Finn ditt kurs basert på emne og sted

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. [-]

Case kveld Del 1: Geronimo Management AS   Deltakelse på denne CASE-kvelden er inkludert i prisen for alle som er med i styrenettverksgrupper arrangert av Styreforeningen. For andre deltakere som er medlemmer av Styreforeningen koster seminaret kr. 4.990,-.For deltakere som ikke er med i styrenettverksgrupper og som ikke er medlemmer av Styreforeningen er prisen kr. 5.990,-   Overskriften for kvelden er: Konflikter og rolleutfordringer i styrerommet   Denne kvelden beveger vi oss inn i kulissene for selskapet: Gerinomo Management AS som er et SMB selskap, opprinnelig grundet og eiet av 2 tidligere kamerater: Halvor og Jonas. De to har hatt 30 års fartstid sammen i og med oppbyggingen av selskapet. I løpet av kort tid oppstår to situasjoner: Halvor får akutt hjerteproblemer på vei hjem fra arbeid og dør kort tid etter. Det kommer videre frem at Jonas sin tilstand de siste månedene har vært holdt skjult, men det blir nå klart at han har hurtig eskalerende demens og ikke er istand til å ta vare på seg selv eller selskapet. Vedtektene og aksjonæravtalen har noen bestemmelser om situasjoner som her oppstår, men er ikke dekkende nå som begge eiere er «ute av bildet». Neste generasjon på begge sider ønsker å «rykke inn» for å overta den veldrevne virksomheten. Et styre må på plass og håndtere både utfordringer og muligheter som står foran selskapet. Her må vi inn å analysere: hva som skjer, hva som burde gjøres, hvordan vi kan gå frem for å håndtere ulike situasjoner etc?   Bli med oss for å løse opp knuter og finne veien videre!   [-]

Understand the purpose and key concepts of Change Enablement, highlighting its importance in managing changes effectively to minimise risk and ensure business continuity.   This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours of content   Mobile-optimised   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

Understand the purpose and key concepts of the Plan, Implement, and Control practices, highlighting their importance in establishing, executing, and governing IT service strategies effectively. This eLearning is: Interactive Self-paced Device-friendly 2-3 hours content Mobile-optimised Practical exercises   Exam: 60 questions Multiple Choice 90 Minutes Closed book Pass Mark: 65% [-]

Understand the purpose and key concepts of Release Management, elucidating its significance in planning, scheduling, and controlling the build, test, and deployment of releases to ensure they deliver the expected outcomes. The eLearning course: Interactive Self-paced Device-friendly 2-3 hour content Mobile-optimised Practical exercises   Exam:   20 questions Multiple choise Closed book 30 minutes Minimum required score to pass: 65% [-]

Eksamen er på engelsk. Eksamensformen er multiple choice 60 spørsmål skal besvares, og du består ved 55% korrekte svar (dvs 33 av 60 spørsmål). Deltakerne har 1 time til rådighet på eksamen.  Ingen hjelpemidler er tillatt.   ITIL®/PRINCE2®/MSP®/MoP® are registered trademarks of AXELOS Limited, used under permission of AXELOS Limited. All rights reserved. [-]

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

Understand the purpose and key concepts of the Supplier Management Practice, elucidating its importance in managing supplier relationships and ensuring value delivery from third-party services. This eLearning is: Interactive Self-paced   Device-friendly   2-3 hours content   Mobile-optimised   Practical exercises   Exam: 20 questions Multiple choise 30 minutes Closed book Minimum required score to pass: 65% [-]

Kurset fokuserer på konvertering av etterspørsel til verdi via IT-relaterte tjenester. Modulen dekker sentrale emner som SLA-design, styring av flere leverandører, kommunikasjon, relasjonsstyring, CX- og UX-design, kartlegging av kunder og mer. E-læringskurset inneholder 18 timer med undervisning, og er delt inn i 8 moduler. Les mer om ITIL® 4 på  AXELOS sine websider. Du vil motta en e-post med tilgang til e-læringen, sertifiseringsvoucher og digital bok fra Peoplecert. Du avtaler tid for sertifiseringen som beskrevet i e-posten fra Peoplecert. [-]

