Temario del curso
Día 1 — Fundamentos Robustos de Python y Herramientas
Características Modernas de Python y Tipado Estático
- Fundamentos de tipado, genéricos, Protocols y TypeGuard
- Visión general de dataclasses, frozen dataclasses y attrs
- Emparejamiento de patrones (PEP 634+) y su uso idiomático
Calidad del Código y Herramientas
- Formateadores y analizadores estáticos: black, isort, flake8, ruff
- Verificación de tipos estática con MyPy y pyright
- Hooks pre-commit y flujos de trabajo del desarrollador
Gestión de Proyectos y Empaquetado
- Gestión de dependencias con Poetry y entornos virtuales
- Estructura del paquete, puntos de entrada y mejores prácticas para 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 creadores: Factory, Builder, Singleton (variantes pythonistas)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones comportamentales: Strategy, Observer, Command
Principios Arquitectónicos
- Principios SOLID aplicados a codebases de Python
- Arquitectura Hexagonal/Clean Architecture y límites de acoplamiento
- Inyección de dependencias y gestión de configuración en patrones de diseño
Modularidad y Reutilización
- Diseño de código de biblioteca vs. código de aplicación
- APIs, interfaces estables y versionado semántico
- Gestión de configuración, secretos y configuraciones específicas del entorno
Día 3 — Concurrencia, Async IO y Rendimiento
Concurrencia y Paralelismo
- Fundamentos del threading e implicaciones de la GIL (Global Interpreter Lock)
- Multiprocessing y pools de procesos para tareas limitadas por CPU
- Cuándo utilizar concurrent.futures vs multiprocessing
Programación Asíncrona con asyncio
- Patrones async/await, bucle de eventos y cancelación
- Diseño de bibliotecas asíncronas e interoperabilidad con código síncrono
- Patrones limitados por IO, presión inversa (backpressure) y límite de tasa (rate limiting)
Perfilado y Optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler
- Optimización de caminos críticos (hot paths) y uso de extensiones C/Numba cuando corresponda
- Medición de latencia, rendimiento 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 contratos (contract testing)
- 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 builds multi-etapa
- Observabilidad de la aplicación: logging estructurado, métricas Prometheus y trazado (tracing)
Seguridad, Endurecimiento y Mejores Prácticas
- Auditoría de dependencias, fundamentos del SBOM y escaneo de vulnerabilidades
- Prácticas de codificación segura para validación de entradas y gestión de secretos
- Endurecimiento en runtime: límites de recursos, permisos de usuario y seguridad de contenedores
Proyecto Final y Revisión
- Laboratorio en equipo: diseñar e implementar un pequeño servicio utilizando patrones del curso
- Pruebas, verificación de tipos, empaquetado y pipeline CI para el proyecto
- Revisión final, análisis de código (code critique) y plan de mejoras accionables
Resumen y Próximos Pasos
Requerimientos
- Sólida experiencia en programación Python a nivel intermedio
- Conocimiento de programación orientada a objetos y pruebas básicas
- Experiencia utilizando 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 MLOps/DevOps que trabajan con codebases en Python
Testimonios (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