Oversikt over relevante kurs innen IT-kurs i Tenhult

Dette er et SharePoint-kurs for de som bruker SharePoint Online og skal fungere som superbruker, eie områder, eller deg som ønsker å bli kjent med administrasjon, rettigheter og tilpasning av funksjonalitet. Om din virkshomhet har egen SharePoint Server, og ikke bruker SharePoint Online, sjekk ut vårt Område-eier kurs for SharePoint Server. Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Bruksområder for SharePoint i Office 365 Forstå SharePoints rolle Sammenheng med Grupper og Teams Områdets livssyklus   Om områder Team-områder for samarbeid Kommunikasjonsområder for å informere   Rettigheter Legge til og håndtere medlemmer Forskjell på frittstående og Gruppe-knyttede områder Forstå områdets roller Rettigheter for elementer og filer   Navigasjon i område Tilpasse områdemenyen Tilpasse utseende på område   Tilpasse lister og bibliotek Opprette og endre kolonner Sorter og filtrer med visninger Legg til egne maler   Tilpasse sider og bruke nyheter Forstå side-typene i område Rediger side Legg til og tilpass nettdeler   Dashboard Presentere informasjon fra andre tjenester Integrasjon med Gruppe-verktøy (Planner, Teams)   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

Excel Ekspert kurs for deg som ønsker en omfattende fordypning i Excel knyttet til formler og funksjoner, men som ikke har tid til å sette deg inn i dette på egenhånd. Vil du lære mer om håndtering av datagrunnlag og rapportering på grunnlag fra flere kilder, samt bygging av dynamiske modeller? Da er ”Excel Ekspert” kurset for deg! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1   Funksjoner i Excel Utarbeidelse av dynamiske modeller ved bruk av navn og funksjoner. Funksjoner. Få oversikt over flere avanserte funksjoner samt se kraften av å bruke sammensatte funksjoner Navn. Bruk navn for å forenkle og tydeliggjøre formler og funksjoner. Lag dynamiske etiketter til diagrammer Matriseregning. Få en innføring i hvordan du kan jobbe med matrisefunksjonalitet i Excel.   Alternativknapper og kombinasjonsbokser Gjør modellene dine mer interaktive ved bruk av kontroller   Dag 2   Klargjøre data for beregninger ved bruk av PowerQuery Hva er PowerQuery? Lese inn data til PowerQuery fra ulike kilder Eksempel: tilføye og slå sammen Snu krysstabell Kobling til tekstfil med problemer Manglende struktur i kolonner. Lær hvordan du kan gjengi informasjon i regnearket slik at grunnlaget kan brukes til rapportering. Duplikater. Lær forskjellige måter å kvitte seg med duplikater på. Splitte informasjon. Lær forskjellige måter for å skille data i kolonner.   Beregninger ved bruk av Pivot Eksempel: prosentvis fordeling ”i år mot i fjor”. Pivotkonsolidering og datakonsolidering.   Makroer Innspilling av makro. Hvordan lage makroer for å automatisere rutinearbeid? Redigering av makroer. Lær hvordan makroer kan gjøres mer dynamiske, kombinert med navn og bruk av meldingsbokser og ”hvis” setninger. Demonstrere viktige VBA metoder 4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti     [-]

Ønsker du en kjapp og smertefri introduksjon i verdens mest populære bildebehandlingsprogram? Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1    Innføring Fargemodellene RGB og CMYK Beskjæring av bildet til trykk eller skjerm Utskriftsoppløsning og kameraoppløsning Forstå hvordan oppløsning fungerer Hva er de vanligste filformatene å jobbe i   Arbeidsmiljø Menyer og paletter. Hva inneholder disse, og hvordan får du fram det du ønsker? Tilpasse arbeidsmiljøet. Flytte på paletter og lagre egne oppsett tilpasset dine behov Navigering og zoom. Fokuser på det du jobber med, se helheten, og gjør dette raskt og effektivt Adobe Bridge. Introduksjon til programmet som organiserer og forhåndsviser filer og gjør det enklere for deg å jobbe Nytt dokument. Hvordan lage og tilpasse nye dokumenter med marger, spalter, sidevisning med mer?   Retusjering Bli kjent med retusjeringsverktøyene Se på hvilke muligheter du har i nyere utgave av Photoshop Fjerne uønskede elementer i bilder   Lag Bli kjent med lagpaletten Opprette, slette og organisere lag Transformering av lag Lagstiler og justeringslag   Markeringer Lær å bruke de forskjellige markeringsverktøyene Gjøre endringer på markerte områder Kombiner markeringsverktøy for å kun få tak i det du ønsker Opprett lag på bakgrunn av markeringer   Dag 2   Bildejusteringer Justere kontrast og tonalitet i et bilde Jobbe med å gjøre bilde lysere og mørkere Justere farger i et bilde Bytte ut én farge med en annen   Kombiner ulike verktøy for å utnytte mulighetene i Photoshop Jobbe med et bilde med ulike verktøy Markering og bildejustering Markering og fjerning av bakgrunnselementer Bruke smartere markedsverktøy   Lagring Lær om de ulike filformatene vi bør kjenne til Lagring til web og komprimering av bilder Lagring til trykk   Jobbe med flere bilder Klippe ut fra et bilde og lime inn i et annet Tekstverktøyet og tekstpalettene Tegneverktøy   4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti   [-]

