Temario del curso
Día 1 — Fundamentos robustos de Python y herramientas
Características modernas de Python y tipado
- Fundamentos del tipado, genéricos, protocolos y TypeGuard.
- Vista general de dataclasses, dataclasses inmutables y attrs.
- Correspondencia de patrones (PEP 634+) y su uso idiomático.
Calidad del código y herramientas
- Formateadores y analizadores estáticos: 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.
- Mejores prácticas para la estructura de paquetes, puntos de entrada y 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 en codebases de Python.
- Arquitectura Hexagonal/Clean Architecture y sus límites.
- Inyección de dependencias y gestión de configuración.
Modularidad y reutilización
- Diseño del código de librerías frente al código de aplicaciones.
- APIs, interfaces estables y versionado semántico.
- Gestión de configuración, secretos y ajustes específicos del entorno.
Día 3 — Concurrencia, asyncio y rendimiento
Concurrencia y paralelismo
- Fundamentos del subproceso y las implicaciones del GIL.
- Multiprocessing y pools de procesos para tareas limitadas por CPU.
- Cuándo utilizar concurrent.futures frente a multiprocessing.
Programación asíncrona con asyncio
- Patrones async/await, bucle de eventos y cancelación.
- Diseño de bibliotecas asíncronas e interoperabilidad con código síncrono.
- Patrones para operaciones de E/S, control de presión inversa (backpressure) y limitación de tasa.
Análisis de rendimiento y optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler.
- Optimización de rutas críticas 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 prueba y automatización
- Pruebas unitarias y fixtures con pytest; organización de las pruebas.
- Pruebas basadas en propiedades con Hypothesis y pruebas por contrato.
- Mocking, monkeypatching y pruebas de código asíncrono.
CI/CD, lanzamiento y monitoreo
- Integración de pruebas y filtros de calidad en GitHub Actions/GitLab CI.
- Construcción de contenedores reproducibles con Docker y compilaciones multietapa.
- Observabilidad de la aplicación: registro estructurado, métricas de Prometheus y trazabilidad.
Seguridad, endurecimiento y mejores prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y análisis de vulnerabilidades.
- Prácticas de codificación segura para validación de entradas y gestión de secretos.
- Endurecimiento en tiempo de ejecución: límites de recursos, permisos de usuario y seguridad en contenedores.
Proyecto final y revisión
- Laboratorio en equipo: diseñar e implementar un servicio pequeño utilizando patrones del curso.
- Pruebas, verificación de tipos, empaquetado y canalización CI para el proyecto.
- Revisión final, crítica del código y plan de mejora accionable.
Resumen y próximos pasos
Requerimientos
- Sólida experiencia en programación con Python de nivel intermedio.
- Conocimientos sobre 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