Сколько стоит курс «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»?

Стоимость курса составляет 2890.00 рублей

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 1 учеников получили сертификат (9.1% завершаемость).

Где можно пройти курс «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/290689.

Курс на Stepik

Обложка курса «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines» на Stepik

2 890 ₽

Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines ★ 5.000

Name: Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines
Price: 2890.00 RUB
Availability: InStock
Rating: 5.0 (1 reviews)

Открыть на
STEPIK.ORG

Научитесь создавать, запускать и сопровождать пайплайны в Apache Airflow 3.x: от первого DAG до практических ETL-сценариев, расписаний, логов, зависимостей, Docker-окружения и подходов из реальной работы Data Engineer.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	11
Сертификатов выдано	1
Отзывов получено	1
Рейтинг курса	5.000
Количество уроков	71
Количество квизов	204
Время прохождения курса	0 ч.	—
Стоимость курса	2 890 ₽	—
Обновления курса	—	—
Дата публикации курса	2 месяца назад	—	—	—	—
Последнее обновление	5 октября 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»

12 разделов Уроки в курсе «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»

71 урок Тесты в курсе «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»

204 теста Время прохождения курса «Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines»

0 ч.

обн. 5 октября 2026

Apache Airflow 3.x с нуля: автоматизация ETL и Data Pipelines

4 урока

1. Apache Airflow. Введение. ↗

2. Airflow 2.10+ и Airflow 3.2.x: ключевые изменения. ↗

3. Архитектура Airflow 2.x: как устроен классический Airflow ↗

4. Архитектура Airflow 3.x: как устроен современный Airflow ↗

Установка Apache Airflow 2.10+ и Airflow 3.x

8 уроков

1. Вводный урок модуля установки ↗

2. Установка Airflow 2.10+ в WSL на Windows ↗

3. Установка Airflow 2.10+ через Docker ↗

4. Установка Apache Airflow 3.2.2 в WSL ↗

5. Установка Apache Airflow 3.2.2 через Docker ↗

6. Установка Apache Airflow 3.2.2 на macOS ↗

7. Установка Apache Airflow 3.2.2 на macOS через Docker ↗

8. Заключение и инструкции по установке для скачивания ↗

Основы DAG: tasks, operators, dependencies и logs

8 уроков

1. Что мы будем создавать в этом модуле ↗

2. Где находится папка dags и как Airflow находит DAG-файлы ↗

3. Создаём первый DAG: базовая структура Python-файла ↗

4. Находим DAG в Airflow UI и проверяем ошибки загрузки ↗

5. Запускаем DAG вручную и следим за его выполнением ↗

6. Открываем логи задач и анализируем результат выполнения ↗

7. Намеренно ломаем задачу, находим ошибку и восстанавливаем DAG ↗

8. Итоговая практика: создаём учебный ETL-пайплайн ↗

Python-задачи и TaskFlow API

9 уроков

1. Что нас ждёт в модуле «Python-задачи и TaskFlow API» ↗

2. Первая Python-задача с PythonOperator ↗

3. Контекст выполнения Python-задачи ↗

4. Первый DAG с TaskFlow API: декораторы @dag и @task ↗

5. Возвращаем значения из TaskFlow-задач и передаём данные через XC ↗

6. Несколько результатов задачи: словарь и multiple_outputs=True ↗

7. PythonOperator и TaskFlow API: сравниваем два подхода ↗

8. Намеренно ломаем Python-задачу и читаем traceback ↗

9. Итоговая практика: полноценный Python-пайплайн ↗

Расписание и надёжность DAG

11 уроков

1. Что нас ждёт в модуле «Расписание и надёжность DAG» ↗

2. Параметр schedule: ручные и автоматические запуски ↗

3. Cron-выражения: минуты, часы, дни и недели ↗

4. Часовые пояса: UTC, Москва и Алматы ↗

5. start_date, logical_date и data interval ↗

6. catchup=False и catchup=True ↗

7. Backfill: пересчёт выбранного исторического периода ↗

8. Повторные попытки: retries, retry_delay и up_for_retry ↗

9. Ограничение времени выполнения: execution_timeout ↗

10. Правила запуска задач: trigger_rule ↗

11. Итоговая практика: отказоустойчивый ежедневный ETL-DAG ↗

интеграции, Connections, Hooks и Providers

9 уроков

1. Providers, Connections, Hooks и Operators ↗

2. Управление Connections: UI, CLI, Environment Variables и Secrets ↗

3. Connections, Variables и Params: что и где хранить ↗

4. Реальная HTTP-интеграция: HTTP Provider и HttpHook ↗

5. Pagination, rate limits и устойчивый API ingestion ↗

6. Branching: условное выполнение веток DAG ↗

7. Trigger Rules: управление запуском downstream-задач ↗

8. Dynamic Task Mapping: динамическое количество Task Instances ↗

9. TaskGroup: как структурировать большие DAG ↗

Sensors, deferrable operators и ожидание внешних событий

3 урока

1. Sensors: ожидание внешних условий. Poke и reschedule ↗

2. Deferrable Operators и Triggerer: ожидание без удержания worker ↗

3. ExternalTaskSensor: зависимости между DAG и ожидание внешних зап ↗

Assets и data-aware orchestration

4 урока

1. Assets: запуск DAG по факту обновления данных ↗

2. Asset scheduling: AND/OR, Asset Events и metadata обновлений ↗

3. AssetAlias, динамические Assets и AssetOrTimeSchedule ↗

4. Partitioned Assets: orchestration на уровне партиций в Airflow 3 ↗

Эксплуатация Airflow в production

5 уроков

1. Retries и Timeouts: как правильно обрабатывать сбои ↗

2. Pools, concurrency и управление параллелизмом ↗

3. Логи и диагностика production DAG ↗

4. Alerts, callbacks и Deadline Alerts ↗

5. Идемпотентность и безопасные перезапуски ↗

Executors и масштабирование

4 урока

1. Что такое Executor и как выбрать модель выполнения Tasks ↗

2. CeleryExecutor: broker, workers, queues ↗

3. KubernetesExecutor: отдельный Pod на каждую таску ↗

4. Масштабирование Airflow: где появляются узкие места, архитектура ↗

Тестирование, CI/CD и правила создания качественного DAGа

4 урока

1. Проверка DAG до production: импорт, структура и локальный запуск ↗

2. Unit-tests и бизнес-логика: как отделять Python-код от Airflow ↗

3. Ruff и автоматические правила качества ↗

4. CI/CD для Airflow: pipeline от commit до deployment ↗

Итоговый проект курса

2 урока

1. Итоговый проект курса: producer, Asset и consumer ↗

2. финальная памятка по всему Apache Airflow 3.2.2 ↗