Visão Geral

Este curso apresenta uma introdução completa ao Apache Airflow com foco em Python, cobrindo desde os conceitos fundamentais de orquestração de workflows até a criação, execução e monitoramento de DAGs. O aluno aprenderá como o Airflow organiza pipelines de dados, automatiza tarefas e gerencia dependências, utilizando Python como linguagem principal para definição de workflows. O curso equilibra teoria e prática, preparando o iniciante para utilizar o Airflow em cenários reais de engenharia de dados e automação.

Objetivo

Após realizar este Curso Airflow para Iniciantes com Python, você será capaz de:

• Compreender o papel do Airflow na orquestração de workflows
• Entender os principais componentes e arquitetura do Airflow
• Criar e executar DAGs utilizando Python
• Definir tarefas, dependências e agendamentos
• Utilizar operadores básicos do Airflow
• Monitorar execuções e interpretar logs
• Aplicar boas práticas iniciais no desenvolvimento de DAGs
• Identificar casos de uso comuns do Airflow

Publico Alvo

•  
• Estudantes de tecnologia
• Iniciantes em engenharia de dados
• Engenheiros de software
• Analistas de dados
• Profissionais de TI interessados em automação de pipelines
•  

Pre-Requisitos

•  
• Conhecimentos básicos de Python
• Noções de linha de comando
• Conceitos básicos de sistemas operacionais
• Noções introdutórias de dados ou programação
•  

Materiais

Conteúdo Programatico

Module 1: Introduction to Apache Airflow

1. What is Apache Airflow
2. Workflow orchestration concepts
3. When to use Airflow
4. Common use cases

Module 2: Airflow Architecture and Components

1. Scheduler
2. Webserver
3. Metadata database
4. Executor and workers

Module 3: Setting Up Airflow Environment

1. Python virtual environments
2. Installing Airflow
3. Initial configuration
4. Running Airflow locally

Module 4: Understanding DAGs

1. What is a DAG
2. DAG structure and files
3. DAG parameters
4. Scheduling concepts

Module 5: Tasks and Operators

1. What is a task
2. BashOperator
3. PythonOperator
4. Task dependencies

Module 6: Writing DAGs with Python

1. Basic DAG creation
2. Defining tasks with Python functions
3. Passing parameters
4. Organizing DAG code

Module 7: Monitoring and Debugging

1. Airflow UI overview
2. Logs and task states
3. Handling failures
4. Retrying tasks

Module 8: Best Practices for Beginners

1. DAG naming conventions
2. Code organization
3. Simple performance considerations
4. Next steps in Airflow learning