Temario del curso
Día 1 — Fundamentos sólidos de Python y herramientas
Características modernas de Python y anotación de tipos
- Conceptos básicos de anotación de tipos, genéricos, Protocols y TypeGuard
- Dataclasses, dataclasses congelados y descripción general de attrs
- Correspondencia 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 de 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
- Construcción 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 de Python)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones conductuales: Strategy, Observer, Command
Principios arquitectónicos
- Aplicación de los principios SOLID en bases de código de Python
- Arquitectura Hexagonal/Clean y límites de módulo
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y reutilización
- Diseño de código de librerías vs. aplicaciones
- APIs, interfaces estables y versionado semántico
- Manejo de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, E/S asíncrona y rendimiento
Concurrencia y paralelismo
- Fundamentos de hilos de ejecución (threading) e implicaciones del GIL
- Procesamiento multiprocesador (multiprocessing) y pools de procesos para tareas limitadas por CPU
- Cuándo usar concurrent.futures frente a multiprocessing
Programación asíncrona con asyncio
- Patrones de async/await, bucle de eventos y cancelación
- Diseño de librerías asíncronas e interoperabilidad con código síncrono
- Patrones limitados por E/S, backpressure y limitación de tasa (rate limiting)
Perfilado y optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler
- Optimización de rutas críticas y uso de extensiones C/Numba cuando sea apropiado
- Medición de latencia, rendimiento (throughput) y uso de recursos
Día 4 — Pruebas, CI/CD, observabilidad e implementación
Estrategias de prueba 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, lanzamientos y monitoreo
- Integración de pruebas y puertas de calidad en GitHub Actions/GitLab CI
- Construcción de contenedores reproducibles con Docker y compilaciones multietapa
- Observabilidad de aplicaciones: registro estructurado, métricas de Prometheus y rastreo (tracing)
Seguridad, endurecimiento y mejores prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y escaneo de vulnerabilidades
- Prácticas de codificación segura para la validación de entradas y la gestión de secretos
- Endurecimiento en tiempo de ejecución: límites de recursos, derechos 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 mejora accionable
Resumen y próximos pasos
Requerimientos
- Experiencia sólida en programación en Python de nivel intermedio
- Conocimiento de la programación orientada a objetos y pruebas básicas
- Experiencia en el uso de la línea de comandos y Git
Público objetivo
- Desarrolladores seniors de Python
- Ingenieros de software responsables de la calidad y la arquitectura del código Python
- Líderes técnicos e ingenieros de MLOps/DevOps que trabajan con bases de código 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
