Kurs i Nordkapp

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     [-]

Kurs i Målesystemanalyse (MSA) Du lærer å forstå variasjon i målinger og bestemme egenskaper som presisjon (repeterbarhet & reproduserbarhet), nøyaktighet (stabilitet, bias & linearitet), følsomhet og kapabilitet (evne til å detektere forskjeller i medier som måles). Du lærer også hvordan du kan designe en målesystemanalyse. Pålitelige målinger er en forutsetning for gode beslutninger.   Målesystemanalyse kan brukes til: Bestemme hvor mye av variasjonen i en prosess som er forårsaket av målesystemet. Sammenligne interne inspeksjonsstandarder med kundens standarder. Fremheve områder der kalibreringstrening er nødvendig. Evaluere opplæring i hvordan analyser utføres. Sammenligne eksisterende måleutstyr. Kvalifisere nytt måleutstyr. Sammenligne målinger mellom operatører. Sammenligne målinger mellom to (eller flere) instrument. Sammenligne målemetoder. Gi kriterier for nye målesystemer. Forstå unormale målinger. Evaluer et måleinstrument før og etter reparasjon.   Du lærer følgende: Designe målesystemanalyse Målesystemanalyse med vurdering av: presisjon og nøyaktighet repeterbarhet og reproduserbarhet stabilitet, bias og linearitet følsomhet (oppløsning) kapabilitet – evne til å detektere forskjeller i mediet som måles Du lærer å lage prosesskart for målemetoden for å forstå metoden bedre, og identifisere mulige årsaker til uønsket variasjon. Vi bruker kontrolldiagram til å bestemme egenskaper ved målemetoden. Kursdeltagerne får oppgaver underveis og svarer via avstemninger i nettmøtet.     Kursholder Kursholder Sissel Pedersen Lundeby er IASSC (International association for Six Sigma certification) akkreditert kursholder (eneste i Norge per januar 2022): "This accreditation publically reflects that you have met the standards established by IASSC such that those who participate in a training program led by you can expect to receive an acceptable level of knowledge transfer consistent with the Lean Six Sigma belt Bodies of Knowledge as established by IASSC."  Målesystemanalyse er et av verktøyene som benyttes innen Lean Six Sigma, og Sissel har bred praktisk erfaring med gjennomføring av målesystemanalyser.   Sissel er utdannet sivilingeniør i kjemiteknikk fra NTNU, og har mer enn 20 års erfaring innen produksjon og miljøteknologi. Hennes Lean Six Sigma opplæring startet i 2002, hos et amerikansk firma, hvor hun ble Black Belt sertifisert. I 2017 ble hun også Black Belt sertifisert gjennom IASSC. Sissel har svært god erfaring med å bruke Lean Six Sigma til forbedringer, og fokuserer på å skape målbare resultater. Kursene bruker praktiske, gjenkjennelige eksempler, og formidler Lean Six Sigma på en enkel, forståelig måte.     Tilbakemeldinger "Inspirerende, faglig dyktig, folkeliggjør et teoretisk fagområde" Espen Fjeld, Kommersiell direktør hos Berendsen "Faglig meget dyktig og klar fremføring. Morsom og skaper tillit" Jon Sørensen, Produksjonsleder hos Berendsen "10/10 flink til å nå alle" Erlend Stene, Salgsleder hos Berendsen "Tydelig og bra presentert. God til å kontrollspørre og lytte (sjekke forståelse)" Morten Bodding, Produksjonsleder hos Berendsen "Utgjorde en forskjell, engasjert og dyktig" Kursdeltager fra EWOS "Du er inspirerende, positiv og dyktig i faget" Kursdeltager fra EWOS "Jeg var veldig imponert over Sissels Lean Six Sigma kunnskap. Hun gjør det enkelt å identifisere forbedringer og skape resultater" Daryl Powell, Lean Manager, Kongsberg Maritime Subsea "Sissel sin evne til å raskt sette seg inn i problemstillingen, samt hennes engasjement og kompetanse er imponerende. Hennes analytiske og gjennomgående bidrag til vårt måleprogram har vært presis og målrettet, samt meget lærerik" Thomas Løvik, TWMA Norge     [-]

Modern Service Oriented Architecture [-]

