Temario del curso
Día 1 — Fundamentos Robustos de Python y Herramientas
Características Modernas de Python y Tipificación
- Fundamentos de tipificación, genéricos, Protocols y TypeGuard.
- Vista general de dataclasses, frozen dataclasses y attrs.
- Correspondencia de patrones (PEP 634+) y uso idiomático.
Calidad del Código y Herramientas
- Formateadores y linters: black, isort, flake8, ruff.
- Verificación estática de tipos 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 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 creativos: 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 a codebases en Python.
- Arquitectura Hexagonal/Limpia y sus límites.
- Inyección de dependencias y gestión de configuraciones.
Modularidad y Reutilización
- Diseño de código de biblioteca vs. código de aplicación.
- APIs, interfaces estables y versionado semántico.
- Gestión de configuraciones, secretos y configuraciones específicas del entorno.
Día 3 — Concurrencia, Async IO y Rendimiento
Concurrencia y Paralelismo
- Fundamentos de hilos e implicaciones del GIL.
- Multiprocessing y pools de procesos para tareas vinculadas a 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 vinculados a E/S, retroceso (backpressure) y limitación de tasa.
Perfilado 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, rendimiento (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.
- Uso de mock, 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 multi-etapa.
- Observabilidad de aplicaciones: registro estructurado, métricas Prometheus y trazado.
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, derechos 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 CI para el proyecto.
- Revisión final, crítica de código y plan de mejora accionable.
Resumen y Próximos Pasos
Requerimientos
- Sólida experiencia en programación Python a nivel intermedio.
- Conocimiento de la 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