Kurs i Oslo

Kurs i sykefravær [-]

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 - 40 spørsmål skal besvares, og du består med 70% riktige svar (dvs. 28 av 40). Deltakerne har 1 time og 30 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.  Nødvendige forkunnskaper: Bestått ITIL Foundation sertifisering Gjennomført godkjent kurs/e-læring [-]

C# is a power language. [-]

Test test [-]

Du vil få tilsendt en 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 casebasert med 50 tilknyttede multiple choice-spørsmål, og du består ved 66% korrekte svar (dvs 30 av 50 spørsmål). Deltakerne har 2 timer og 30 minutter til rådighet på eksamen.  Dette er en åpen bok eksamen. Nødvendige forkunnskaper: PRINCE2® Agile Foundation eller PRINCE2® Foundation sertifisering [-]

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 55% korrekte svar (dvs 28 av 50 spørsmål). Deltakerne har 1 time og 15 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.   Nødvendige Forkunnskaper: Ingen [-]

Fellesmøte for alle deltakerne i alle styrenettverksgruppene - Faglig rettet digitalt fellesmøte   Tirsdag 15.10.24 kl 17:00 - 19:00 på Teams    Program:   Velkommen og kort om programmet - Bjarne Aamodt Orientering om Styreforeningen og Styresenteret AS - Karl Ibsen Kjønnsbalanse og mangfold i styrerommet - Karl Ibsen og Ingvild Ragna Myhre   Pause   "Anbefalingen" for SMB (Den ideelle foreningen CORPRT/ Tenketanken lanserte 15.02.24 anbefalinger for verdiskapende styrearbeid for SMB) - Ewout Vidar Top "Styrescore" fra Board Ability AS (tidligere Corprt AS) - nytt opplegg for rating av en persons kvalifikasjoner for styreverv, bl.a. basert på bruk av KI, også lansert 15.02.24  - Ewout Vidar Top Avrunding og takk for i dag - Bjarne Aamodt   [-]

MEDLEMSKURS: Retningslinjer for virksomheten i aksjeloven § 6-12 (Gratis for medlemmer) Nettbasert / Ca. 45 min / "Live" med Styrekonsulent   Ett komprimert og nyttig kurs med mange verdifulle tips og råd, "live" med styrekonsulent – enten via Teams eller Zoom. Mulighet for å stille spørsmål mm. underveis.   Kursinnhold: Styrets ansvar for organisering av selskapet i Aksjeloven § 6-12 Hvorfor styret bør vurdere å etablere retningslinjer Hva menes med «retningslinjer» i lovgivningen? Grunner til at styret bør påse utarbeidelse av retningslinjer Fundament for styring og ledelse/ansvarsbegrensende prosess Hvem utvikler retningslinjene og hva kan de omfatte? Verdien i og for selskapet av gjennomtenkte retningslinjer for drift Retningslinjenes oppdragende og retningsgivende effekt Retningslinjer i praksis – definere og bestemme omfang og områder Eksempler fra andre selskaper og tips og råd   Kursmateriell: Det inngår ikke skybaserte filmapper med materiell og hjelpemidler for øvrig i våre GRATIS medlemskurs, men vi viser til artikler, hjelpemidler, dokumentmaler mm på medlemsportalen under kurset slik at du kan benytte deg av det i ettertid.   NB!  GRATIS for alle medlemmer i Styreforeningen.no Pris for "ikke medlemmer" tilsvarer 12 måneders medlemskap i Styreforeningen.no, regnet fra og med kursdato, for deg som ikke fra tidligere var medlem i Styreforeningen.no   Som medlem får du da full tilgang til alle medlemsfordeler fra og med dagen etter kursdato: alle typer GRATIS kurs og webinarer / medlemspris på alle andre kurs dokumentmalregister, spørsmål og svar basene, artikkelseriene mm avklaringstime hvert halvår, medlemssupport pr telefon/epost anledning til å registrere din CV GRATIS i Styrerekruttering.no ... og alle de øvrige medlemsfordelene i Styreforeningen.no   [-]