Excel – Du trodde du kunne det? [-]

 This course teaches you to leverage your existing knowledge of Python and machine learning to manage data ingestion and preparation, model training and deployment, and machine learning solution monitoring in Microsoft Azure. TARGET AUDIENCE This course is designed for data scientists with existing knowledge of Python and machine learning frameworks like Scikit-Learn, PyTorch, and Tensorflow, who want to build and operate machine learning solutions in the cloud. COURSE CONTENT Module 1: Introduction to Azure Machine Learning In this module, you will learn how to provision an Azure Machine Learning workspace and use it to manage machine learning assets such as data, compute, model training code, logged metrics, and trained models. You will learn how to use the web-based Azure Machine Learning studio interface as well as the Azure Machine Learning SDK and developer tools like Visual Studio Code and Jupyter Notebooks to work with the assets in your workspace. Getting Started with Azure Machine Learning Azure Machine Learning Tools Lab : Creating an Azure Machine Learning WorkspaceLab : Working with Azure Machine Learning Tools After completing this module, you will be able to Provision an Azure Machine Learning workspace Use tools and code to work with Azure Machine Learning Module 2: No-Code Machine Learning with Designer This module introduces the Designer tool, a drag and drop interface for creating machine learning models without writing any code. You will learn how to create a training pipeline that encapsulates data preparation and model training, and then convert that training pipeline to an inference pipeline that can be used to predict values from new data, before finally deploying the inference pipeline as a service for client applications to consume. Training Models with Designer Publishing Models with Designer Lab : Creating a Training Pipeline with the Azure ML DesignerLab : Deploying a Service with the Azure ML Designer After completing this module, you will be able to Use designer to train a machine learning model Deploy a Designer pipeline as a service Module 3: Running Experiments and Training Models In this module, you will get started with experiments that encapsulate data processing and model training code, and use them to train machine learning models. Introduction to Experiments Training and Registering Models Lab : Running ExperimentsLab : Training and Registering Models After completing this module, you will be able to Run code-based experiments in an Azure Machine Learning workspace Train and register machine learning models Module 4: Working with Data Data is a fundamental element in any machine learning workload, so in this module, you will learn how to create and manage datastores and datasets in an Azure Machine Learning workspace, and how to use them in model training experiments. Working with Datastores Working with Datasets Lab : Working with DatastoresLab : Working with Datasets After completing this module, you will be able to Create and consume datastores Create and consume datasets Module 5: Compute Contexts One of the key benefits of the cloud is the ability to leverage compute resources on demand, and use them to scale machine learning processes to an extent that would be infeasible on your own hardware. In this module, you'll learn how to manage experiment environments that ensure consistent runtime consistency for experiments, and how to create and use compute targets for experiment runs. Working with Environments Working with Compute Targets Lab : Working with EnvironmentsLab : Working with Compute Targets After completing this module, you will be able to Create and use environments Create and use compute targets Module 6: Orchestrating Operations with Pipelines Now that you understand the basics of running workloads as experiments that leverage data assets and compute resources, it's time to learn how to orchestrate these workloads as pipelines of connected steps. Pipelines are key to implementing an effective Machine Learning Operationalization (ML Ops) solution in Azure, so you'll explore how to define and run them in this module. Introduction to Pipelines Publishing and Running Pipelines Lab : Creating a PipelineLab : Publishing a Pipeline After completing this module, you will be able to Create pipelines to automate machine learning workflows Publish and run pipeline services Module 7: Deploying and Consuming Models Models are designed to help decision making through predictions, so they're only useful when deployed and available for an application to consume. In this module learn how to deploy models for real-time inferencing, and for batch inferencing. Real-time Inferencing Batch Inferencing Lab : Creating a Real-time Inferencing ServiceLab : Creating a Batch Inferencing Service After completing this module, you will be able to Publish a model as a real-time inference service Publish a model as a batch inference service Module 8: Training Optimal Models By this stage of the course, you've learned the end-to-end process for training, deploying, and consuming machine learning models; but how do you ensure your model produces the best predictive outputs for your data? In this module, you'll explore how you can use hyperparameter tuning and automated machine learning to take advantage of cloud-scale compute and find the best model for your data. Hyperparameter Tuning Automated Machine Learning Lab : Tuning HyperparametersLab : Using Automated Machine Learning After completing this module, you will be able to Optimize hyperparameters for model training Use automated machine learning to find the optimal model for your data Module 9: Interpreting Models Many of the decisions made by organizations and automated systems today are based on predictions made by machine learning models. It's increasingly important to be able to understand the factors that influence the predictions made by a model, and to be able to determine any unintended biases in the model's behavior. This module describes how you can interpret models to explain how feature importance determines their predictions. Introduction to Model Interpretation using Model Explainers Lab : Reviewing Automated Machine Learning ExplanationsLab : Interpreting Models After completing this module, you will be able to Generate model explanations with automated machine learning Use explainers to interpret machine learning models Module 10: Monitoring Models After a model has been deployed, it's important to understand how the model is being used in production, and to detect any degradation in its effectiveness due to data drift. This module describes techniques for monitoring models and their data. Monitoring Models with Application Insights Monitoring Data Drift Lab : Monitoring a Model with Application InsightsLab : Monitoring Data Drift After completing this module, you will be able to Use Application Insights to monitor a published model Monitor data drift   [-]

