Temario del curso
Día 1 — Fundamentos robustos de Python y herramientas
Características modernas de Python y tipado
- Tipado básico, genéricos, Protocols y TypeGuard
- Dataclasses, dataclasses inmutables (frozen) y visión general de attrs
- Emparejamiento de patrones (PEP 634+) y uso idiomático
Calidad del código y herramientas
- Formateadores 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
- Construcción 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 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/Limpia y límites de acoplamiento
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y reutilización
- Diseño de código de librerías versus aplicaciones
- 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 de hilos (threading) e implicaciones del GIL
- Multiprocessing y pools de procesos para tareas intensivas en CPU
- Cuándo utilizar concurrent.futures versus multiprocessing
Programación asíncrona con asyncio
- Patrones async/await, bucle de eventos y cancelación
- Diseño de librerías asíncronas e interoperabilidad con código síncrono
- Patrones intensivos en E/S, retrocesión (backpressure) y limitación de tasa (rate limiting)
Perfiles y optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler
- Optimización de rutas críticas 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 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 prueba 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 trazas (tracing)
Seguridad, endurecimiento y mejores prácticas
- Auditoría de dependencias, conceptos básicos 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 (Capstone) y revisión
- Laboratorio de equipo: diseñar e implementar un pequeño servicio 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 en programación de 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 de Python senior
- 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
