dataverktøy) Scenariobehandling Målsøking (La Excel jobbe med å finne løsningen for deg ) Datatabeller Problemløser verktøyet 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. [-]

Få en gratis, effektiv og god innføring i Word! Lær hvordan du lager gode dokumenter. Webinaret varer i 1 time og består av 1 økt à 45 min, samt 15 min spørsmålsrunde. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Generelt Gjennomgang av båndet og programvinduet, samt viktige begreper   Formatering av tekst Manuell formatering Bruk av stile   Formatering av avsnitt Innrykk Justering av tekst Punktmerkede- og nummererte lister   Enkle metoder for redigering Flytte tekst Slette tekst   Sette inn Bruk av tabeller Endre utseende med tabellstiler Sette inn bilder Enkel bruk av topp- og bunntekst   Veien videre Se på flere muligheter i Word   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Du får tilgang til korte "how-to"-videoklipp   [-]

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. Fusion 360 Her er et utvalg av temaene du vil lære på kurset: Fusion 360 Dashboard - Data og prosjekthåndtering Formgivning - konseptuelt design og parametrisk Samlinger og 2D-tegninger, inkludert stykklister  Dataimport - håndtering av data fra andre CAD-plattformer Kurset for deg som er industriell designer, arbeider med produktdesign eller annen kompleks forgivning. Kurset har fokus på oppbygning av modeller med kompliserte overflater. Du vil få kunnskap til å skape og korrigere avanserte og komplekse 3D-modeller, og samtidig lage avanserte 3D-modeller på bakgrunn av konseptuelle skisser, vedlikeholde og dokumentere dem i forskjellige varianter.    Dette er et populært kurs, meld deg på nå! 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 [-]

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     [-]

Jira Project Administration (Cloud) [-]

  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.   Revit MEP MagiCAD VVS grunnkurs Her er et utvalg av temaene du vil lære på kurset Grunnleggende innføring i Revit Håndtering av Views, etasjer, manøvering i modell, visningsalternativer, redigeringsfunksjoner. Etablering av prosjekt. Linke modeller, sette opp etasjer og Views Prosjektering av ventilasjonsanlegg, varme- og forbruksvannsystem og avløpssystem IFC-eksport Utsparinger Etter kurset kan du bruke grunnleggende funksjoner i Autodesk Revit MEP og MagiCAD for Revit med fokus på å sette opp, importere og linke prosjekter, konstruere VVS-installasjoner, samt dokumentasjon. Lære å utforme en VVS-modell slik at mest mulig informasjon kan utnyttes med hensyn til BIM.   Dette er et populært kurs, meld deg på nå!   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 [-]

In this course students will gain the knowledge and skills needed to implement security controls, maintain the security posture, and identify and remediate vulnerabilities by using a variety of security tools. The course covers scripting and automation, virtualization, and cloud N-tier architecture. TARGET AUDIENCE Students should have at least one year of hands-on experience securing Azure workloads and experience with security controls for workloads on Azure. COURSE OBJECTIVES Describe specialized data classifications on Azure Identify Azure data protection mechanisms Implement Azure data encryption methods Secure Internet protocols and how to implement them on Azure Describe Azure security services and features COURSE CONTENT Module 1: Identity and Access LESSONS Configure Azure Active Directory for Azure workloads and subscriptions Configure Azure AD Privileged Identity Management Configure security for an Azure subscription Module 2: Platform Protection LESSONS Understand cloud security Build a network Secure network Implement host security Implement platform security Implement subscription security Module 3: Security Operations LESSONS Configure security services Configure security policies by using Azure Security Center Manage security alerts Respond to and remediate security issues Create security baselines Module 4: Data and applications LESSONS Configure security policies to manage data Configure security for data infrastructure Configure encryption for data at rest Understand application security Implement security for application lifecycle Secure applications Configure and manage Azure Key Vault [-]

Oppdag kraften i Microsoft Excel med "Excel: Grunnleggende", et detaljert kurs ledet av Espen Faugstad hos Utdannet.no. Microsoft Excel er et essensielt verktøy for dataanalyse og regnearkbehandling, brukt i en rekke yrker og bransjer. Dette kurset er skreddersydd for å gi deg en solid forståelse av Excel, gjør deg i stand til å bruke programmet effektivt og med selvtillit. Kurset starter med de grunnleggende aspektene av Excel, inkludert navigering i brukergrensesnittet, bruk av hurtigtilgang, båndet, formellinjen og statuslinjen. Du vil lære å legge til og håndtere data, bruke formler og funksjoner for ulike beregninger som summering, gjennomsnitt, maksimum, minimum og mer. I tillegg vil du utforske hvordan du formaterer celler og bruker diagrammer for å presentere data på en visuell og tiltalende måte. Kurset dekker også hvordan du effektivt kan arbeide med arbeidsark og eksportere data. Ved kursets slutt vil du ha en grundig forståelse av Excel og være i stand til å bruke dets mange funksjoner for å utføre en rekke oppgaver, fra enkle beregninger til kompleks dataanalyse.   Innhold: Kapittel 1: Brukergrensesnitt Kapittel 2: Legg til data Kapittel 3: Formler og funksjoner Kapittel 4: Formatere Kapittel 5: Diagrammer Kapittel 6: Arbeidsark Kapittel 7: Eksportere Kapittel 8: Avslutning   Varighet: 2 timer og 15 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. [-]