Mastering Microsoft Device Management [-]

Kurset passer både for deg som skal i gang med Focus Arealplan eller som har brukt programmet litt fra før.   Hensikten med kurset er å gi deg en grunnleggende forståelse i bruken av AutoCAD-applikasjonen Focus Arealplan. Kurset er nødvendig for å komme raskt i gang med med å bruke programmet, og for å få den nødvendige forståelse for de mulighetene programmet gir. Kursinnhold: På kurset vi deltagerne lære å hente inn SOSI-filer og å utarbeide reguleringsplaner iht. Miljøverndepartementets veiledere med Focus Arealplan. Vi legger spesielt vekt på riktig arbeidsmetodikk. Kurset gjennomgår også hvordan man overfører ferdig plan til SOSI-format og kontroll av SOSI-filen med programmet 'SOSI-vis'. Vi vil også gå gjennom typiske problemstillinger hvor vi har erfart at ting kan gå galt eller ting som oppleves vanskelig hvis man benytter feil arbeidsmetodikk. [-]

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

  Studieår: 2013-2014   Gjennomføring: Høst og vår Antall studiepoeng: 5.0 Forutsetninger: Grunnleggende objektorientert programmering i for eksempel Java eller C++ Innleveringer: Øvinger: 8 av 11 må være godkjent.  Personlig veileder: ja Vurderingsform: Skriftlig eksamen, 4 timer. Case-beskrivelser etc. legges ut i ItsLearning 24 timer før. (NB! Eksamensform kan bli endret under forutsetning av at ny teknologi gjør det mulig å arrangere eksamen elektronisk.) Ansvarlig: Grethe Sandstrak Eksamensdato: 05.12.13 / 08.05.14         Læremål: Etter å ha gjennomført emnet skal kandidaten ha følgende samlete læringsutbytte: KUNNSKAPER:Kandidaten:- kan gjøre rede for sentrale begreper innen objektorientering- kan konstruere et objektorientert C#. NET-program ut fra en gitt problemstilling- kan finne fram, sette seg inn i og anvende dokumentasjon om .NET Framework library- kjenner til ulike GUI-komponenter og hvordan de brukes i C#-programmer FERDIGHETER:Kandidaten kan:- sette opp programmiljø for å utvikle og kjøre C#. NET applikasjoner på egen pc- kan anvende klasser fra .NET Framework library- lage C#.NET program* med fordeling av oppgaver mellom objekter og der arv og polymorfi benyttes* med grafiske brukergrensesnitt* som kommuniserer med en database via SQL* med LINQ, delegater, templates GENERELL KOMPETANSEKandidaten kan:- kommunisere om objektorientert programmering og databaser med relevant begrepsapparat Innhold:NET-arkitekturen. Utviklingsmiljøet. Grunnleggende C#-syntaks. Objektorientert programmering med arv og polymorfi. GUI. Datafiler. Programmering mot databaser. ADO.NET, LINQ, Templates, Collections.Les mer om faget her Påmeldingsfrist: 25.08.13 / 25.01.14         Velg semester:  Høst 2013    Vår 2014     Fag C#.NET 4980,-         Semesteravgift og eksamenskostnader kommer i tillegg.    [-]

