Finn ditt kurs basert på emne og sted

SAFe® Product Owner/Product Manager Certification [-]

På bare 3 timer (kl. 1800-2100) lærer du hvordan du kan hjelpe deg selv og dine nærmeste med å redusere eller ta bort stress, spenninger, smerte, og begrensende/vonde følelser.  TFT som selvhjelpsteknikk er enkel å lære, enkel å bruke, virker ofte og raskt og er helt ufarlig. Ved mer sammensatte og alvorlige tilstander vil det ofte være nødvendig å gå til en dyktig TFT-terapeut. TFT er å stimulere kroppens meridiansystem samtidig som en følelse er aktiv. Stimuleringen kan like gjerne gjøres av klienten selv som av terapeuten. Derfor er TFT meget godt egnet både som selvhjelpsteknikk og for en terapeut til å hjelpe via nettet.   På mini-kurset får du høre om, se og oppleve TFT i praksis. Du vil mest sannsynlig bli forundret over hva du opplever. Mest kjent er TFT som teknikk til å redusere eller fjerne følelsesmessige og psykiske utfordringer, plager og lidelser. TFT brukes veldig ofte for å behandle f.eks angst, depresjon, fobier, sorg, traumer, skam, flauhet, avhengighet og mye annet. Men også mange fysiske plager og lidelser kan behandles med TFT. Metoden brukes også stadig oftere til prestasjonsforbedring innen toppidrett, kultur og i næringslivet. Pris: kr. 400,-    (Påmelding på telefon/mail - se under. Betaling på VIPPS eller faktura i forkant av kurset. Når betaling er mottatt får du tilsendt mail med en link. Det er veldig enkelt og krever ingen forkunnskaper) Kursholder Ole Holmaas er en av landets mest erfarne TFT-terapeuter og -instruktører. Han er leder for NaKoTip (tidligere Mats Uldal Int. School of TFT og TFT-Akademiet) Han har behandlet mange tusen personer de siste 17 årene og har utdannet helsepersonell og andre både i inn- og utland. Han er også utdannet innen NLP/coaching. Påmelding/mer informasjon, ta kontakt: tlf. 41103000/e-mail: post@nakotip.no [-]

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. [-]

