Kurs i Romedal

Kurset passer for: deg som skal bli: apotektekniker – helsesekretær - tannhelsesekretær deg som har helse- og sosialfag vg1 eller grunnkurs samt fellesfagene/allmennfagene fra vg1 og vg2/grunnkurs og vk-1. Kursets innhold er: Felles programfag: Helsefremmende arbeid • Kommunikasjon og samhandling • Yrkesutøvelse

Nettkurs kombinert med forelesninger i form av lyd og bilde på din egen PC. Felles programfag: Helsefremmende arbeid • Kommunikasjon og samhandling • Yrkesutøvelse

Nettkurs kombinert med forelesninger i form av lyd og bilde på din egen PC. Start:          Når du selv ønskerOmfang:      En innlevering for hvert fag – i alt 3Pris:            Felles programfag: Kr. 10.000,- ekskl. lærebøker og eksamensavgift                    (kan deles i 4 månedlige avdrag med kr. 200,- i avdragsgebyr pr. avdragTidsplan Kurset kan tas etter egen tidsplan med innlevering av mapper til retting. Du velger selv når du vil starte opp med kurset og hvor lang tid du vil bruke. Innleveringer En innlevering for hvert fag – i alt 3. Kurset er i tråd med læreplanens kompetansemål. Det følger med ulike nettressurser som du kan benytte så mye og så ofte du vil.Lånekassen  Utdanningen er godkjent for lån og stipend i Lånekassen. For å få lån omgjort til stipend kreves det at deltaker avlegger privatisteksamen i samtlige fag som utgjør 4 eksamener.Eksamensform  Privatisteksamen etter gjeldende regler. Oppmelding elektronisk: www.privatistweb.no Fører frem til fagbrev. Er du organisert? Undersøk med ditt fagforbund om du kan søke å få dekket kursavgift. Er du organisert? Undersøk med ditt fagforbund om du kan søke å få dekket kursavgift. [-]

Vårt lederkurs gir deg grunnleggende kunnskaper om motiverende ledelse. Kurset skal gi deltakerne en faglig forståelse for ulike utfordringer knyttet til ledelse der mellommenneskelige relasjoner inngår. Nettkurs eller brevkurs kombinert med forelesninger i form av lyd og bilde på din egen PC.     Start:         Når du selv ønsker. Omfang:     3 innleveringer Pris:           kr. 4.500,- (kan deles i 4 månedlige avdrag med                    kr. 200,- i avdragsgebyr for hvert avdrag).    Tidsplan • Kurset kan tas etter egen tidsplan med innlevering av besvarelser til veiledning. • Du velger selv når du vil starte opp med lederkurset og hvor lang tid du vil      bruke.   Innleveringer • Innlevering av 3 besvarelser   Målgruppe for vårt lederkurs Alle som har et verv eller arbeid, eller ønsker et verv eller arbeid der mellommenneskelige relasjoner og ledelse inngår.   Mål for lederkurset Kurset skal gi deltakerne en faglig forståelse for ulike utfordringer knyttet til lederverv og ledelse.   Kursbeskrivelse Vårt lederkurs gir deg grunnleggende kunnskaper om ledelse.   Tema - Lederkurs • Ledelse i dag • Dagens utfordringer • Dagens muligheter • Ledelsesteori • Administrasjon • Organisasjon • Lederkompetanse • Hvor læres denne kompetansen? • Ledertyper • Personlighet • Kommunikasjon • Hva er god kommunikasjon? • Hvilke utfordringer møter vi i kommunikasjon? • Relasjonskompetanse • Makt • Tillit • Motivasjon • Kreativitet • Behov • Gruppe • Team • Utvikling • Vi-følelse • Helhetlig tenking   Litteratur Relasjonell ledelse Hans Morten Skivik ISBN 9788205329669 Gyldendal 2004   Vurdering  Bestått/ikke bestått.   Kursbevis  Kursbevis utstedes til de som har bestått og som har betalt kursavgiften i sin helhet.   Er du organisert? Undersøk med ditt fagforbund om du kan søke å få dekket kursavgiften for vårt lederkurs.   Dersom du ønsker å komme i kontakt med studieekspert kan du trygt ta kontakt med oss på telefon: 913 58 038913 58 038 eller sende oss E-post til: postmottak@kompetansesenter-bedriftshjelp.com Vi har lang erfaring med kurs og studier og vet hva som vil passe deg best etter en kort og uforpliktende samtale. [-]