IP1: Generell nettverksteknologi [-]

Advanced Architecting on AWS [-]

Visste du at det er fullt mulig å lage et interaktivt PDF-dokument i Adobe InDesign? Faktisk er det ikke så vanskelig når du først har forstått hvordan det fungerer. Et interaktivt PDF-dokument kan inkludere elementer som bokmerker, destinasjoner, linker, knapper, tekstfelt, kombinasjonsbokser, avkrysningsbokser, radioknapper, og mye mer. I dette kurset vil Espen Faugstad guide deg gjennom prosessen med å lage et interaktivt PDF-dokument ved hjelp av Adobe InDesign CC 2020. Du vil lære å opprette bokmerker, destinasjoner, linker og knapper. I tillegg vil du lære å utvikle utfyllingsskjemaer som inkluderer tekstfelt, kombinasjonsbokser, avkrysningsbokser, radioknapper og mer. Til slutt vil du bli veiledet gjennom eksporteringen av prosjektet som en PDF-fil. Dette kurset er delt inn i følgende kapitler: Kapittel 1: Introduksjon Kapittel 2: Interaktivitet Kapittel 3: Skjema Kapittel 4: Eksportere Kapittel 5: Avslutning Gjennom kurset vil du få de nødvendige ferdighetene for å skape interaktive PDF-dokumenter som kan være nyttige i en rekke sammenhenger, inkludert presentasjoner, rapporter, og mer.   Varighet: 1 time og 37 minutter   Om Utdannet.no: Utdannet.no tilbyr noen av landets beste digitale nettkurs. Vår tjeneste fungerer på samme måte som strømmetjenester for musikk eller TV-serier, der våre kunder betaler en fast månedspris for tilgang til alle kursene vi har tilgjengelig. Vi har opplevd betydelig vekst de siste årene, med over 30 000 registrerte brukere og 1,5 millioner videoavspillinger. Vårt mål er å gjøre kompetanseutvikling engasjerende, spennende og tilgjengelig for alle, og vi har støtte fra Innovasjon Norge og Forskningsrådet. [-]

I en digital tidsalder hvor samhandling er essensielt for bedrifters suksess, er det kritisk for ledere å oppdatere sin kompetanse. Dette éndagskurset tilbyr praktisk trening og materiale for videre selvstudium, slik at ledere kan møte dagens databehov effektivt. Kurset fokuserer på tre hovedområder for å styrke deltakernes lederkompetanse innen datahåndtering. Det kombinerer teori og praksis for å maksimere læringen. Kurset avholdes på én arbeidsdag, med en strukturert agenda som dekker følgende temaer: Strategiske IT/IS-planer, inkludert organisatoriske strukturer, lederansvar, kompetansekartlegging, IT/IS-policyer, og en gjennomgang av IS-domener. Dette inkluderer også sikkerhetsaspekter som aktiva, nettverk, identitets- og tilgangsstyring, risikostyring, sikkerhetsvurdering og -testing, sikkerhetsoperasjoner, og sikkerhet i utviklingsfasen. Intern gapanalyse, oppbygging av en effektiv Enterprise Information Security Architecture (EISA), definering av opplæringskrav, tilpassede SETA-programmer, trusselvurdering, håndtering av sårbarheter, og en praktisk tilnærming til leverandørrisiko og sikkerhetsvurdering av digitale nettverk. Utvikling av KPI-dashboards, trusselvurdering, kommunikasjonsstrategier, introduksjon til økonomiske nøkkeltall innen informasjonssikkerhet, samt planlegging for forretningskontinuitet og katastrofegjenoppretting. Målsettingen er at hver deltaker etter kurset skal kunne sette SMART-mål for hvert punkt, hvor SMART representerer Spesifikke, Målbare, Oppnåelige, Relevante og Tidsbestemte mål. Kurset gir deltakerne verktøyene de trenger for å forbedre sitt lederskap i en digitalisert verden. Kursholder har jobbet med informasjonssikkerhet for ledende teknologiselskaper de siste 25 årene, og har hjulpet ledere finne farbare veier i krevende situasjoner. Han er sertifisert kvalitetsrevisor ISO 19011 og har utarbeidet sikkerhetsstyringsrutiner for selskaper som følger både enkle og svært strenge lovkrav. Han har en Ph.D. i Cybersecurity Leadership, en MBA innen Finans, Digital transformasjon, Forretningsstrategi, Kommunikasjon og Markedsføring. Han er sertifisert i Advanced Computer Security fra Stanford University og Cyber Forensics and Counterterrorism fra Harvard University. Han har også CISSP fra ISC2, Certified Data Privacy Solution Engineer fra ISACA, og CCSK (Certificate of Cloud Security Knowledge) fra CSA. I tillegg har han gjennomført NHH sitt styreprogram, som utgjør en relevant bakgrunn for dette kurset. Til daglig jobber han som CISO for et selskap med lokasjoner på 24 steder over hele verden. Selskapet må både sikre trygg drift og utvikle programvare og tjenester som må være i drift 24/7. [-]