Du lærer å gi omsorg, grunnleggende sykepleie og miljøarbeid for pasienter og brukere av helse- og sosialtjenesten. Innhold/temaer Kropp, helse og omsorg ivareta pasienters og brukeres helhetlige helse hvordan kultur, levevaner, kosthold, hygiene og smittevern kan bidra til å fremme livskvalitet, helse og mestring akutt og kronisk sykdom, aldring og funksjonsnedsettelser observere, vurdere og utføre grunnleggende sykepleie for å ivareta pasienters og brukeres behov for helsehjelp helsefremmende arbeid, miljøarbeid, habilitering og rehabilitering, omsorg og helhetlige pasientforløp lindre lidelser og legge til rette for en verdig død  Dialog, relasjon og veiledning kommunisere og samhandle med mennesker med ulik alder, bakgrunn og livssituasjon og ulike behov for helsekompetanse samhandle med andre yrkesgrupper og frivillige organisasjoner og å rapportere og dokumentere arbeid å gi og ta imot veiledning og å forstå betydningen av egen atferd og holdninger i møte med andre mennesker  Hjelpemidler, teknologi og velferdsteknologi bruke medisinsk utstyr og å ta i bruk hjelpemidler og teknologi som bidrar til å gi personer med hjelpebehov bedre livskvalitet, økt trygghet og større mulighet til å klare seg på egen hånd bruke hjelpemidler og teknologi for å avlaste pårørende og gi dem trygghet, og om hvordan teknologi kan forbedre og effektivisere tjenestene i helse- og omsorgssektoren riktig bruk av arbeidsteknikker og arbeidsstillinger i yrkesutøvelsen  Etikk og regelverk møte mennesker i ulike livssituasjoner med omsorg og empati om systematisk kvalitetsforbedring, brukermedvirkning og pasientsikkerhet profesjonell yrkesutøvelse, om yrkesetiske retningslinjer, om regelverk i helse- og omsorgssektoren og om helse, miljø og sikkerhet reflektere over etiske dilemmaer For mer informasjon se utdanningsdirektoratets sider Udir.no Dette passer for deg som Har erfaring fra omsorg, grunnleggende sykepleie eller miljøarbeid. Gjennomføring Kurset gjennomføres både som klasseromsundervisning og nettundervisning på kveldstid en kveld i uken over ett semester. Her møter du erfarne og dyktige lærere som følger deg på veien til å nå dine mål. Kurset er tilrettelagt slik at du kan kombinere det med fulltidsjobb. CampusKlasseromsundervisning en kveld/dag pr uke på campus. Ett semester NettundervisningLive undervisning en kveld/dag pr uke sammen med andre deltakere via Teams. Opptak gjør det enkelt å repetre fagstoffet. Ett semester.  Du kan se video for hvordan nettundervisning fungerer. Din digitale læringsportal og Oficce 365 I tillegg til undervisningen får du tilgang til K2s digitale læringsportal. Med Office 365 får du student-e-post, Office pakken, tilgang til samhandlingsverktøyet Teams og lagringsplass. Eksamen Som praksiskandidat tar du teorieksamen i lærefaget. Eksamen arrangeres 2 ganger pr år og oppmeldingsfristene er normalt 15. september og 1. februar. Husk at betaling av eksamensavgiften skjer ved oppmelding. Hva må til for å få fagbrev Du må ha bestått teorieksamen for å kunne ta den praktiske fagprøven. I tillegg må du dokumentere min 5 års relevant arbeidspraksis. Fagopplæringskontoret i ditt fylke vurderer din arbeidspraksis og arrangerer fagprøven. Veiledning Vi har veiledere med mange års erfaring som står klare til å hjelpe deg! Er du usikker 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 i undervisningen og eksamen. I tillegg trenger du PC-versjonen av Office eller tilsvarende programmer. Online-versjonen som du får tilgang til som deltaker hos K2, kan ikke benyttes på eksamen da denne krever nettilgang. Se hva du har tilgang til av nettbaserte ressurser på eksamen. Praktisk info Du finner mye informasjon om ofte stilte spørsmål på nettsiden vår under praktisk info.     [-]

Kommer høsten 2021 Ta kontakt for mer informasjon eller for å settes på venteliste for kurs Solar lanserer i samarbeid med kompetansehuset Zolw kurs i beregningsprogrammet PV SOL.Kurset går over to dager og vi vil gjennomgå funksjoner i programmet og gi deg en opplæring i simulering av 2D og 3D anlegg. Kursets formål er å gi deg en grunnleggende forståelse for verktøyet PV*Sol og nok kunnskap til å kunne simulere enklere anlegg som for eksempel en enebolig. Kursinnhold: Dag 1: Introduksjon Starte prosjekt Bygge 2D anlegg Simulering og resultat Funksjoner Dag 2: 3D modell flatt tak Konfigurasjon / resultat 3D skråtak og fasade Sammenligning Konkurranse Etter endt kurs vil du kunne klare å beregne og optimalisere enkle solcelleinstallasjoner på en god måte. Viktig informasjon: Kurset krever at du har med egen PC. Opplæringen foregår i programvaren. I forkant av kurset ber vi deg om å laste ned PV SOL programvaren og kursmateriellet til din PC. Se linker for nedlastning under. Trykk her for mer informasjon om PV*SOL: www.valentin-software.com/en/products/pvsol-premium/ PV*Sol Premium nedlastning: Gå til: https://valentin-software.com/en/products/pvsol-premium/ Scroll nederst til «Download Trial Version» Last ned PV*Sol Premium Obs! PV*Sol prøvelisens er gyldig i 30 dager etter nedlasting. Last ikke ned programvaren for lang tid i forveien av kurset. Kursmateriell: Du vil få tilsendt en link etter påmelding Last ned innholdet Ha det lett tilgjengelig på PC’en Varighet:2 dager Dag 1 – Kl 09.00-16.00, lunsj kl 11.30-12.15Dag 2 – Kl 09.00-16.00, lunsj kl 11.30-12.15 [-]