Sommerkurs i engelsk: En oversikt (Oslo og nettbasert) Et sommerkurs i engelsk gir en unik mulighet til å fordype seg i språket og kulturen i løpet av de energiske og lyse sommermånedene. Ved NLS Norwegian Language School tilbyr vi både kurs i våre moderne lokaler i Oslo og fleksible nettbaserte alternativer. Programmene er tilpasset både nybegynnere og deltakere med forkunnskaper, og passer like godt for studenter og yrkesaktive som for reisende og språkentusiaster. Kursstruktur Intensiv språkundervisning Sommerkursene fokuserer på de fire kjerneferdighetene: muntlig kommunikasjon, lytting, lesing og skriving. Undervisningen er engasjerende og praktisk, ledet av erfarne instruktører som tilpasser opplegget til deltakernes nivå og mål. Metodene inkluderer: Interaktive leksjoner Samtale- og uttaletrening Grammatikkøvelser Gruppearbeid og rollespill Denne helhetlige tilnærmingen styrker selvtilliten og gir deltakerne solid språkkompetanse. Kulturell forståelse Språk og kultur henger tett sammen. Derfor inkluderer kursene aktiviteter og klasseromsdiskusjoner om: Engelskspråklige lands tradisjoner Samfunnsforhold og verdier Litteratur, filmer og hverdagsliv Dette gir et rikere perspektiv og gjør språklæringen mer meningsfull og relevant. Lokasjon og fleksibilitet Du kan velge mellom: Undervisning i Oslo: Fysisk oppmøte i våre klasserom i hjertet av byen Nettbasert kurs: Lær hjemmefra eller på farten, med samme faglige kvalitet og interaktive opplegg Varighet og format Kursene tilbys i ulike varigheter – fra én uke til flere uker. Velg mellom: Intensiv daglig undervisning for rask progresjon Deltidskurs for deg som ønsker å kombinere læring med jobb eller ferie Deltakere Våre sommerkurs tiltrekker seg en variert gruppe deltakere: Studenter som vil styrke akademisk engelsk Yrkesaktive som trenger engelsk i arbeidshverdagen Språkelystne som vil lære for reise, flytting eller personlig utvikling Det skapes et dynamisk læringsmiljø preget av mangfold og internasjonal utveksling. Fordeler med våre sommerkurs ✅ Akselerert læring: Raskere progresjon i et intensivt og språkrikt miljø ✅ Kulturell innsikt: Økt forståelse for verdier, normer og tradisjoner i engelskspråklige samfunn ✅ Nettverksbygging: Møt deltakere fra ulike bakgrunner og skap varige kontakter ✅ Fleksibilitet: Velg mellom fysisk eller digital deltakelse ✅ Kursbevis: Alle som fullfører kurset mottar et offisielt kursbevis fra NLS Norwegian Language School Oppsummering Et sommerkurs i engelsk – enten i Oslo eller online – gir deg en inspirerende og effektiv måte å styrke språkkunnskapene på, samtidig som du får verdifull innsikt i kultur og samfunn. Uansett om målet ditt er faglig, profesjonelt eller personlig, gir kurset deg verktøyene du trenger for å lykkes – på engelsk. [-]

DP-080: Querying Data with Microsoft Transact-SQL [-]

Change Management Practitioner [-]

Machine Learning and Data Science in R with Microsoft SQL Server - with Rafal Lukawiecki [-]

I mai får du 25% rabatt på alle våre e-læringskurs!(Prisen du ser på denne siden er normalpris, før rabatten er trukket fra) Bruk koden Mai23 når du bestiller på nettsiden vår holteacademy.no Med vår e-læringspakke i grunnleggende prosjektledelse får du et godt fundament for å bidra smartere og mer effektivt i prosjektarbeid.3 nyttige e-læringskurs som gir deg en innføring i prosjektfaget – på kort tid! Vi har satt sammen en pakke med 3 relevante e-læringskurs for deg som ønsker å komme raskt i gang med ny kunnskap i prosjektledelse. Disse kursene får du:   Prosjekt som arbeidsform Planlegging og oppfølging i prosjekter Lederskap, kommunikasjon og effektive team Les mer om kursene på: https://www.holteacademy.no/kurs/e-laeringskurs/grunnleggende-prosjektledelse/   Hvert kurs tar cirka 2,5 time. Hvem passer kursene for? Deg som ønsker en god innføring i prosjektfaget. Deg som allerede har erfaring med prosjektarbeid, men trenger et teoretisk fundament, repetisjon eller bevisstgjøring. For team som skal i gang med prosjektarbeid og ønsker å heve kompetansen på kort tid. Praktisk informasjon Kursene er tilgjengelige for deg i 12 måneder fra du bestiller. E-læringskursene kan startes og stoppes akkurat slik du selv ønsker, og du velger selv hvor lenge du studerer av gangen. Alle våre kurs bygger på anerkjent, beste praksis i prosjektfaget og er utviklet av våre erfarne kursholdere i prosjektledelse. Kurspakken består av 3 kurs. Hvert kurs kan også bestilles separat, men ved å bestille vår pakke får du 1 av kursene gratis. (Få 3 kurs, betal for 2). Du får kursbevis for alle 3 kursene.   [-]

