Temario del curso
Día 1 — Fundamentos Robustos de Python y Herramientas
Características Modernas de Python y Tipado
- Fundamentos de tipado, genéricos, Protocolos y TypeGuard
- Dataclasses, dataclasses congeladas y visión general de attrs
- Emparejamiento 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 del desarrollador
Administración de Proyectos y Empaquetado
- Gestión de dependencias con Poetry y entornos virtuales
- Diseño de paquetes, puntos de entrada y mejores prácticas de versionamiento
- Construcción y publicación de paquetes en PyPI y registros privados
Día 2 — Patrones de Diseño y Prácticas Arquitectónicas
Patrones de Diseño en Python
- Patrones de creación: Factory, Builder, Singleton (variantes Pythonicas)
- Patrones estructurales: Adapter, Facade, Decorator, Proxy
- Patrones comportamentales: Strategy, Observer, Command
Principios Arquitectónicos
- Principios SOLID aplicados a bases de código Python
- Arquitectura Hexagonal/Clean y 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 versionamiento semántico
- Gestión de configuración, secretos y ajustes específicos del entorno
Día 3 — Concurrencia, Async IO y Rendimiento
Concurrencia y Paralelismo
- Fundamentos de hilos y las implicaciones del GIL
- Multiprocesamiento y grupos de procesos para tareas CPU-bound
- Cuándo usar concurrent.futures frente a multiprocessing
Programación Async con asyncio
- Patrones async/await, bucle de eventos y cancelación
- Diseño de bibliotecas asíncronas y interoperabilidad con código sincrónico
- Patrones IO-bound, backpressure y limitación de tasa
Perfiles y Optimización
- Herramientas de perfiles: cProfile, pyinstrument, perf, memory_profiler
- Optimización de caminos calientes y uso de extensiones C/Numba donde sea apropiado
- 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 pruebas
- Pruebas basadas en propiedades con Hypothesis y pruebas contractuales
- Burlas, 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: registros estructurados, métricas Prometheus y rastreo
Seguridad, endurecimiento y mejores prácticas
- Auditoría de dependencias, fundamentos de SBOM y escaneo de vulnerabilidades
- Buenas prácticas de codificación segura para la validación de entradas 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 servicio pequeño utilizando patrones del curso
- Pruebas, verificación de tipos, empaquetado y canal CI para el proyecto
- Revisión final, crítica del código y plan de mejora con acciones específicas
Resumen y Pasos Siguientes
Requerimientos
- Sólida experiencia de programación en Python a nivel intermedio
- Familiaridad con la programación orientada a objetos y pruebas básicas
- Experiencia utilizando la línea de comandos y Git
Audiencia
- Desarrolladores senior de Python
- Ingenieros de software responsables de la calidad y arquitectura del código de Python
- Líderes técnicos e ingenieros MLOps/DevOps que trabajan con bases de código de Python
Testimonios (5)
Los ejercicios que vimos en el curso fueron bastante útiles y aplicables a mis actividades en el trabajo, se resolvieron las dudas y los ejemplos compartidos son bastante útiles.
jocelin salas - BANXICO
Curso - Test Automation with Selenium and Python
El hecho de tener ejercicios más prácticos utilizando datos más similares a los que utilizamos en nuestros proyectos (imágenes de satélite en formato raster)
Matthieu - CS Group
Curso - Scaling Data Analysis with Python and Dask
Traducción Automática
Creí que el entrenador era muy conocedor y respondió las preguntas con confianza para aclarar el entendimiento.
Jenna - TCMT
Curso - Machine Learning with Python – 2 Days
Traducción Automática
Una excelente preparación y experiencia del formador, comunicación perfecta en inglés. El curso fue práctico (ejercicios + compartir ejemplos de casos de uso)
Monika - Procter & Gamble Polska Sp. z o.o.
Curso - Developing APIs with Python and FastAPI
Traducción Automática
La explicación
Wei Yang Teo - Ministry of Defence, Singapore
Curso - Machine Learning with Python – 4 Days
Traducción Automática