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 ingeniørstudier? 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. 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 Vi har veiledere med mange års erfaring som står klare til å hjelpe deg! Er du usikker på hva som skal til for å få studiekompetanse, ta gjerne kontakt med oss for gratis veiledning.  Ønsker du mer informasjon om kurset, velg "Send meg info"-knappen under. Vil du chatte med oss, klikk på ikonet nederst i høyre hjørne. Lånekassestøtte Utdanningen er godkjent i lånekassen. Du søker direkte via lanekassen.no. Alt du må vite om lån og stipend fra Lånekassen som deltaker hos K2 utdanning Støtteordning 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 mere norsk før du starter på utdanning har vi norskkurs på forskjellig nivå (A1-B2). Språkkursene er digitale med personlig oppfølging fra lærer. Se alle norskkurs K2 tilbyr. Krav til utstyr Som deltaker hos K2 må du ha tilgang til pc på eksamen. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Se 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.     [-]

Modulen dekker bruk og effekt av Lean og agile arbeidsmåter, og hvordan dette kan utnyttes til fordel for organisasjonen. Kurset vil gi kandidatene en praktisk og strategisk metode for å planlegge og levere kontinuerlig forbedring med nødvendig smidighet.  E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 12 moduler. Les mer om ITIL® 4 på AXELOS sine websider Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert.   [-]

Check Point Certified Security Administrator (CCSA) R81.20 [-]

Med generell studiekompetanse, kan du søke opptak til de fleste studier ved universiteter og høyskoler. For å komme inn på et studium, må du også ha karakterer som er gode nok. 23/5-regelen Er du over 23 år og mangler studiekompetanse? Da kan du ta generell studiekompetanse etter 23/5 regelen. Du må fylle 23 år eller mer det året du søker om opptak. Du må dokumentere at du har fullført og bestått alle de seks studiekompetansefagene. Du må dokumentere minst 5 års arbeidspraksis og/eller utdanning. Er du kvalifisert gjennom 23/5-regelen, regnes karakterpoengene dine ut på grunnlag av de seks studiekompetansefagene. Eksamen Du må selv melde deg opp til privatisteksamen. Privatisteksamen arrangeres normalt to ganger i året Kort om kursene i Generell studiekompetanse Studiekompetansefagene NooA har valgt å dele matematikkfaget i to kurs, slik at vi dekker de seks studiekompetansefagene med følgende kurs: Naturfag Vg1 er basert på læreplanen i naturfag NAT01-04. Kurset tar for seg emnene: naturvitenskap, programmering, arv, evolusjon, kropp, helse, klima, miljø, bølger, energi, stråling, stoffer og materialer. Engelsk Vg1 er basert på læreplanen i engelsk ENG01-04. Kurset tar for seg språklæring, kommunikasjon, kultur, samfunn og litteratur. Samfunnskunnskap er basert på læreplanen i samfunnsfag SAK01-01. Kurset tar for seg emnene utforskning, globale perspektiver, økonomi- arbeids- og samfunnsliv, sosialisering- identitet og livsmestring, demokrati og medborgerskap Historie er basert på læreplanen i historie HIS01-03 Kurset tar for seg emnene: Historieforståelse og metoder og Samfunn og mennesker i tid. Matematikk 1P Vg1 er basert på læreplanen i matematikk  MAT08-01. Kurset fokuserer på tall og algebra, grafiske fremstillinger og regneark, algoritmer og programmering (Phyton) og funksjoner og modellering. Sammen med Matematikk 2P dekker kurset kravene til generell studiekompetanse i matematikk. Matematikk 2P Vg2 er basert på læreplanen i matematikk  MAT08-01. Sammen med Matematikk 1P  dekker kurset kravene til generell studiekompetanse i matematikk. Kurset tar for seg emnene: Tall og algebra, geometri i praksis, statistikk, økonomi. Norsk Vg3 er basert på læreplanen i norsk NOR01-06  [-]

