Temario del curso
Día 1 — Fundamentos de Python Robusto y Herramientas
Características Modernas de Python y Tipado
- Básicos de tipado, genéricos, Protocols y TypeGuard.
- Descripción general de Dataclasses, dataclasses inmutables (frozen) y attrs.
- Emparejamiento de patrones (Pattern matching, PEP 634+) y uso idiomático.
Calidad del Código y Herramientas
- Formatadores y analizadores de código (linters): 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 idiomáticas de Python).
- Patrones estructurales: Adapter, Facade, Decorator, Proxy.
- Patrones conductuales: 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 de entorno.
Día 3 — Concurrencia, E/S Asíncrona y Rendimiento
Concurrencia y Paralelización
- Fundamentos de hilos (threading) e implicaciones del GIL.
- Multiprocessing y pools de procesos para tareas limitadas por CPU.
- Cuándo usar concurrent.futures frente a 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 limitados por E/S, retroceso (backpressure) y limitación de velocidad (rate limiting).
Perfileo 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 uso 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 pruebas de código asíncrono.
CI/CD, Liberación 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 de Prometheus y trazado.
Seguridad, Endurecimiento y Mejores Prácticas
- Auditoría de dependencias, 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: diseñar e implementar un servicio pequeño 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 utilizando la línea de comandos y Git.
Público Objetivo
- Desarrolladores de Python senior.
- Ingenieros de software responsables de la calidad y arquitectura del código de 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