Temario del curso
Día 1 — Fundamentos robustos de Python y herramientas
Características modernas de Python y tipado
- Conceptos básicos de tipado, genéricos, Protocolos y TypeGuard
- Dataclasses, dataclasses inmutables y visión general de attrs
- Coordinación 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
- Diseño 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 de comportamiento: Strategy, Observer, Command
Principios de arquitectura
- Principios SOLID aplicados a bases de código en Python
- Arquitectura Hexagonal/Limpia y sus límites
- Patrones de inyección de dependencias y gestión de configuración
Modularidad y reutilización
- Diseño de código de biblioteca frente a código de aplicación
- APIs, interfaces estables y versionado semántico
- Gestión de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, Async IO y rendimiento
Concurrencia y paralelismo
- Fundamentos de hilos e implicaciones del GIL
- Multiproceso 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 y cancelación
- Diseño de bibliotecas asíncronas e interoperabilidad con código síncrono
- Patrones limitados por E/S, presión de retroceso y limitación de tasa
Perfilado y optimización
- Herramientas de perfilado: cProfile, pyinstrument, perf, memory_profiler
- Optimización de rutas críticas y uso de extensiones en 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 contrato
- Simulación (mocking), 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 compilaciones multinivel
- Observabilidad de aplicaciones: registro estructurado, métricas de Prometheus y trazado
Seguridad, fortalecimiento y mejores prácticas
- Auditoría de dependencias, conceptos básicos de SBOM y escaneo de vulnerabilidades
- Prácticas de codificación segura para validación de entradas y gestión de secretos
- Fortalecimiento 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 pequeño servicio utilizando patrones del curso
- Pruebas, verificación de tipos, empaquetado y pipeline de CI para el proyecto
- Revisión final, crítica del código y plan de mejora accionable
Resumen y próximos pasos
Requerimientos
- Experiencia sólida en programación de Python de nivel intermedio
- Familiaridad con la programación orientada a objetos y pruebas básicas
- Experiencia en el uso de 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 de MLOps/DevOps que trabajan con bases de código en Python
Testimonios (2)
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
Ejemplos/ejercicios perfectamente adaptados a nuestro dominio
Luc - CS Group
Curso - Scaling Data Analysis with Python and Dask
Traducción Automática