Temario del curso
Día 1 — Fundamentos de Python Robustos y Herramientas
Características Modernas de Python y Tipado
- Basics de tipado, genéricos, Protocols y TypeGuard
- Dataclasses, dataclasses inmutables (frozen) y visión general de attrs
- Correspondencia de patrones (Pattern matching, PEP 634+) y uso idiomático
Calidad del Código y Herramientas
- Formateadores y analizadores de código (linters): black, isort, flake8, ruff
- Verificación estática de tipos con MyPy y pyright
- Ganchos de pre-commit 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 de Arquitectura
Patrones de Diseño en Python
- Patrones creacionales: Factory, Builder, Singleton (variantes pitónicas)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones comportamentales: Strategy, Observer, Command
Principios de Arquitectura
- Aplicación de los principios SOLID en bases de código de Python
- Arquitectura Hexagonal/Clean y límites (boundaries)
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y Reutilización
- Diseño de código de biblioteca vs. código de aplicación
- APIs, interfaces estables y versionado semántico
- Gestión de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, E/S Asíncrona y Rendimiento
Concurrencia y Paralelismo
- Fundamentos del hilos (threading) e implicaciones del GIL
- Multiprocessing y pools de procesos para tareas intensivas en CPU
- Cuándo usar concurrent.futures vs. 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 de E/S (IO) intensivos, contrapresión (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 donde sea apropiado
- Medición de latencia, ancho de banda (throughput) y utilización de recursos
Día 4 — Pruebas, CI/CD, Observabilidad e Implementación
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), monkeypatching y pruebas de código asíncrono
CI/CD, Lanzamiento y Monitoreo
- Integración de pruebas y puertas de calidad en GitHub Actions/GitLab CI
- Construcción de contenedores reproducibles con Docker y builds multinivel (multi-stage)
- Observabilidad de aplicaciones: registro estructurado (structured logging), métricas de Prometheus y trazabilidad (tracing)
Seguridad, Endurecimiento y Mejores Prácticas
- Auditoría de dependencias, fundamentos de SBOM y escaneo de vulnerabilidades
- Prácticas de codificación segura para validación de entrada y gestión de secretos
- Endurecimiento en tiempo de ejecución: límites de recursos, permisos de usuario y seguridad de contenedores
Proyecto Final y Revisión
- Laboratorio en equipo: diseño e implementación de un pequeño servicio utilizando 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 en programación de 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 de Python seniors
- Ingenieros de software responsables de la calidad y arquitectura del código 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