Kurs i hypotesetesting I forbedringsarbeid og problemløsning tester vi hypoteser for å bestemme rotårsaker og årsakssammenhenger. Dette kurset lærer deg å utforme og teste hypoteser. Du får svar på spørsmål som: Er det signifikante forskjeller i gjennomsnitt eller variasjon? Har endringen vi har gjort medført en signifikant forbedring?   Kurset er for deg som vil: utforme hypotese basert på egne teorier om rotårsak eller årsakssammenhenger bestemme om datasett har signifikante forskjelliger i gjennomsnitt eller variasjon avgjøre om forbedringsarbeid har gitt signifikante forskjeller forstå årsakssammenhenger ved hjelp av statistikk   Du lærer følgende: Bruk av statistisk hypotesetesting Praktisk og statistisk signifikans Statistikk og sannsynlighet Utforme hypotese Velge Hypotesetest (type data, fordeling, statistikk av interesse, # populasjoner) Trekke konklusjon basert på p-verdi Type I og type II feil Vurdering av datautvalg og prøveantall Bruke av p-verdi Vi bruker praktiske eksempler og øvelser i undervisningen.     Kursholder Kursholder Sissel Pedersen Lundeby er IASSC (International association for Six Sigma certification) akkreditert kursholder (eneste i Norge per januar 2022): "This accreditation publically reflects that you have met the standards established by IASSC such that those who participate in a training program led by you can expect to receive an acceptable level of knowledge transfer consistent with the Lean Six Sigma belt Bodies of Knowledge as established by IASSC."  Hypotesetesting er et av verktøyene som benyttes innen Lean Six Sigma, og Sissel har bred erfaring med anvendelse av dette verktøyet.  Sissel er utdannet sivilingeniør i kjemiteknikk fra NTNU, og har mer enn 20 års erfaring innen produksjon og miljøteknologi. Hennes Lean Six Sigma opplæring startet i 2002, hos et amerikansk firma, hvor hun ble Black Belt sertifisert. I 2017 ble hun også Black Belt sertifisert gjennom IASSC. Sissel har svært god erfaring med å bruke Lean Six Sigma til forbedringer, og fokuserer på å skape målbare resultater. Kursene bruker praktiske, gjenkjennelige eksempler, og formidler Lean Six Sigma på en enkel, forståelig måte.      Tilbakemeldinger "Inspirerende, faglig dyktig, folkeliggjør et teoretisk fagområde" Espen Fjeld, Kommersiell direktør hos Berendsen "Faglig meget dyktig og klar fremføring. Morsom og skaper tillit" Jon Sørensen, Produksjonsleder hos Berendsen "10/10 flink til å nå alle" Erlend Stene, Salgsleder hos Berendsen "Tydelig og bra presentert. God til å kontrollspørre og lytte (sjekke forståelse)" Morten Bodding, Produksjonsleder hos Berendsen "Utgjorde en forskjell, engasjert og dyktig" Kursdeltager fra EWOS "Du er inspirerende, positiv og dyktig i faget" Kursdeltager fra EWOS "Jeg var veldig imponert over Sissels Lean Six Sigma kunnskap. Hun gjør det enkelt å identifisere forbedringer og skape resultater" Daryl Powell, Lean Manager, Kongsberg Maritime Subsea   Praktisk informasjon Kurset arrangeres på forespørsel fra bedrifter. Åpne kurs arrangeres ihht kurskalenderen. Kurset består av et nettmøte på 2 timer. [-]

