Курс на Stepik
Обложка курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» на Stepik
2 490 ₽

Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens ★ 4.500

Открыть на
STEPIK.ORG

Постройте полноценную аналитическую систему в Yandex Cloud с нуля. От первого запроса к API до готового дашборда в DataLens. Это не демо и не игрушка в sandbox, а реальный проект с production-подходом.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Учеников на курсе 28
Сертификаты, выданные на курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Сертификатов выдано 10
Отзывы о курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Отзывов получено 4
Рейтинг курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Рейтинг курса 4.500
Уроки в курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Количество уроков 38
Тесты в курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Количество квизов 17
Время прохождения курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Время прохождения курса —
Стоимость курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Стоимость курса 2 490 ₽ —
Обновления курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Обновления курса — —
Дата публикации курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Дата публикации курса — ———
Последнее обновление курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» 8 разделов Уроки в курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» 38 уроков Тесты в курсе «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» 17 тестов Время прохождения курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» 3 ч. Последнее обновление курса «Система данных в Yandex Cloud: Airflow + PostgreSQL + DataLens» обн. 26 апреля 2026

1. Введение и контекст

4 урока
Закрытый
1.1 О чём этот курс и кому он подойдёт ↗
4
2
6м 35с
0
Закрытый
1.2 Какой проект мы будем строить (обзор схемы) ↗
5
2
-
0
Закрытый
1.3 Связь с преподавателем ↗
3
3
-
0
Закрытый
1.4 Настройка Окружения ↗
2
2
8м 13с
0

2. Источник данных и постановка задачи

4 урока
Закрытый
2.1 Зачем нам OpenAQ и что это за данные ↗
4
2
8м 34с
0
Закрытый
2.2 Структура OpenAQ API: locations, sensors, params, measurements ↗
3
2
-
0
Закрытый
2.3 Ограничения API: задержки, пагинация, неполные данные ↗
3
2
-
0
Закрытый
2.4 Проектирование модели данных под аналитику ↗
3
2
-
0

3. Архитектура аналитического пайплайна в Yandex Cloud

4 урока
Закрытый
3.1 Общая архитектура решения (API → Airflow → Postgres → DataLens) ↗
3
3
-
0
Закрытый
3.2 Роль оркестратора: почему именно Airflow ↗
2
2
4м 18с
0
Закрытый
3.3 Где и как живёт PostgreSQL в Yandex Cloud ↗
2
2
-
0
Закрытый
3.4 Object Storage и служебные компоненты (DAG, логи, артефакты) ↗
2
2
-
0

4. Apache Airflow: реализация пайплайнов

10 уроков
Закрытый
4.1 Как устроен Airflow: DAG, task, schedule, execution date ↗
4
2
3м 26с
0
Закрытый
4.2 Развёртывание Apache Airflow в Yandex Cloud (Managed Service) ↗
3
2
26м 37с
0
Закрытый
4.3 Структура наших DAG: логика и ответственность (без кода) ↗
3
1
7м 52с
0
Закрытый
4.4 Учебный DAG: классический подход (PythonOperator + XCom) ↗
3
1
6м 10с
0
Закрытый
4.5 Учебный DAG: современный подход (TaskFlow API) ↗
3
1
-
0
Закрытый
4.6 Production-пайплайн: почему иногда одна task — это нормально ↗
3
2
-
0
Закрытый
4.7 Dimension-пайплайны в Airflow: locations, parameters, sensors ↗
3
2
-
0
Закрытый
4.8 Fact-пайплайн: measurements и инкрементальная загрузка ↗
4
2
-
0
Закрытый
4.9 Идемпотентность и service tables ↗
4
1
-
0
Закрытый
4.10 Обработка ошибок и уведомления (Telegram) ↗
2
2
-
0

5. Хранилище данных: PostgreSQL под аналитику

5 уроков
Закрытый
5.1 Развертывание PostgreSQL в Yandex Cloud (Managed Service) ↗
2
2
19м 10с
0
Закрытый
5.2 Проектирование схемы БД для аналитики ↗
2
1
-
0
Закрытый
5.3 Fact и Dimension таблицы: зачем так, а не иначе ↗
3
2
-
0
Закрытый
5.4 Индексы, уникальные ключи, контроль дублей ↗
2
1
-
0
Закрытый
5.5 Подготовка данных для BI-инструментов ↗
2
2
-
0

6. Сборка и запуск Аналитической Системы

3 урока
Закрытый
6.1 Сборка системы: что у нас уже есть ↗
3
3
3м 21с
0
Закрытый
6.2 Запуск DAG’ов и ожидание данных ↗
2
2
3м 54с
0
Закрытый
6.3 Проверка результата: данные в Postgre и стабильность пайплайнов ↗
2
2
12м 27с
0

7. Визуализация и аналитика в DataLens

5 уроков
Закрытый
7.1 Роль BI и DataLens в нашем проекте ↗
3
3
2м 25с
0
Закрытый
7.2 Подключение PostgreSQL к DataLens ↗
3
3
6м 14с
0
Закрытый
7.3 Подготовка датасета для аналитики ↗
2
2
9м 41с
0
Закрытый
7.4 Построение дашборда: метрики и визуализации ↗
2
2
25м 16с
0
Закрытый
7.5 Интерпретация данных и возможные расширения проекта ↗
2
2
4м 45с
0

8. Завершение и развитие проекта

3 урока
Закрытый
8.1 Итоги: что мы построили и чему научились ↗
2
2
3м 40с
0
Закрытый
8.2 Как можно развивать этот проект дальше ↗
3
2
3м 59с
0
Закрытый
8.3 Куда двигаться дальше (следующие темы, курсы, стек) ↗
3
3
-
0