Er det vanskelig å være disiplinert? Kjenner du deg presset til å endre atferd og arbeidsmåter under Covid-19? Ønsker du å utvikle effektfulle ferdigheter for god selvledelse og optimal motivasjon? Vil du hvordan,da er dette foredraget noe for deg! "Den beste måten å oppnå endring, utvikling og vekst på, er å gjøre planer om til handling. Litt om gangen, men hele tiden!" ØNSKER DU Å LÆRE MER OM: Å redusere stress i livet og  arbeidshverdagen? Fylle mer liv i livet. Finne mer mening i det du gjør. Ta bedre vare på min fysiske, relasjonelle og mentale helse? Å gjøre mindre, jobbe bedre for og oppnå mer? Effektfull kommunikasjon i møte med andre. Hvordan ta vare på og bygge gode relasjoner i en krevende tid? Finn ditt hvorfor! Hvordan du kommer fra prat til optimalt resultat? Et enkelt universalverktøy for atferdsendring? OM FOREDRAGET 60 minutter hjelp til selvhjelp og deretter hvordan du kan hjelpe andre Hvordan ta selvledelse til et nytt nivå for å skape ekstraordinære resultater og optimal motivasjon i arbeidshverdagen og livet Kunnskap om "nøklene" for å lykkes med positive endringsprosesser Hvordan kommer du fra tanker og prat til garantert bedre resultat på 66 dager? Kunnskap om og tilgang til Change66©, din personlige "trener" Du får tilgang til analysene: Selvledelse, Optimal motivasjon og Covid-19 og jobben min Som deltaker på foredraget får du 50% rabatt på det virtuele kurset Selvledelse i praksis på fire moduler à to timer, 12 mnd lisens på Change66© samt 50% rabatt på personlig coaching. BEDRE SELVLEDELSE OG OPTIMAL MOTIVASJON MED CHANG66© Utviklingsverktøyet Change66© tar deg gjennom hele endringsprosessen fra A til Å! Change66© samler inn og sammenstiller data fra din subjektive opplevelse av nåsituasjon og hjelper deg med å finne frem til dine forbedringsområder, prioritere arbeidsoppgaver og lage din personlige handlingsplan. Systemet minner deg på hva du har forpliktet deg til å gjøre, tar vare på gjennomføringsresultatene som gjør det mulig å se utvikling over tid. Change66© er forankret i solid forskning innen atferdspsykologi og motivasjonsteori i kombinasjon med bruk av smart teknologi. CHANGE66© BIDRAR MED: En systematisk tilnærming i alt utviklings- og forbedringsarbeid Å samle inn og sammenstille data om din nåsituasjon Et unikt grunnlag for analyse av årsakssammenhenger mellom resultater, arbeidsmåter og tilgang på ressurser Hjelp til å identifisere forbedringsområder Hjelp til å prioritere det viktigste tiltaket du kan gjøre noe med Hjelp til å beskrive ditt hvorfor som utløser optimal motivasjon Hjelp til å lage og følge opp din personlige handlingsplan Læringslogg som beskriver gjennomføringsresultatene Måler og viser utvikling over tid Tar vare på resultater og beste praksis En enkel måte å dele rapporter OM FOREDRAGSHOLDER RUNE HAUGEN EdTech-gründer og daglig leder WiseHouse AS Rune Haugen er spesialist på digital transformasjon av atferdsendring og arbeidsmåter og har utviklet det digitale verktøyet Change66© som kombinerer ny forskning på atferdspsykologi med bruk av smart teknologi. 30 års erfaring fra læringsindustrien. Haugen har i tillegg skrevet boken Helsefremmende lederskap - slik leder de beste og har mer enn 20 års erfaring med design og gjennomføring av blandede læringsløp Han er en annerkjent foredragsholder og kjent for sine evner til å engasjere og formidle viktig kunnskap på en folkelig måte. Les mer om Rune Haugen og hans referanser på LinkedIn NOEN REFERANSER Change66©, et verktøy for effektiv selvledelse! Rune Haugen holdt et gnistrende godt foredrag for BI studentene, og skapte nye synapser om selvledelse og Optimal motivasjon. Roy W. Elvegård, Lecturer in Marketing and Communication, BI Norwegian Business School Rune Haugen som foredragsholder Rune Haugen er en dedikert og dyktig kurs/foredragsholder. Rune har en helt egen evne til å engasjere og involvere de rundt seg. Han snakker og underviser med begeistring og overbevisning, og ga meg både god faglig innsikt og tro på mine egne evner. Anbefales på det varmeste!  Johan Bergh, Kommandørkaptein (Pensj.) Senior advisor Hvorfor jeg anbefaler verktøyet for atferdsendring Change66©? Å utvikle prestasjonskulturer og skape fremragende resultater krever treningsarbeid satt i system over tid med kvalitet i alle faser. Fra analyse av nåsituasjon til ønsket resultat. Valg og prioritering av konkrete arbeidsmål i forbedring av atferd og arbeidsmåter er avgjørende. Dette krever at analysegrunnlaget er ferskvare med informasjon fra både sak, person og arbeidsmåter. Change66© bidrar til å ta utviklingsarbeid fra «stunt» til prosess.   Bjørge Stensbøl, Stensbøl Consulting Bruk av Change66 i min coaching virksomhet Jeg har deltatt på sertifiseringskurs i bruk av utviklingsverktøyet Change66© som jeg anvender i min coaching virksomhet. Rune oppnår tillit gjennom sin lange erfaring innen ledelsesfaget og ledertrening. Han har stor kunnskap om hva som fungerer og ikke fungerer. Han er en suveren kursholder som skaper engasjement gjennom god struktur og involvering som oppfordrer til deltakelse, ettertanke og refleksjon. Rune lærte meg viktigheten av selvledelse og hvorfor det er essensielt å ansvarliggjøre seg selv til enhver tid: Hva har resultatene med meg å gjøre? Gjennom refleksjon, prioritering og praktisk trening opplevde jeg å få grunnfestet min nye læring. Jeg vil sterkt anbefale Rune som instruktør for deg som vil ha forskningsbasert ledertrening i kombinasjon med et unikt digitalt verktøy for atferdsendring og resultatforbedring. Unn Helen Børvind, daglig leder i Excellent HR Det digitale utviklingsverktøyet Change66©, er genialt, samtidig som den er enkelt. Jeg har i årevis jobbet etter noe av den samme prinsipielle tenkningen, men her er tenkningen systematisert, digitalisert, kosteffektivt og med en brukerterskel som alle kan håndtere. Change66© vil være et svært godt og verdifullt verktøy for ledere - uavhengig av nivå. Tor Rune Raabye, Strategic Leadership&Crisis Management Consulting, Generalmajor(R)     [-]