I dagens digitaliserte verden øker mengden data med enorme størrelser hver eneste dag. Enten man jobber i store multinasjonale selskap eller i små bedrifter ser man behovet for å dykke ned i data for å skaffe bedre innsikt. Veien dit vil variere fra sted til sted, men en fellesnevner er å bygge opp kompetanse rundt virksomheten sine data. Selvbetjening er en viktig bidragsyter for å bygge kompetansen og bli mer datadrevet. Begrepet kan defineres som en enkel form av styringsinformasjonssystemet, hvor brukeren har tilgang til relevant data og genererer rapporter og/eller analyser med hjelp av selvbetjeningsverktøy. Formålet er gi brukeren mulighet til å optimalisere og forenkle sine arbeidsoppgaver i tillegg til å frigjøre IT spesialister. Power BI er et verktøy som kan hjelpe dere på veien til å bli mer selvbetjent. Det er et kraftfullt analyse– og modelleringsverktøy som gjør at man kan kombinere data fra ulike kilder og sammenstille dem i rapporter og dashboards. Disse kan enkelt deles med andre i organisasjonen og tilgangsstyres i henhold til GDPR, personvern og teknisk kompetanse. Dette kurset gir en grunnleggende innføring i bruk av Power BI Desktop som selvbetjenings- og analyseverktøy for controllere, analytikere og de som jobber med virksomhetsrapportering. Deltakerne vil få en grunnleggende innføring i: Innlasting av data Datamodellering (best practice) Forhold mellom tabeller Power Query og datatransformasjoner DAX (kalkulerte mål og kolonner) Datavisualisering, formattering og rapportoppsett Filtrering, slicers og drillthrough funksjon Navigasjon og bokmerker Publisering av rapport til Power BI Service og overordnet modell for utrulling av Power BI i organisasjonen vil bli presentert i kurset, men disse tema vil ikke bli dekket i dybden. Ta med egen PC med nyeste versjon av Power BI. Du bør også ha signet opp med en 30-dagers gratislisens for Power BI Pro.   Kursinnhold Innlastning av data Kurset bygger på et datasett fra en fiktiv global leverandør av sykkelutstyr hvor data er fordelt på en fakta tabell med tilhørende dimensjonstabeller. Datasettet hentes fra en Excel-fil som er tilsendt før kurset, men denne fremgangsmåten kan enkelt overføres til andre strukturerte databaser. Datamodellering Når vi bruker data fra flere tabeller er det viktig å definere en datamodell som muliggjør analyser på tvers av tabellene. Dette kurset gjennomgår grunnleggende teori om datamodellering sammen med en praktisk gjennomgang av hvordan man oppretter relasjoner og bygger en datamodell i Power BI. Bruke Power Query til å transformere data Power Query er et utrolig kraftig verktøy til å skreddersy data før de lastes inn i Power BI (ETL). Dette kurset gjør deltakerne kjent med hvordan Power BI og Power Query samhandler, og det blir demonstrert enkelte funksjoner i Power Query. Herunder rydding i data via navngivning, sletting og formattering av kolonner. Opprettelsen av en betinget kolonne blir også gjennomgått i kurset. DAX (Kalkulerte mål og kolonner) DAX er språket som brukes til å utføre spesifikke kalkulasjoner på data i Power BI. Dette er et språk hvor man kan utføre ganske komplekse utregninger, og kurset gir en introduksjon til dette på et nybegynnernivå. Det vil si at vi i kurset utarbeider mål og kolonner ved bruk av funksjoner som SUM, COUNT og CALCULATE. Datavisualisering, formattering og rapport oppsett Kurset gjennomgår flere av de vanlige visualiseringstypene som søylediagram, hjuldiagram og tabeller, og det blir vist formateringsmuligheter som valg av farge, kantlinje og akseformattering. Kurset legger også vekt på samhandling mellom visualiseringene, og det opprettes en interaktiv rapport med filtreringsvalg, ikoner og egendefinerte overskrifter. Navigasjon og bokmerker Kurset vil gjennomgå måter å navigere i rapporten på, samt den populære funksjonaliteten bookmarks som kan brukes til blant annet navigasjon og fjerning av anvendte filtre for å gjøre brukeropplevelsen av rapporten bedre.      [-]