feat(course): add SparkSession setup practice to module 3

docs/course_prd.md

@@ -55,6 +55,7 @@
 5. Умеет реализовать простой поток `raw -> bronze -> silver` с базовыми трансформациями и сохранением воспроизводимости шагов.
 6. Умеет читать одну и ту же таблицу из `Spark` и `Trino` и понимает, почему это возможно без копирования данных.
 7. Умеет выполнить базовые безопасные операции с таблицей: изменение схемы, просмотр snapshot-ов, чтение предыдущего состояния, базовый `compaction` и `vacuum`.
+8. Умеет создать `SparkSession` для кластера с подготовленным каталогом, проверить фактические настройки и объяснить, какие из них можно изменить в работающей сессии, а для каких нужен новый запуск.
 
 Трассировка этих outcomes на модули и checkpoints фиксируется в [course_program.md](./course_program.md).
 
@@ -91,6 +92,7 @@
 * работа с raw-данными;
 * построение слоев `bronze` и `silver`;
 * чтение и запись через `Spark`;
+* обязательная практика базовой настройки `SparkSession` в начале модуля 3: источники конфигурации, подключение к кластеру, проверка Iceberg/MinIO и жизненный цикл сессии;
 * чтение через `Trino`;
 * базовое schema evolution;
 * snapshot/time travel на прикладном уровне;
@@ -147,6 +149,7 @@
 Это целевые ориентиры курса, но не blocking acceptance criteria для материалов.
 
 1. Студент проходит курс за `~12-15 часов` вдумчивой работы.
+   Практика настройки сессии в модуле 3 рассчитана на 20–30 минут внутри этого диапазона. Это предварительная оценка: машинный прогон не измеряет время самостоятельной работы студента.
 2. Студент после курса способен безопасно выполнить базовые операции в Lakehouse-стенде без постоянной внешней помощи.
 3. Студент может внятно объяснить ключевые архитектурные принципы Lakehouse на уровне junior/middle interview readiness.
 
@@ -155,6 +158,7 @@
 1. В составе курса есть стартовая документация до первого ноутбука, включая prerequisites, запуск стенда, вход в `Jupyter` и получение учебного data bundle.
 2. Студент проходит обязательные `checkpoints` по урокам.
 3. Студент самостоятельно выполняет набор практик на одном датасете, включая:
+   * создание Spark-сессии по шаблону и проверку подключения на отдельной маленькой Iceberg-таблице;
    * загрузку raw-данных;
    * построение `bronze`;
    * построение `silver`;