Ingeniørpakken gir til sammen 2 realfagspoeng og passer for deg som vil bli ingeniør, men som mangler fag eller må forbedre fagene. Har du studiekompetanse, men mangler realfag for å kunne søke opptak ved ingeniørhøyskoler? Fagene du trenger, er matematikk R1 og R2 og fysikk 1. Her kan du prøve Matematikk eller Fysikk (gratis) Gjennomføring NettstudierDu bestemmer hva, hvor og når du vil lære. Her får du varierte leksjoner i form av tekster, video, quiz, podcast, veiledning og oppgaver. Du har alltid kontakt med din personlige lærer hos K2. Målet er å gjøre deg best mulig forberedt til eksamen. Her kan du prøve alle kursene (gratis) Din digitale læringsplattform Den nettbaserte læringsportalen til K2 er tilpasset både mobil, nettbrett og pc. Det gir deg enkelt tilgang til å studere faget på en engasjerende og spennende måte, uansett hvor du er.  Eksamen Som deltaker ved K2 er du privatist og må ta eksamen i fagene for å få karakter. Oppmeldingsfristene er normalt 15. september og 1.februar. Plattform for oppmelding til eksamen kan variere fra fylke til fylke. Se fylkesoversikt her. Husk at betaling av eksamensavgiften skjer ved oppmelding.  Velg Ingeniørpakken og få tilgang til Fysikk 1, Matematikk R1 og Matematikk R2 i 12 måneder. Du velger selv når du vil ta eksamen.  Fysikk 1, eksamen nov/des eller mai/juni Matematikk R1, eksamen nov/des eller mai/juni Matematikk R2, eksamen nov/des eller mai/juni Veien videre Om du har generell studiekompetanse (GENS) og velger å ta fagene fysikk 1 og matematikk R1 og R2 som privatist, da oppfyller du opptakskravene til flere studier, inkludert ingeniørstudier. Se praktisk info for frister og opptak til universitet og høyskole. Gratis veiledning Er du usikker på hva som skal til for å få studiekompetanse, ta gjerne kontakt med oss for gratis veiledning. Vi har veiledere med mange års erfaring som står klare til å hjelpe deg!Ønsker du mer informasjon om kurset velg "Send meg info"-knappen under. Vil du chatte med oss, så klikk på ikonet nederst i høyre hjørne. Lånekassestøtte Utdanningen er godkjent i lånekassen. Søk direkte via lanekassen.no.For mer informasjon se nettsiden vår under Praktisk info. Støtteordninger Er du organisert i en fagforening, kan du i de fleste fagforeningene søke støtte til utdanning. Dersom du er organisert bør du sjekke med din fagforening om muligheter for støtte, frister og hvordan du søker. Forkunnskaper Du må ha fullført grunnskole eller tilsvarende opplæring. Minoritetsspråklige bør ha minimum B1-nivå i norsk muntlig og skriftlig. Dersom du har behov for å lære mer norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle kurs her Krav til utstyr Som deltaker på K2 Nettstudier kan du bruke både mobil, nettbrett og PC når du tar kurset.Til eksamen må du ha tilgang til PC. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Se her hva du har tilgang til av nettbaserte ressurser på eksamen. Praktisk info Du finner svar på ofte stilte spørsmål på nettsiden vår under praktisk info.   [-]

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 Architecture Basis I Her er et utvalg av temaene du vil lære på kurset: Introduksjon til BIM Modellering av 3D-bygningsmodell i flere detaljeringsgrader (informasjonsnivåer) Samarbeid med andre fagmodeller Generering av planer, snitt, fasader, detaljer og perspektiver Skjemaer og mengdeuttrekk Oppsetning til print A Anvendelse av relevante NTItools Kurset gir deg innblikk i bruken av BIM-arbeidsmetoder med Revit som hovedverktøy. Det bygges opp en full, parametrisk 3D-modell, hvor de grunnleggende funksjonene i Revit benyttes. DU vil få en bred forståelse av både prinsipper og funksjoner i Revit og skal bli i stand til å øke detaljeringen av prosjektet ytterligere.   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     [-]