Mastering Microsoft Endpoint Manager (Intune) [-]

Varme arbeider Forsikringsbransjen i Norge stiller krav om at alle som utfører arbeider hvor det benyttes åpen ild, oppvarming, sveise-, skjære-, lodde- og/eller slipeutstyr, innehar et sertifikat som dokumenterer at man har gjennomgått en godkjent opplæring i varme arbeider. Fra 01.01.2015 falt resertifiseringskursene bort og det avholdes kun sertifiseringskurs. Sertifikatet vil fortsatt ha 5 års gyldighet. Kursinformasjon Temaer:• Sertifiseringsordningen for brannvern ved utførelse av varme arbeider.• Gjeldende regelverk• Brann- og slokketeori• Risiko ved utførelse av varme arbeider• Praktisk slokking Kompetanse:Godkjent instruktør via Norsk Brannvernforening. Jobber også som brannkonstabel i lokalt brannvesen. Vi kjører varme arbeid kurs jevnlig og det er bare å ta kontakt med oss for informasjon og påmelding. post@anleggsskolen.no / 91 91 28 00 [-]

Kursinnhold Dag 1: Brannvernleders/forvalters rolle Ansvar, myndighet, plikter og rettigheter HMS-gruppe/arbeidsmiljøutvalg Verktøy -Brannprotokollen/brukerhåndboken Grunnleggende oversikt over brannobjektet Virksomhetens dokumentasjon Grunnleggende brannøvelser, instukser, ordensregler, og intern brannvernorganisasjon Røyk- og brannutvikling Rømning og sikkerhetsskilting på arbeidsplassen Dokumentasjon av sikkerheten -innføring   Dag 2: Budsjetter, handlingsplaner, arbeidstidsplaner. Driftsrisikoanalyser m/handlingsplan Egenkontroll fordypning Opplæring og opplæringsplaner Plan og bygningsloven med byggeforskrifter Dokumentasjon av sikkerheten - fordypning Andre viktige forskrifter - veiledninger Tilsynsmyndighetens plikter Redning og beredskapsplaner Personsikkerheten i ditt bygg - vakt, overvåkning m.m   Ved gjennomført kurs kan du og bli innehaver av et frivillig sikkerhetssertifikat innen brannvern og internkontroll, som du kan legge inn som en del av din virksomhets HMS-dokumentasjon.  Både brannvernloven med forskrift og HMS-lovgivningen krever at du som brannvernleder skriftlig skal dokumentere at du har den kunnskapen som trengs. Det vil du få ved bestått eksamen ved våre kurs! [-]

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

Fall under arbeid i høyden er den vanligste dødsårsaken på en arbeidsplass. De fleste ulykker skyldes feil bruk av fallsikringsutstyr. Dette kan du gjøre noe med. Et kurs hos ST Dahl AS vil tilføre deg riktig kompetanse innen fallsikring og hjelpe deg til riktig bruk og valg av fallsikrings utstyr. Kurset tilfredsstiller myndighetenes krav til en grundig opplæring i riktig bruk av fallsikring innen arbeid i stolper. Kurset gir videre en opplæring i hvordan du kan identifisere fallfare og jobbe sikkert ved å foreta risikovurdering og sikker jobbanalyse på arbeidsplassen. Alle våre kurs er dokumenterte og avsluttes med en teoretisk prøve. Ved bestått kurs utstedes det et kompetansebevis.   Kursinnhold Litt om gjeldende forskrifter Forskjellige typer fallsikring Valg av riktig utstyr til jobben Fallfaktorer og fallhøyder Risikovurdering og sikker jobbanalyse Når noe går galt/Redning Evakuering/nedfiring av skadet person     Avbestilling: 7 til 3 dager før oppstart belastes med halv kursavgift. Deretter belastes full kursavgift dersom ikke annet er avtalt. [-]

