Temario del curso
Día 1 — Fundamentos sólidos de Python y herramientas
Características modernas de Python y tipado
- Basics del tipado, genéricos, Protocols y TypeGuard
- Dataclasses, dataclasses inmutables (frozen) y descripción general de attrs
- Correspondencia de patrones (PEP 634+) y uso idiomático
Calidad del código y herramientas
- Formatadores y analizadores de código (linters): black, isort, flake8, ruff
- Verificación de tipos estática con MyPy y pyright
- Ganchos de pre-commit (pre-commit hooks) y flujos de trabajo para desarrolladores
Gestión de proyectos y empaquetado
- Gestión de dependencias con Poetry y entornos virtuales
- Estructura de paquetes, puntos de entrada (entry points) y mejores prácticas de versionado
- Compilación y publicación de paquetes en PyPI y registros privados
Día 2 — Patrones de diseño y prácticas arquitectónicas
Patrones de diseño en Python
- Patrones creacionales: Factory, Builder, Singleton (variantes idiomáticas)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones comportamentales: Strategy, Observer, Command
Principios arquitectónicos
- Principios SOLID aplicados a bases de código de Python
- Arquitectura hexagonal/clean y límites de acoplamiento
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y reutilización
- Diseño de código de biblioteca versus código de aplicación
- APIs, interfaces estables y versionamiento semántico
- Gestión de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, E/S asíncrona y rendimiento
Concurrencia y paralelismo
- Fundamentos de hilos (threading) e implicaciones del GIL
- Procesamiento multiproceso y pools de procesos para tareas limitadas por CPU
- Cuándo utilizar concurrent.futures en lugar de multiprocessing
Programación asíncrona con asyncio
- Patrones async/await, bucle de eventos (event loop) y cancelación
- Diseño de bibliotecas asíncronas e interoperabilidad con código síncrono
- Patrones limitados por E/S (I/O), presión hacia atrás (backpressure) y limitación de tasa (rate limiting)
Perfilado y optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler
- Optimización de rutas críticas (hot paths) y uso de extensiones C/Numba cuando sea apropiado
- Medición de latencia, caudal de datos (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
- Simulación (mocking), parcheo de monos (monkeypatching) y pruebas de código asíncrono
CI/CD, lanzamientos y monitoreo
- Integración de pruebas y puertas de calidad en GitHub Actions/GitLab CI
- Creación de contenedores reproducibles con Docker y construcciones multi-etapa
- Observabilidad de aplicaciones: registro estructurado, métricas de Prometheus y trazado (tracing)
Seguridad, endurecimiento y mejores prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y escaneo de vulnerabilidades
- Prácticas de codificación segura para validación de entradas y gestión de secretos
- Endurecimiento en tiempo de ejecución: límites de recursos, permisos de usuario y seguridad de contenedores
Proyecto integrador (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 mejora accionable
Resumen y próximos pasos
Requerimientos
- Sólida experiencia intermedia en programación de Python
- Conocimiento de la programación orientada a objetos y pruebas básicas
- Experiencia utilizando la línea de comandos y Git
Público objetivo
- Desarrolladores de Python senior
- Ingenieros de software responsables de la calidad del código y la arquitectura de 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