FSE Low voltage Quick Qualify with First aid - not including CPR practice. This course covers all topics detailed in the FSE-regulation concerning work in and by low voltage installations offshore. FSE Quick Qualify (QQ) low voltage offshore is a new way to assess the candidate’s skills in areas covered by the FSE regulation, and tailor the course specifically for each candidate. Instead of a 3–4-hour course, it can be done in 1,5-3 hours, depending on the candidate’s skills. The course covers all topics detailed in the FSE regulation concerning work in and nearby low voltage installations offshore.The course and assessment also cover safety philosophy, various injuries caused by electricity and recommended treatment, as well as personal protective equipment. There should be no more than 12 months between each training Topics covered:- Understand what requirements are set for those whom are to work on or by electrical installations.- Specific requirements set out in the FSE-regulation.- Know which authority governs operations offshore.- Routines for marking and cordoning off areas.- Requirements for how to organize the work and relevant competency.- Safety philosophy- Accident statistics related to work on electric installations.- Understand the general principles of protection, type specific  protection and marking.- Understand the risks related to rescue in live installations.- Understand the importance of reporting accidents and incidents.- First aid in case of accidents.- Alarm procedures in case of accidents. Language English, Norwegian Duration 1,5 - 4 hours [-]

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     [-]

Medlemskurs: Protokoll & Referat (Gratis for medlemmer) Nettbasert / Ca. 45 min / "Live" med Styrekonsulent eller On-demand.   Ett komprimert og nyttig kurs med mange verdifulle tips og råd. Kurset leveres både "live" med styrekonsulent – enten via Teams eller Zoom, med mulighet for å stille spørsmål mm. underveis, eller som On-demand kurs.    Dette nettkurset tar utgangspunkt i aksjelovens § 6-29 om protokoller samt andre sentrale bestemmelser. Gjennom seminaret vil vi komme med minimum 25 konkrete tips og råd for praktisk og taktisk håndtering av protokoller og referat fra styre- og generalforsamlingsbehandlinger. Vi har med vilje brukt betegnelsen "praktiske og taktiske tips".   Kursinnhold: De rent praktiske tipsene om hva som skal være med er inkludert i kurset, men det mer interessante er: Hvordan skal saker og forhold tas med? Hvordan formulere viktige saker Oppfølging Forbehold Saksbehandlingen Uenighet/enighet Osv.   Vi gjennomgår selvfølgelig alle de sentrale regler og forhold omkring protokoller og referat. Lovkrav til innkalling, gjennomføring og oppfølging. Taktiske tips er mest spennende! Noen ganger må man arbeide taktisk i styresammenheng.  Finnes det en del taktiske grep det kan være nyttig å få med seg? Absolutt!    Målgruppe: Daglig leder, styreleder, styremedlemmer og andre med interesse for temaet.    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   [-]

