Curso interactivo de Python

Clase 1 • Variables y tipos de datos incorporados

Declarar variables y trabajar con enteros, flotantes, cadenas y booleanos. Comprender los tipos es un prerrequisito para todos los capítulos de manipulación de datos.

Clase 2 • Sintaxis básica y estructura del código

Dominar las reglas de indentación, los comentarios y la sintaxis de las sentencias. Los hábitos de sintaxis correctos previenen los errores más comunes de principiantes a lo largo del curso.

Clase 3 • Instalación de Python y herramientas de desarrollo

Instalar Python, un editor de código y un gestor de entornos virtuales. Estas herramientas forman el espacio de trabajo base para cada ejercicio del curso.

Clase 1 • Fundamentos del manejo de excepciones

Capturar y manejar errores en tiempo de ejecución con los bloques try, except y finally. Un manejo de errores robusto previene fallas en todos los programas que construyas más adelante en el curso.

Clase 2 • Bucles while y control de bucles

Ejecutar acciones repetidas con bucles while y controlar la iteración usando break y continue. Estas construcciones manejan escenarios de repetición de longitud desconocida.

Clase 3 • Sentencias condicionales

Escribir bloques if, elif y else para ramificar el comportamiento del programa. Las condicionales son la herramienta principal para codificar reglas de negocio y lógica dirigida por el usuario.

Clase 1 • Diccionarios: claves, valores y métodos

Almacenar pares clave-valor y consultarlos eficientemente con métodos de diccionario. Los diccionarios modelan registros estructurados usados en APIs, configuraciones y bases de datos.

Clase 2 • Cadenas como secuencias

Aplicar operaciones de secuencia y métodos específicos de cadena a datos de texto. La manipulación de cadenas es esencial para el análisis de archivos y la salida orientada al usuario.

Clase 3 • Comprensiones de listas

Construir listas filtradas y transformadas en una sola expresión. Las comprensiones reemplazan bucles extensos y aparecen en todo el código profesional de Python.

Clase 4 • Tuplas y conjuntos

Usar tuplas para secuencias inmutables y conjuntos para colecciones de valores únicos. Elegir el tipo correcto mejora la corrección y el rendimiento.

Clase 1 • Decoradores y envolturas de funciones

Envolver funciones para agregar comportamiento sin modificar su código fuente. Los decoradores se usan para logging, caché y control de acceso en código de producción.

Clase 2 • Funciones lambda y funciones de orden superior

Escribir funciones anónimas y pasar funciones como argumentos. Los patrones de orden superior permiten pipelines de transformación de datos concisos.

Clase 3 • Definición y llamada de funciones

Escribir funciones con parámetros y valores de retorno. Las funciones son el mecanismo de abstracción principal utilizado en cada capítulo posterior.

Clase 4 • Alcance, espacios de nombres y cierres

Comprender los alcances local, envolvente, global e incorporado. Las reglas de alcance determinan la visibilidad de las variables y previenen errores sutiles en programas más grandes.

Clase 1 • Encapsulamiento y propiedades

Controlar el acceso a atributos con ofuscación de nombres y el decorador property. El encapsulamiento impone la integridad de los datos en diseños basados en clases.

Clase 2 • Métodos: de instancia, de clase y estáticos

Distinguir e implementar los tres tipos de métodos. Elegir el tipo de método correcto aclara la intención y mejora el diseño de la API.

Clase 3 • Métodos dunder y sobrecarga de operadores

Implementar métodos especiales para integrar clases personalizadas con la sintaxis de Python. Los métodos dunder hacen que los objetos se comporten como tipos incorporados.

Clase 4 • Clases, objetos y atributos

Definir clases, instanciar objetos y gestionar atributos de instancia. Las clases organizan datos y comportamientos relacionados en planos reutilizables.

Clase 1 • Módulos útiles de la librería estándar

Aplicar os, sys, pathlib, datetime y collections a tareas comunes. La librería estándar elimina la necesidad de reinventar utilidades fundamentales.

Clase 2 • Creación e importación de módulos

Dividir el código en módulos y controlar qué se exporta. El diseño modular reduce el acoplamiento y permite la reutilización de código entre proyectos.

Clase 3 • Construcción de paquetes de Python

Organizar módulos en paquetes con __init__.py y gestionar dependencias. Los paquetes son la unidad estándar de distribución para librerías de Python.

Clase 4 • Trabajo con archivos CSV y JSON

Analizar y serializar datos estructurados usando los módulos csv y json. Estos formatos son los más comunes para el intercambio de datos en flujos de trabajo profesionales.

Clase 1 • Pruebas con pytest

Escribir pruebas concisas y usar fixtures con pytest. pytest es el framework estándar de la industria para pruebas de Python en proyectos profesionales.

Clase 2 • Pruebas unitarias con unittest

Escribir y ejecutar casos de prueba usando el framework unittest. Las pruebas unitarias verifican funciones individuales y detectan regresiones durante el desarrollo.

Clase 3 • Estilo de código, linting y formateo

Imponer el estilo con flake8, black e isort. El formateo coherente reduce la carga cognitiva y facilita la revisión de código en entornos de equipo.

Clase 4 • Mocking y aislamiento de pruebas

Reemplazar dependencias externas con mocks usando unittest.mock. El aislamiento asegura que las pruebas sean rápidas, determinísticas y libres de efectos secundarios.

Clase 1 • Concurrencia con threading y asyncio

Ejecutar tareas limitadas por E/S concurrentemente con hilos y async/await. La concurrencia mejora drásticamente el rendimiento en aplicaciones de red y con uso intensivo de archivos.

Clase 2 • Gestores de contexto y control de recursos

Construir gestores de contexto personalizados usando clases y contextlib. La gestión adecuada de recursos previene fugas de manejadores de archivos y conexiones.

Clase 3 • Perfilado y optimización de rendimiento

Identificar cuellos de botella con cProfile y timeit, luego aplicar correcciones dirigidas. La optimización basada en datos evita ajustes prematuros y mal dirigidos.

Clase 4 • Multiprocessing para tareas limitadas por CPU

Evitar el GIL con el módulo multiprocessing para computación paralela. Multiprocessing permite un paralelismo real en máquinas multinúcleo.