Temario del curso
Día 1 — Fundamentos Robustos de Python y Herramientas
Características Modernas de Python y Tipificación
- Conceptos básicos de tipificación, genéricos, Protocols y TypeGuard
- Dataclasses, dataclasses inmutables (frozen dataclasses) y resumen de attrs
- Matching de patrones (PEP 634+) y uso idiomático
Calidad del Código y Herramientas
- Formatadores y linters de código: black, isort, flake8, ruff
- Verificación estática de tipos con MyPy y pyright
- Ganchos pre-commit y flujos de trabajo de desarrollo
Gestión de Proyectos y Empaquetado
- Gestión de dependencias con Poetry y entornos virtuales
- Estructura de paquetes, puntos de entrada y mejores prácticas de versionado
- Creación y publicación de paquetes en PyPI y registros privados
Día 2 — Patrones de Diseño y Prácticas de Arquitectura
Patrones de Diseño en Python
- Patrones creacionales: Factory, Builder, Singleton (variantes en Python)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones conductuales: Strategy, Observer, Command
Principios de Arquitectura
- Principios SOLID aplicados a bases de código de Python
- Arquitectura Hexagonal/Clean y límites de diseño
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y Reutilización
- Diseño de código de librerías vs. código de aplicaciones
- APIs, interfaces estables y versionado semántico
- Manejo de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, IO Asíncrona y Rendimiento
Concurrencia y Paralelismo
- Fundamentos del hilos (threading) y las implicaciones del GIL
- Multiprocessing y pools de procesos para tareas intensivas en CPU
- Cuándo usar concurrent.futures frente a multiprocessing
Programación Asíncrona con asyncio
- Patrones async/await, bucle de eventos (event loop) y cancelación
- Diseño de librerías asíncronas e interoperabilidad con código síncrono
- Patrones intensivos en IO, backpressure y limitación de velocidad (rate limiting)
Perfilización y Optimización
- Herramientas de perfilización: cProfile, pyinstrument, perf, memory_profiler
- Optimización de rutas críticas y uso de extensiones en C/Numba donde sea apropiado
- Medición de latencia, throughput y utilización de recursos
Día 4 — Pruebas, CI/CD, Observabilidad y Despliegue
Estrategias de Pruebas y Automatización
- Pruebas unitarias y fixtures con pytest; organización de pruebas
- Pruebas basadas en propiedades con Hypothesis y pruebas de contrato
- Mocking, monkeypatching y pruebas de código asíncrono
CI/CD, Lanzamiento y Monitoreo
- Integración de pruebas y puertas de calidad en GitHub Actions/GitLab CI
- Creación de contenedores reproducibles con Docker y construcciones multi-estadio
- Observabilidad de la aplicación: registro estructurado, métricas de Prometheus y trazabilidad
Seguridad, Endurecimiento y Mejores Prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y escaneo de vulnerabilidades
- Prácticas seguras de codificación para la validación de entradas y la gestión de secretos
- Endurecimiento en tiempo de ejecución: límites de recursos, permisos de usuario y seguridad de contenedores
Proyecto Final (Capstone) y Revisión
- Laboratorio en equipo: diseño e implementación de un servicio pequeño utilizando los patrones del curso
- Pruebas, verificación de tipos, empaquetado y pipeline de CI para el proyecto
- Revisión final, crítica de código y plan de mejoras accionable
Resumen y Próximos Pasos
Requerimientos
- Sólida experiencia en programación en Python de nivel intermedio.
- Familiaridad con la programación orientada a objetos y pruebas básicas.
- Experiencia en el uso de la línea de comandos y Git.
Público Objetivo
- Desarrolladores senior de Python.
- Ingenieros de software responsables de la calidad del código y la arquitectura en Python.
- Líderes técnicos e ingenieros de MLOps/DevOps que trabajan con bases de código de Python.
Reseñas (2)
todo fue perfecto
Florin Vrincianu
Curso - Python Programming Fundamentals
Traducción Automática
Los ejercicios prácticos relacionados con el contenido realmente ayudan a comprender más sobre cada tema. Además, el estilo de comenzar la clase con una conferencia y continuar con ejercicios prácticos es bueno y útil para relacionarlo con la conferencia presentada anteriormente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Curso - Introduction to Data Science and AI using Python
Traducción Automática