Synes du det er uoversiktlig å samarbeide om dokumenter med andre? Vi lærer deg de viktigste funksjonene og metodene for vellykket dokument-samhandling og ferdigstilling av dokumenter. Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Samarbeidsfunksjoner Spor endringer for å se hvem som har gjort hva Bruk av merknader Sammenligne dokumenter Passordbeskytte dokumenter   Filer i SharePoint, OneDrive for Business og OneDrive Samtidigredigering Versjonering   Før publisering Fjerne skjulte data Fjerne personlig informasjon   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support [-]

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. After completing this course, students will be able to: 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 prerequisites Successful students start this course with knowledge of cloud computing and core data concepts and professional experience with data solutions.Recommended prerequisites:M-DP900 - Microsoft Azure Data FundamentalsM-AZ900 - Microsoft Azure Fundamentals Agenda 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. 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. 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. 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). 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Module 16: Build reports using Power BI integration with Azure Synapase 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. 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. [-]

Dette kurset tilbys som bedriftsinternt kurs   Maskinlæring handler om sette datamaskiner i stand til å lære fra og utvikle atferd basert på data. Det vil si at en datamaskin kan løse en oppgave den ikke er eksplisitt programmert for å håndtere. I stedet er den i stand til å automatisk lære gjenkjenning av komplekse mønstre i data og gjøre beslutninger basert på dette disse. Maskinlæring gir store muligheter, men mange bedrifter har problemer med å ta teknologien i bruk. Nøyaktig hvilke oppgaver kan maskinlæring utføre, og hvordan kommer man i gang? Dette kurset gir oversikt over mulighetene som ligger i maskinlæring, og hvordan i tillegg til kunnskap om hvordan teknologien kan løse oppgaver og skape resultater i praksis. Hva er maskinlæring, datavitenskap og kunstig intelligens og hvordan det er relatert til statistikk og dataanalyse? Hvordan å utvinne kunnskap fra dataene dine? Hva betyr Big data og hvordan analyseres det? Hvor og hvordan skal du bruke maskinlæring til dine daglige forretningsproblemer? Hvordan bruke datamønstre til å ta avgjørelser og spådommer med eksempler fra den virkelige verden? Hvilke typer forretningsproblemer kan en maskinen lære å håndtere Muligheter som maskinlæring gir din bedrift Hva er de teoretiske aspekter på metoder innen maskinlæring? Hvilke ML-metoder som er relevante for ulike problemstillinger innen dataanalyse? Hvordan evaluere styrker og svakheter mellom disse algoritmene og velge den beste? Anvendt data science og konkrete kunde eksempler i praksis   Målsetning Kurset gir kunnskap om hvordan maskinlæring kan løse et bestemt problem og hvilke metoder som egner seg i en gitt situasjon. Du blir i stand til å kan skaffe deg innsikt i data, og vil kunne identifisere egenskapene som representerer dem best. Du kjenner de viktigste maskinlæringsalgoritmene og hvilke metoder som evaluerer ytelsen deres best. Dette gir grunnlag for kontinuerlig forbedring av løsninger basert på maskinlæring.   [-]

SFWIPA: Securing Data Center Networks and VPNs with Cisco Secure Firewall Threat Defense [-]

Målsetting Hensikten med opplæringen er å gi kranførere en god praktisk grunnopplæring i sikker bruk av offshorekran Opplæringen skal gi elevene god innsikt i prinsippene for offshorekranes konstruksjon, virkemåte, praktisk bruk slik at uhell og ulykker i forbindelse med løfteoperasjoner unngås. Gjennom praktiske øvelser som interne løft, installasjon - supply båt, og kritiske løft, samt håndtering av nødoperasjoner får kandidaten verifisert sine kunnskaper Emneliste Innledning Familiær med simulator Sjekkliste kran Interne løft, sjø løft, kritiske løft Dag og natt operasjoner Planlegging av løfteoperasjoner Evaluering av operasjoner Håndtering av last, hastighet, bevegelser osv. Reaksjoner ved eventuelle hendelser Bruk av lastekart, kommunikasjon, Parkering av kran Evaluering Avslutningsprøve praktisk evaluering Kompetansebevis / sertifikat Et kursbevis vil bli utstedt til hver kandidat som har gjennomført og bestått opplæringen. Kursbeviset vil inneholde informasjon om opplæringssted, kursinnhold, dato for gjennomføring, kandidatens navn og fødselsdato og være signert av daglig leder/kurs koordinator Pris er per deltaker og inkluderer alle kursdager, eksamen samt lunsj i vår kantine. [-]