De DAG instellen

Orchestratie-tools zoals Apache Airflow zijn essentieel om data- en Machine Learning-workflows te automatiseren.

In deze oefening begin je met het opzetten van een Directed Acyclic Graph (DAG) door de vereiste klassen te importeren en standaardargumenten te configureren die bepalen hoe je pijplijn draait.

Deze oefening maakt deel uit van de cursus

Forecasting-pijplijnen ontwerpen voor productie

Cursus bekijken

Oefeninstructies

Importeer de klassen DAG en PythonOperator uit Airflow.
Stel de startdatum in op 7 juli 2025.
Zet email_on_failure op False.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import required classes
from airflow import ____
from airflow.providers.standard.operators.python import ____
from datetime import datetime

default_args = {
  'owner': 'airflow',
  # Define the arguments
  'depends_on_past': False,
  'start_date': datetime(____),
  'email_on_failure': ____}

print(f"DAG configured to start on {default_args['start_date']}")

Code bewerken en uitvoeren