Kurset går over 2 dager (9-16) og gjennomføres som klasseromskurs Lær fra erfaren Lean-kursholder! Lær hvordan du bruker LEAN for å lykkes med kontinuerlig forbedring og endring, og skaper en forbedringskultur på din arbeidsplass. Dette kurset gir deg den anerkjente sertifiseringen Lean Gult Belte. Vi byr på en fremragende kursholder med lang fartstid i flere store norske virksomheter. Lær Lean fra en av de beste! Hva skal til for å skape varig forbedring i din virksomhet? Enten du jobber i en statlig, kommunal eller privat virksomhet, stor eller liten – det spiller ingen rolle. Det viktigste er å levere – godt, riktig, enkelt og med evig læring.  LÆRINGSUTBYTTE  Etter endt kurs vil du:  Ha bedre forståelse for når og hvordan LEAN kan brukes for å skape varig forbedring og endring Ha grunnleggende kompetanse innen LEAN og kvalitetsbegreper  Kunne ta i bruk enkle forbedringsverktøy og metoder i din arbeidshverdag  Ha innsikt i hvordan du skaper velfungerende og motiverte team Kunne delta og ha en nøkkelrolle i forbedringsprosjekter   MÅLGRUPPE Kurset er for deg som:   Er nysgjerrig på Lean   Ønsker å jobbe med kontinuerlig forbedring   Ønsker å levere bedre og med høyere kvalitet  Ønsker praktiske forbedringsmetoder og verktøy  Ønsker kunnskap om hva som skal til for å lykkes med endringsprosjekter Kurset krever ingen forkunnskaper.   INNHOLD I KURSET I dette kurset får du en grunnleggende innføring i LEAN og de mest brukte verktøyene og metodene som benyttes.  Kurset går over to dager og består av interessant teori, gode eksempler og praktiske oppgaver.   Hva er LEAN og hvilke andre forbedringsmetoder finnes? De fem fasene av Lean Six Sigma-metoden  Forskjellen mellom verdi og sløsing   Hvordan påvirker dårlig kvalitet organisasjonen og kostnadene? Nøkkelroller for å drive frem forbedring  Innføring i LEAN-prosesser  Når bør du designe nytt og når bør du forbedre? Betydningen av velfungerende team Hvordan skape en forbedringskultur I kurset vil du lære en rekke nyttige metoder og forbedringsverktøy, som du selv kan bruke på egen arbeidsplass, umiddelbart etter kurset. Noen eksempler på metoder og verktøy er DMAIC-metoden, SIPOC, Paretoanalyse, brainstorming, Årsak-effekt-diagram og 5 Why.  KURSDETALJER OG FORBEREDELSER Kurset vil foregå som klasseromskurs.  Kurset gjennomføres fra klokken 09-16, med pauser underveis. Du vil kunne stille spørsmål til kursholder, og være en aktiv deltaker gjennom digitalt gruppearbeid (diskusjoner, erfaringsutveksling og oppgaver) med andre kursdeltakere. Sertifisering   Kurset avsluttes med en kort digital eksamen, som består av multiple choice-spørsmål. Ved bestått eksamen får du tildelt sertifisering Lean Gult Belte, som er et anerkjent kompetansebevis.   Lean Gult Belte er første nivå i vår Lean-kursrekke, og etter gjennomført kurs har du mulighet til å bygge videre på din kompetanse ved å delta på Lean Grønt belte.     [-]

Bli kjent med Revu (Bruksområder, grensesnitt, menyer, verktøy, paneler og profiler) Grunnleggende PDF-håndtering med Revu Markeringsverktøy og måleverktøy Innføring i Tool Chest Innføring i Markeringslisten Innføring i Studio [-]

RH124: Red Hat System Administration I - Linux (RHEL) [-]

