Temario del curso
Día 1 — Fundamentos y Herramientas Robustas de Python
Características Modernas y Tipado de Python
- Básicos del tipado, genéricos, Protocols y TypeGuard.
- Dataclasses, dataclasses congelados y visión general de attrs.
- Correspondencia 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 Arquitectónicas
Patrones de Diseño en Python
- Patrones creacionales: Factory, Builder, Singleton (variantes pitoníacas).
- Patrones estructurales: Adapter, Facade, Decorator, Proxy.
- Patrones de comportamiento: Strategy, Observer, Command.
Principios Arquitectónicos
- Principios SOLID aplicados a bases de código en Python.
- Arquitectura Hexagonal/limpia y límites de frontera.
- Patrones de inyección de dependencias y gestión de configuración.
Modularidad y Reutilización
- Diseño de código de librería vs. código de aplicación.
- 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 del hilos y las 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 y cancelación.
- Diseño de librerías asíncronas y interoperabilidad con código síncrono.
- Patrones intensivos en E/S, backpressure y limitación de tasas.
Perfilamiento y Optimización
- Herramientas de perfilamiento: cProfile, pyinstrument, perf, memory_profiler.
- Optimización de rutas críticas y uso de extensiones C/Numba cuando sea apropiado.
- Medición de latencia, rendimiento 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.
- 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 reprocesibles con Docker y compilaciones multinivel.
- Observabilidad de aplicaciones: registro estructurado, métricas de Prometheus y trazas.
Seguridad, Endurecimiento y Mejores Prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y análisis de vulnerabilidades.
- Prácticas seguras de codificación 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 tubería de CI para el proyecto.
- Revisión final, crítica de código y plan de mejoras accionable.
Resumen y Próximos Pasos
Requerimientos
- Experiencia sólida en programación de Python de nivel intermedio.
- Conocimiento de la programación orientada a objetos y pruebas básicas.
- Experiencia utilizando la línea de comandos y Git.
Público Objetivo
- Desarrolladores de Python senior.
- Ingenieros de software responsables de la calidad y arquitectura del código en Python.
- Líderes técnicos e ingenieros de MLOps/DevOps que trabajan con bases de código en 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
