Kurs i programvare og applikasjoner

PowerPoint 2010 er et presentasjonsprogram som brukes når vi skal vise fram data – enten det er tekst, bilder, tall eller tegninger. Programmet kan brukes til å lage lysark som skrives ut, eller vi kan vise presentasjonen ved hjelp av PC + videokanon. På kurset vil grunnleggende funksjoner vektlegges, men vi vil og se på hvordan en bygger opp og setter sammen en presentasjon. Forkunnskaper: Du må ha kunnskaper tilsvarende PC-begynnerkurs. Brukere av Powerpoint 2007 kan og følge dette kurset. [-]

Du vil få tilsendt en «Core guidance» bok og sertifiserings-voucher i en e-post fra Peoplecert. 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 50% korrekte svar (dvs 25 av 50 spørsmål). Deltakerne har 40 minutter til rådighet på eksamen.  Ingen hjelpemidler er tillatt.     [-]

Develop dynamic reports with Microsoft Power BI [-]

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. Her er et utvalg av temaene du vil lære på kurset: Strømlinjeformet prosjektoppstart med riktig malfil Nullpunkt i Revit Delte koordinater Terrengmodellering Detaljering av vegger, tak og trapper Koordinering og linking av fagmodeller Rehabilitering og faser Alternative løsningsforslag I dette kurset ser vi nærmere på funksjoner som gir mulighet for å utføre mer avanserte oppgaver. For eksempel kan det skapes et stort overblikk i forbindelse med rehabilitering og etappeoppdelte oppgaver. Det arbeides med ferdigstilling av prosjekter, bl.a. designforslag i et prosjekt.      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   [-]

Jira Service Management Essentials (Cloud) [-]

Grunnleggende funksjoner i regneark gjennomgås herunder skjermbildet i Excel, jobbe med tekst og tall, lage formler og funksjoner. Hvordan bygge opp et regneark? Formatering av celler og regneark, utskrift og jobbe med diagrammer blir også gjennomgått. Opplæringen omfatter en rekke videoklipp, oppgaver, figurer og illustrasjoner. Du vil ha dialog med en instruktør i kursperioden. Kurset avsluttes med en omfattende quiz og du vil få tilsendt et kompetansebevis ved beståtte oppgaver og bestått oppgave. Hva er Excel? Versjoner Båndet og menyer Verktøylinje for hurtigtilgang Skrive tekst, tall og datoer Arbeidsbøker og ark Arkinnstillinger Lagre og lagre som Benytte hjelpefunksjon Formler og funksjoner Enkle formler SUMMER-funksjonen Autosummér GJENNOMSNITT-funksjonen MIN og STØRST-funksjonene AVDRAG-funksjonen Funksjonsoversikt Kopiering av tekst og formler Autofyll Hva er autofyll? Autofyll av tekst og tall Autofyll av formler Låsing av celler Melding fra Excel Formatering og redigering av regneark Merking Formatering av tekst Formatering av tall og datoer Kopiering av formatering Justering Radhøyder og kolonnebredder Sette inn/slette rader og kolonner Sette inn objekter Sette inn bilder Sette inn figurer og 3D-modeller Sette inn SmartArt Utskrift Forhåndsvisning og utskrift Topp- og bunntekst Diagrammer Datakilde og lage diagram Diagramtyper Diagraminnstillinger Utskrift [-]

MB-210: Microsoft Dynamics 365 for Sales [-]

Har du oversikten over notater etter at møter er over? Føler du at de papirbaserte notatene over tid blir uoversiktlige og lite tilgjengelige. Du kan lære å jobbe raskere, smartere og bedre ved å ta i bruk OneNote.   Kursinnhold:   Lage notater Skriving av notater Bruk av koder for å raskt finne igjen informasjon Bruk av formler Disponere notatsidene Bruk av Outlook-oppgave og automatisk lage koblinger til oppgaver, kontakter og avtaler i Outlook.   Flere notatvarianter Ta opp og spille av lydnotater man kan søke i Lage tegninger og håndtere bilder, fange skjermutklipp og tekstgjenkjenning i bilder Jobbe med håndskrevne notater   Gjennomgå og organisere notater Organisere notatene i notatblokker, inndelinger, sider og undersider Søk etter notater Rapport på koder   Deling av notater med andre brukere Lage en delt notatblokk Passordbeskytte notater Bruk av OneDrive   Tilpasse OneNote   Bruk av OneNote med andre Office-programmer Forankre OneNote til skrivebordet Koblede notater Skrive ut til OneNote   Oppfølging av notater i Outlook   Møtenotater fra Outlook     4 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Små kursgrupper 4. Kvalitets- og startgaranti [-]

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     [-]

Check Point Certified Security Expert (CCSE) – R81.20 [-]

Er dokumentet ditt blitt så stort og uoversiktlig at det er vanskelig å redigere og vedlikeholde? Få kontrollen tilbake med smart oppbygging av dokumenter! Webinaret varer i 2 timer og består av to økter à 45 min. Etter hver økt er det 10 min spørsmålsrunde. Mellom øktene er det 10 min pause. Webinaret kan også spesialtilpasses og holdes bedriftsinternt kun for din bedrift.   Kursinnhold:   Lage innholdsfortegnelse for hele/ deler av et dokument Bruk av overskriftsstiler Inkludere egne «overskrifter» i innholdsfortegnelsen   Referanser Kryssreferanser: Henvisninger til ulike steder i dokumentet Lage bildetekstliste (innholdsfortegnelse for tabeller, bilder, figurer osv.) Sette inn fotnote/ sluttnote   Generelt Litt om topp- og bunntekst Tekstflyt i dokumentet   3 gode grunner til å velge KnowledgeGroup 1. Best practice kursinnhold 2. Markedets beste instruktører 3. Gratis support [-]