Nå får du Lean-sertifisering online i virtuelle rom sammen med våre erfarne Lean Coacher og andre kursdeltagere. Kursinnholdet er utprøvd og gjennomført for flere tusen deltagere, og optimalisert for FLYT og VERDI FOR KUNDEN i en digital hverdag. Kurs-menyen Lean Hvitt belte med sertifisering - GRATIS. Lean Personlig effektivitet med Lean tankesett Lean Ledelse. Praktisk Lean for ledere Lean Gult belte med sertifisering Lean Grønt belte med sertifisering Lean Construction med gult belte sertifisering Lean prosjektering VDC i praksis Alle kursene kan også gjennomføres bedriftsinternt – spør oss! Klikk på et kurs for detaljer og påmelding   Gjennomføring Ved påmelding mottar du en link til din kursportal. I portalen kan du: Laste ned kompendier og materiell. Ta eksamen. Laste ned kursbevis ved bestått eksamen Gå til Virtuelt klasserom    Alt du trenger en PC med internett, kamera og mikrofon [-]

I mai får du 25% rabatt på alle våre e-læringskurs!(Prisen du ser på denne siden er normalpris, før rabatten er trukket fra)Bruk koden Mai23når du bestiller på nettsiden vår holteacademy.no  Lær hvordan du tilrettelegger og sikrer at prosjektet gir ønskede gevinster. På dette kurset får du god innsikt i hva gevinstrealisering innebærer og blir bedre rustet til å sikre at prosjektet leverer i tråd med forventningene. Et prosjekt er ikke vellykket før løsningen er tatt i bruk og gir ønsket effekt. Mange prosjekter har tendens til å fokusere mer på en vellykket leveranse (resultatmål) og mindre på hvilken nytte selve leveransen (effektmål) skal gi for brukeren. Dette bidrar dessverre til at mange prosjekter ikke gir ønskede resultater for bestiller og bruker. En tydelig gevinststrategi gir prosjektleder god innsikt i ønsket effekt og muliggjør at prosjekteier kan overvåke nytteverdi/ gevinst i prosjektet. Bli bedre rustet til å sikre at prosjektet leverer i tråd med forventningene! Sikre like mye fokus på gevinstene fra prosjektet som på selve prosjektleveransene.   Innhold i kurset Hva er gevinstrealisering? Stegene innen gevinstrealisering Prinsipper og verktøy Roller og ansvar Hvordan lykkes med gevinstrealisering?   [-]

Kurset er laget for å gi deg som jobber med informasjon og systemsikkerhet i kommunen, men er også åpen for andre som ønsker å styrke sin kompetanse innen fagfeltet. Du lærer hvordan gjennomføre en helhetlig risiko- og sårbarhetsanalyse, med kartlegging, systematisere og utforming av sannsynlighetsberegning for uønskede hendelser som kan inntreffe i kommunens informasjonssystemer. Metoder for å hvordan disse kan påvirke kommunen og hvordan redusere risiko for tap av data. Når kurset er ferdig har du maler til å lage helhetlige risiko- og sårbarhetsanalysen, som i følge «Forskrift om kommunal beredskapsplikt» skal forankres i kommunestyret.  Vi går gjennom: Kartlegging av eksisterende og fremtidige risiko- og sårbarhetsfaktorer. Risiko og sårbarhet utenfor deres geografiske område men som kan ha betydning. Hvordan ulike risiko- og sårbarhetsfaktorer kan påvirke hverandre. Særlige utfordringer knyttet til kritiske funksjoner og tap av kritiske data. Kommunens evne til å opprettholde sin virksomhet når den utsettes for en uønsket hendelse og evnen til å gjenoppta sin virksomhet etter at hendelsen har inntruffet. Behovet for varsling under og etter en hendelse. Metoder for å avdekke behov for mer detaljerte analyser. Hvilke relevante offentlige og private aktører som bør bidra i i arbeidet med utarbeidelse av risiko- og sårbarhetsanalysen. Du vil også få en innføring i hva som bør med i en informasjonssikkerhets policy og hvordan jobbe frem en forankring hos kommuneledelsen. Som deltager får du en rekke maler for å hjelpe deg i gang med arbeidet, dette er maler som: Mal - Risiko og sårbarhets analyse Mal - Beredskapsplan Mal - Revisjon av tjenesteleverandører Mal - BIA (Analyser effekt av mulig hendelse) Mal - Kompetanse- og kulturutvikling [-]

PRINCE2® 7 Practitioner  all english [-]