Alle som benytter maskiner eller utstyr som genererer gnister og varme som kan føre til brann, er av forsikringsbransjen pålagt å inngå sertifiseringsordning for varme arbeider. Dersom du jobber med varme arbeider er det ditt ansvar å sørge for at du har sertifisering som dokumenterer at du har innsikt i hvilken risiko dette innebærer og vet å utføre arbeidet på en sikker og brannforebyggende måte.   Averøy Brannvern AS tilbyr sertifiseringskurs i brannvern for utførelse av varme arbeider. I dette kurset vil vi gjennomgå gjeldende regelverk, gi en teoretisk innføring i brann, risikoen utførelse av varme arbeider medfører, samt gi dere en praktisk øvelse i slukking av brann.   Inngår i pris: Lunsj og kaffe Alt av kursmateriell. Digitalt kort i app, fra Norsk Brannvernforening.   Sertifiseringen for varme arbeider er gyldig i fem år.   Vi kjører varme arbeid kurs jevnlig, så det er bare å ta kontakt med oss for informasjon og påmelding. post@averoybrannvern.no Mob: 99 51 34 73   [-]

Tema: Forstå de generelle prinsippene for type spesifikk beskyttelse og riktig merking av komponenter godkjent i egensikrede anlegg (IS) Gjeldende standard for Exi Kunne velge å installere riktig Exi utstyr i eksplosjonsfarlige områder i henhold til standardene IEC 60079-14 og 60079-25 Hvordan arbeide på en sikker måte med IS Krav til kompetanse for å utføre arbeid på Exi installasjoner Hvordan man verifiserer og beregner en Exi krets Kjenne til hvor man finner og hvordan man leser relevante standarder, datablader, produktark og annen relevant litteratur Gjennomgang av relevant oppdatering og endringer       Standarder: • NEK 420 • IEC / NEK EN 60079-14 • IEC / NEK EN 60079-25   Målgruppe: Personell som er involvert i installasjon, inspeksjon og valg av utstyr i                       eksplosjonsfarlige områder.   Forkunnskaper: Ex grunnleggende, Ex vedlikehold og Exi grunnleggende   Forskrifter: FUSEX FHOSEX   Varighet: 1 dag   Kurstype: Teori EU Direktiv: ATEX 2014/34/EU ATEX 99/92/EC       [-]

Docker and Kubernetes Development [-]