Kurset passer for deg som allerede vet hvordan du skal lage enkle presentasjoner i PowerPoint, men som ønsker å gå et trinn videre. Vi vil gi deg gode tips om hvordan du kan lage bedre presentasjoner, og jobbe mer effektivt med å lage lysbilder som engasjerer publikum og får frem budskapet. Mål for kursetEtter endt kurs skal du kunne bruke verktøyet på en smart og effektiv måte. Varighet1 dag fra 09:00 til 15:00 ForkunnskaperNoe kjennskap til PowerPoint. MålgruppeDette kurset er for deg som vet litt om PowerPoint og som ønsker å lære effektiv bruk av verktøyet. UndervisningsformKlasseromsundervisning med maks 12 deltakere. En maskin utlånt til hver deltaker. Pris3900 kroner inkludert lunsj og kursdokumentasjon. Ansatte ved UiS har egne betingelser på dette kurset. Emner Merketeknikker Navigering og snarveger Lage ny presentasjon raskt og enkelt Enkel og praktisk presentasjonsteknikk Disposisjonsvisning Maler Plassholdere Gjenbruk av lysbilder Tekst fra Word Fargevalg Konverter punkter til SmartArt Skrifttyper Hurtigstiler Effekter på bilder, figurer og Smart Art Bildebehandling Tegn figurer Rutenett og støttelinjer Juster og fordel objekter Video fra fil Legg til en tabell, formater og bruk Sett opp organisasjonskart Legg til et diagram, formater og bruk Hent diagram fra Excel Animering av punkter, bilder og figurer Egendefinert lysbildefremvisning Pakk til USB – vis uansett hvor Send som .pdf på e-post Utskrift av støtteark [-]

ISTQB Foundation v4.0 Certificate [-]

SFWIPF: Fundamentals of Cisco Firewall Threat Defense and Intrusion Prevention [-]

Har du lyst å få en solid innføring, eller ønsker du å lære mer om Word? Vil du jobbe effektivt og lage oversiktelige, strukturerte og lettleste dokumenter? Vil du ha full kontroll på tabeller, bilder og alle de andre elementene man kan ha i et Word-dokument? Da er ”Word Grunnleggende” kurset for deg! Kurset kan også spesialtilpasses og holdes bedriftsinternt i deres eller våre lokaler.   Kursinnhold:   Dag 1   Arbeidsmiljø Introduksjon. Hva møter oss når vi åpner Word og hvordan jobber man i programmet Jobb effektivt. Hvordan sparer du tid og jobber best i Word Begreper. Bli kjent med ord og uttrykk som møter deg i Word Mus og tastatur. Hvordan bruker og kombinerer du disse for å få gjort det du vil   Lag egne dokumenter Skrifttyper og størrelse. Gjør dokumentet pent og lettlest ved å endre utseende på skriften Justering av tekst. Venstre-, høyre-, midt- og blokkjustering av tekst Marger og innrykk. Endre marger og justere innrykk i avsnitt raskt og enkelt   Dokumentbehandling Ha kontroll på flere dokumenter. Åpne, lukke og lagre dokumenter med forskjellig navn Mapper. Opprette mapper og undermapper for å lagre i disse og holde orden Sikkerhetskopiering. Litt om sikkerhetskopiering og lagring med nytt navn for å bevare originaler   Redigering Formatering. Endre utseende på teksten du har skrevet Flytting/sletting av tekst. Gjør større eller mindre endringer i teksten med enkle grep Angremuligheter. Ikke vær redd for å prøve deg frem i Word, du kan jo alltids angre… Søk og erstatt tekst. Finn det ordet du er ute etter, eller gjør store endringer og rettelser effektivt Stavekontroll. Sørg for at du Ikke har skrivefeil eller grammatiske feil i dokumentet ditt   Dag 2   Repetisjon og oppgaver Det viktigste fra dag 1. Vi repeterer det viktigste og mest relevante for deg Oppgaver. Forsikre deg om at du mestrer programmet og se flere muligheter   Punktmerking, nummerering og automatikk Punktmerking. Lag lister med hoved- og underpunkter Nummerering. Få automatisk nummerering på listene dine Autokorrektur. Du kan endre innstillinger for stor bokstav etter punktum og hvordan Word endrer vanlige skrivefeil. Sidenummerering. Få automatisk sidetall på alle sider   Masseutsendelse og tabeller Introduksjon. Hva er masseutsendelse/fletting og hva må være på plass for at det skal fungere. Navneliste. Du lærer å lage en navneliste i Word som kan brukes til masseutsendelse Lag en tabell. Sett inn tabell og fyll den raskt inn med den informasjonen du ønsker Tilpass tabellen. Gjør tabellen oversiktelig og lesbar Brev. Du vil kombinere ett brev og en navneliste slik at hver person får sitt navn på sitt brev Etiketter og konvolutter. En liten introduksjon til mulighetene med fletting   Bilder Sett inn bilder. Sett inn bilder i Word fra PCen eller internett Tilpass bilder. Endre størrelse på bilder, legg på effekter og bestem hvordan bilde og tekst skal stå i forhold til hverandre Rediger bilder. Beskjær bilder, få god kontrast og komprimer bildene for å spare plass   [-]