This course is ideal for individuals or teams who wish to build a solid understanding of ArchiMate 3 and develop architecture artifacts using ArchiMate. What's new in ArchiMate 3.0? Like ArchiMate 2, ArchiMate 3 is a comprehensive modeling language that allows architects to create commonly understood and integrated visualizations of the essential enterprise architecture domains. Published as an Open Group Standard in June 2016, the ArchiMate 3 specification is a major update to ArchiMate 2.1. New features in version 3 include:• New concepts - Strategy and Motivation• New entities – Application, Technology and Implementation layers• Better ways to connect planning with implementation• Improvements in cross-layer relationships• New ‘Physical’ layer• Improvements in the viewpoints definition mechanism   Examination Certification in ArchiMate requires you to pass both a Foundation exam and a Certified exam.The Foundation exam is a closed book, multiple choice exam consisting of 40 questions. There is a time limit of 60 minutes and the pass-rate is 60%.After passing the Foundation exam you can then move onto the Practitioner exam, which is an open book, multiple choice exam consisting of eight questions. There is a time limit of 90 minutes and the pass-rate is 70%.A number of exercises are interspersed throughout the course, which are aimed at testing your understanding and practical application of the training you have just received. At the end of the course, a number of mock-exam case study scenarios are provided which have been designed to simulate the actual exam.After passing both exams you will become a certified ArchiMate 3 Practitioner! [-]

Power BI basis - elæringskurs [-]

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 [-]

Kurset består av tre AutoCAD kursmoduler - 2D Grunnkurs og 2D Videregående, samt introduksjon til 3D modellering. Kurset gir deltakeren meget god kunnskap om AutoCAD, samt erfaring med utarbeidelse og oppbygging av tegninger. Mange av våre deltakerere har gjennomført kurset for å benytte dette på en CV ved søknad på ny jobb.   Følgende kursmoduler gjennomføres i dette kurset:  AutoCAD 2D Grunnkurs Hovedprinsipper i AutoCAD's brukergrensesnitt Oppretting og lagring av tegninger Tegne- og editeringskommandoer Hjelpefunksjoner for å tegne nøyaktig Skjermstyring Lagoppbygging og struktur Målsetting, teksting og skravering Symbol- og blokkhåndtering Layout/plotting AutoCAD 2D Videregående kurs Tilpasse AutoCAD til eget brukermiljø Blokker med attributter og uttrekk til tabell/Excel Tabeller og Fields XREF - eksterne referanser Import og håndtering av PDF filer Innsetting av andre filformater som eks. DWF, raster filer og DGN Definering og bruk av annotative objekter ved målsetting og teksting. Avansert plotting Funksjoner i Express Tools AutoCAD 3D introduksjonskurs Koordinatsystemer Angivelse av punkter i rommet Solid modellering Surface modellering Mesh modellering Sette opp Layout i paperspace, projeksjoner og snitt Lagstruktur og lagdefinisjon, farger, linjetyper, målsetting Lyssetting, naturlig sollys og lokale lyskilder Knytte materialer til objekt eller til lag Renderfunksjoner Animasjon   Oppgaver Oppgaver knyttet til kurset, samt tilleggsoppgaver ift. fag.   Prosjektoppgaver Prosjektoppgaver knyttet til 2D tegning og 3D modellering.     [-]

JavaScript er et av verdens mest brukte programmeringsspråk som, sammen med HTML og CSS, utgjør grunnsteinene i moderne webutvikling. Selv om språket opprinnelig ble utviklet for bruk på nettet, har det de siste årene både blitt populært som server-språk og som programmeringsspråk for enkeltstående applikasjoner og apper. I dette kurset, ledet av Lars Vidar Nordli, vil du få en grundig introduksjon til JavaScript. Målet er at du etter fullført kurs skal kunne lage dine egne interaktive nettsider. Kurset gir også en innføring i programmering generelt, og du vil lære konsepter som variabler, arrayer, funksjoner, løkker og objekter. Kurset er strukturert i følgende kapitler: Kapittel 1: Introduksjon Kapittel 2: Variabler Kapittel 3: Conditional statements Kapittel 4: Funksjoner Kapittel 5: Arrays Kapittel 6: Loops Kapittel 7: Manipulere DOM (Document Object Model) Kapittel 8: Events Kapittel 9: Objekter Kapittel 10: Rutiner Kapittel 11: Prosjekt Kapittel 12: Avslutning Etter å ha fullført kurset vil du ha en solid forståelse av JavaScript og være i stand til å bruke det til å lage interaktive nettsider og applikasjoner. Du vil også ha kjennskap til viktige programmeringskonsepter som vil være nyttige i din utviklerkarriere.   Varighet: 5 timer og 1 minutt   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Vår tjeneste fungerer på samme måte som strømmetjenester for musikk eller TV-serier, der våre kunder betaler en fast månedspris for tilgang til alle kursene vi har tilgjengelig. Vi har opplevd betydelig vekst de siste årene, med over 30 000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling engasjerende, spennende og tilgjengelig for alle, og vi har støtte fra Innovasjon Norge og Forskningsrådet. [-]

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. [-]