Kurs i Statistisk prosesskontroll  Statistisk prosesskontroll skiller normal og spesiell variasjon slik at du reagerer riktig på måleresultat, vurderer stabilitet (forutsigbarhet) og kapabilitet (evne til å levere på kundekrav). Alle prosesser har variasjon som kan deles inn i normal og spesiell variasjon. Normal og spesiell variasjon krever ulik tilnærming som du vil lære om i dette kurset. Tilsvarende som et Run Chart viser et Control Chart data over tid. I motsetning til Run Chart, detekterer og viser Control Chart unormale mønster i dataene. Dette gjør dem nyttige for å identifisere hvilke data som bør undersøkes nærmere. Du kan også bruke dem til å bestemme om prosesser er stabile, forutsigbare og i stand til å oppfylle kundens krav. Kurset gjennomføres via 2 t nettmøtet. Opplæringen fokuserer på praktisk anvendelse. Du trenger Excel til øvelsene og får en Excel-fil med Control Chart som kan brukes for individuelle verdier. Kurset er for deg som vil: Opprettholde god kvalitet ved å overvåke kritiske faktorer for kvalitet Jobbe forebyggende, eksempelvis med prediktivt vedlikehold Bestemme kapabilitet (er prosessen i stand til å levere på kundens krav?) Vurdere stabilitet (er prosessen forutsigbar?) Sammenligne maskiner og utstyr for kontinuerlig forbedring og for å ta riktig beslutning ved ny-investeringer  Vurdere effekten av forbedringsarbeid (er gjennomsnitt og/eller variasjon endret?) Unngå å overreagere på normal variasjon (skaper større variasjon) Lære av spesielle hendelser (gjennomføre rotårsaksanalyse)   Du lærer følgende: Forskjellen på normal og spesiell variasjon Hvorfor det er viktig å skille mellom disse to typene variasjon Hvordan du reagerer på ulike typer variasjon Hvordan kontrollgrenser bestemmes Hvordan vi vet om en prosess er stabil (forutsigbar) Hva det betyr at en prosess er i eller utenfor kontroll Hvilke forutsetninger som må være tilstede for å benytte statistisk prosesskontroll Anvendelsesområder og hvordan du kan anvende dette Hva det betyr at en prosess er kapabel og hvordan bestemmes kapabilitet? Ulike typer kontrolldiagram og når du bruker dem   Praktiske øvelser: Galton board benyttes til å lære om normalfordeling og for å lage Control Chart. Øvelsene fokuserer på praktiske bruk av Control Chart.  Kursholder Kursholder Sissel Pedersen Lundeby er IASSC (International association for Six Sigma certification) akkreditert kursholder (eneste i Norge per august 2019): "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."  Statistisk prosesskontroll er et av verktøyene som benyttes innen Lean Six Sigma, og Sissel har bred erfaring med anvendelse av dette verktøyet. Hun implementerte online statistisk prosesskontroll hos et legemiddelfirma, har skrevet blogginnlegg på Lean Techs nettside, laget videoer og egen julekalender med statistisk prosesskontroll. 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 2004. 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   Praktisk informasjon Kurset arrangeres på forespørsel fra bedrifter. Åpne kurs arrangeres ihht kurskalenderen.  Alle deltagerne mottar kursbevis og kursdokumentasjon. Deltagerne får også en excel fil som kan benyttes til statistisk prosesskontroll for enkeltverdier. [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Ingen Innleveringer: Obligatoriske øvingsarbeider. 8 av 10 må være godkjent for å gå opp til eksamen. Det gis flere enn 8 øvinger, men de 8 som blir godkjent må dekke et bredt spekter av temaene som gjennomgås. Nærmere opplysninger gis ved kursstart. Personlig veileder: ja Vurderingsform: 3-timers skriftlig eksamen Ansvarlig: Tor Atle Hjeltnes Eksamensdato: 13.12.13 / 27.05.14         Læremål: Etter å ha gjennomført emnet skal studenten ha følgende samlede læringsutbytte: KUNNSKAPER:Kandidaten kan:- redegjøre for hva som kjennetegner en lovende forretningsidé- redegjøre for muligheter og utfordringer knyttet til entreprenørskap og Internet- beskrive innholdet og hovedelementene i en markedsplan- beskrive innholdet og hovedelementene i en forretningsplan- redegjøre for de ulike kilder til oppstartsfinansiering, samt fordeler og ulemper knyttet til hver av disse- redegjøre for ulike strategier for motivasjon og ledelse som kan anvendes i entreprenørskap FERDIGHETER:Kandidaten kan:- ta stilling til om en forretningsidé virker lovende- sette opp rammene for en markedsplan- sette opp rammene for delvis å utarbeide en forretningsplan- kunne gjennomføre tiltak for å øke de ansattes motivasjon med utgangspunkt i gjennomgått teori GENERELL KOMPETANSE:Kandidaten:- har forståelse for betydningen av innovasjon og entreprenørskap Innhold:Kritiske faktorer for å lykkes med entreprenørskap, hva kjennetegner gode ideer og muligheter, mulige strategier for oppstart, markedsmuligheter og markedsføring, innholdet i forretningsplanen, oppstartsfinansiering og venture-kapital, motivasjon og ledelse i entreprenørskap.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Entreprenørskap 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Studenten må kunne installere programvare, og programmere. Vanlige programmeringsspråk for opensource er C, C++, java, python, m.fl. Innleveringer:   Vurderingsform: Skriftlig eksamen, individuell, 3 timer, teller 60 %. Prosjektoppgave teller 40 %. Ansvarlig: Helge Hafting Eksamensdato: 02.12.13 / 05.05.14         Læremål: KUNNSKAPER:Kandidaten:- kan forklare bakgrunnen for open source, og forskjellen på de vanligste åpne lisensene.- kan beskrive bruk av flerspråklig programvare FERDIGHETER:Kandidaten:- kan bruke vanlige programmeringsverktøy GENERELL KOMPETANSE:Kandidaten:- kan delta i prosjekter som utvikler åpen programvare videre Innhold:Historien og filosofien bak åpen kildekode. Copyright, lisenser fri programvare. Praktisk bruk av verktøyer som make, diff, patch og versjonskontrollsystemer. Internasjonalisering, flerspråklig programvare. Prosjektarbeid med deltakelse i opensource-prosjekt.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag Opensource-utvikling 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

ITIL® 4 Practitioner: Incident Management [-]