INNHOLD Fire virtuelle fagmoduler på to timer over tre mnd. To virtuelle FAQ og treningsmoduler på to timer. Praktisering med treningspartner mellom modulene Nullpunktsmåling av egen selvledelse med Change66© Individuell treningsplan med egen læringslogg med bruk av tiltaksgeneratoren i Change66© Et års abbonement på det digitale utviklingsverktøyet Change66© Virtuell veiledningstimer med foreleser . Lukket brukerforum for erfaringsdeling. Tilgang til læringsinnhold og videoer av kursmodulene i 12 mnd. ØNSKER DU Å LÆRE MER OM: Å hjelpe andre til å lykkes med atferdsendring? Effektfull  kommunikasjon med andre som ønsker atferdsendring Et enkelt universalverktøy for kontinuerlig forbedring? Å bli bedre på arbeidsflyt, prioritering og tidsstyring? Å skape ekstraordinære resultater? Å gjøre mindre, jobbe bedre og oppnå mer? Å skape merverdi for dine andre gjennom bedre tjenester? Et enkelt system for bedre selvledelse og optimal motivasjon MODUL I 4. januar kl. 13:00-15:00 Grunnleggende innføring i metode og verktøyet Change66© I denne modulen får du: Lære om forskningen bak verktøyet Change66© Lære om metodikken – grunnlaget for Change66© Lære de grunnleggende kommunikasjonsmodellene Lære  hvordan du setter opp og bruker analysegeneratoren og tiltaksgeneratoren i Change66© MODUL II 18. januar kl. 13:00-15:00 Årsaksanalyser, finne forbederingsområder og prioritere tiltak i Change66© I denne modulen får du: Lære hvordan du bruker analysegeneratoren Lære om årsaksanalyser ved bruk av Change66©. Lære hvordan du finner frem til forbedringsområder Lære hvordan du prioriterer tiltak og lager individuelle handlingsplaner og setter de ut i livet. MODUL III 15. februar kl. 13:00-15:00 Kontinuerlig utvikling og forbedring med bruk av  Change66© I denne modulen får du: Lære hvordan du veileder og coacher med bruk av Change66© Lære om hvordan Change66© hjelper deg til å holde fokus på gjennomføring og dokumentere resultater i egen lærigslogg. Lære om hvordan du følger opp team og coacher på digitale flater  MODUL IV 15. mars kl. 13:00-15:00 Evaluere og dokumentere resultater i Change66© I denne modulen får du: Lære om hvordan du effektivt bruker teamfunksjonen i Change66© Lære om hvordan du setter opp egne analyser i Change66© Gevinstrealisering og beste praksis med bruk av Change66© Låre hvordan du bruker Change66©for å utvikle dine tjenester. Introduksjon til WiseHouses øvrige produkter og tjenester. Let's Make Change Happen Change66© hjelper deg med endringsprosesser gjennom en enkel, lettforståelig analyse av nåsituasjonen.  Change66© er et digitalt analyseverktøy for atferdsendring og resultatforbedring. Change66© optimaliserer resultater i alle former for lærings- og arbeidsprosesser. OG: Det er enkelt å bruke! UNIVERSALVERKTØY FOR ATFERDSENDRING   En systematisk tilnærming til utviklings- og forbedringsarbeid i alle situasjoner En enkel måte for nullpunktsmåling Et unikt grunnlag for analyse av årsakssammenhenger mellom resultater, arbeidsmåter og tilgang på ressurser Hjelp til å identifisere forbedringsområder  Hjelp til å prioritere arbeidsoppgaver og tiltak du vil gjøre noe med og beskrive ditt hvorfor Hjelp til å  lage og følge opp din personlige handlingsplan Læringslogg som beskriver gjennomføringsresultater, måler utvikling og tar vare på result   [-]

Det vil legges vekt på systemforståelse med fordypning i grunnleggende sikkerhetskrav, risikovurdering, beskyttelsestiltak, berøringsspenning, design og utførelse av jordingssystemer, spenningsutjevning samt tiltak for å hindre overført potensial. Det kan ofte være vanskelig å få oversikt over de krav som finnes i forskrifter sammen med relevante normer. Vi vil derfor vektlegge en systematisk gjennomgang og vise praktiske konsekvenser av gjeldende krav. Det blir avsatt tid til løsning av oppgaver med gjennomgang i plenum. Under gjennomføringen vil det bli lagt vekt på toveiskommunikasjon og aktiv erfaringsutveksling mellom foreleser og deltakere. Kurset er laget i samsvar med gjeldende forskrifter fra DSB – Forskrift om Elektriske Forsyningsanlegg (FEF) og Norsk Elektroteknisk Norm NEK440:2015 – Stasjonsanlegg over 1 kV. Kursinnhold, FEF-NEK 440:2015 Forskrift om elektriske lavspenningsanlegg  Forskriftens oppbygging og innhold Virkeområde Eier og drivers ansvar Oppfyllelse av sikkerhetskrav, forholdet til normer    Risikovurdering Grunnleggende sikkerhetskrav ved feil Beskyttelse mot elektrisk sjokk Kontroll, erklæring om samsvar og dokumentasjon NEK 440:2015 Stasjonsanlegg > 1 kV Hva er NEK Oppbygging av NEK 440:2015 Hvordan lese normen Gjennomgang av sentrale definisjoner og termer Grunnleggende krav Avtaler mellom leverandør og bruker Metoder for jording av nøytralpunkt Isolasjon – isolasjonsverdier Krav til utstyr Elektriske Installasjoner Sikkerhetstiltak Vern, kontroll og hjelpesystemer NEK 440:2015, del 2: Jording av stasjonsanlegg U >1 kV Grunnleggende krav Design av jordingssystemer Hensikt og utforming Berøringsspenninger Metoder for beregning av tillatte berøringsspenninger Tiltak for å hindre overført potensial Lynnedslag og transienter Impulsjord Målinger og vedlikehold   Kurset kan holdes med 1 eller 2 dagers varighet.  [-]

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     [-]