Del 1 Maskiner og postprosessorbibliotek Sette opp en maskin for simulering og postprosessor. Del 2 Verktøybibliotek og verktøyforberedelse. 2D fresing og boring. 3D (3+2 akser) - fresestrategier. NC tekst, postprosessor utgang. Del 3 Machining extension Steep and Shallow, Toolpath modification etc. [-]

Målsetjinga med teleskoptruckkurs er at den som får opplæring tileignar seg tilstrekkeleg kunnskap om teoretisk og praktisk sikker bruk av teleskoptruck, slik at ein unngår ulukker ved oppstilling og bruk. GjennomføringEtter fullført teoridel ved teleskoptruckkurs må deltakaren ha praktisk opplæring på aktuell teleskoptruckklasse. Denne opplæringa kan takast saman med fadder i eiga bedrift, hjå Gantic i 4 timar ved påbygging på truck eller massforflyttingmaskin, eller 8 timar ved påbygging på lastebilkran. Etter den praktiske opplæringa må deltakaren ha bestått oppkøyring før kompetansebevis på aktuell teleskoptruck kan utstedes. Klasser C1 – Teleskoptruck med løftekapasitet inntil 10 tonn. Maskin med hevbar og teleskopisk bom med en eller flere teleskoper med rekkevidde over 2 meter der bommen og overkonstruksjonen står fast på undervogn chassis. C2 - Rundtomsvingende Teleskoptruck med løftekapasitet inntil 10 tonn. Maskin med hevbar og teleskopisk bom der bom er montert på egen bevegelig-/rundtsvingende konstruksjon der manøverplass følger med bomkonstruksjonen rundt. Kursinnhold Teori Bruksområder og praktisk bruk av teleskoptruck Ulukker Konstruksjon, sikkerheitsinnretningar og verkemåte Støttebein og stabilitet Bomkonstruksjon Overlastsystem Lastdiagram Oppstilling Praktisk Fadder(Bedriftsopplæring) Komptetansebevis Truck (KL. T)/ Massforflyttingsmaskiner (KL. M), 8 timar Lastebilkran (G8), 16 timar Oppkøyring kjem i tillegg.   Opplæringsbedrift (Instruktør) Komptetansebevis Truck (KL. T)/ Massforflyttingsmaskiner (KL. M), 4 timar Lastebilkran (G8), 8 timar Oppkøyring er inkludert.   Som kursdeltaker av teleskoptruck C1 og C2 må du ha fylt 18 år. Du må også inneha bevis på: truck T4, masseforflytningsmaskin M1-M6 eller G8 lastebilkran. Du må også beherske språket kurset gjennomføres på. [-]

Dekkoffisersertifikat klasse 6 – D6. Nettbasert + Klasserom + Praktisk læring Gjennomføring av D6 utdanning: E-læring – stoff og øvingsoppgaver ligger i e-læringsmodulen. Tilgang tildeles i forkant av samlinger. Første samling – 3 dager «Teoriundervisning» i fagene som oppfølging av selvstudium og forberedelse til eksamen. Undervisning i følgende fag: - Navigasjon - Navigasjonshjelpemidler - Sjøveisregler og brovakt hold. - Praktisk læring - Eksamen etter avtale Andre samling – 2 dager «Teoriundervisning» i fagene som oppfølging av selvstudium og forberedelse til eksamen. Undervisning i følgende fag: - Stabilitet - Operasjonell ledelse - Teknologi/motorlære - Praktisk læring - Eksamen etter avtale Andre samling avsluttes med praktisk prøve for de som ikke har tilstrekkelig fartstid. [-]

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

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     [-]