Curso interactivo de Python

Lección 1 • Variables y tipos de datos integrados

Declare variables y trabaje con enteros, flotantes, cadenas y booleanos. Entender los tipos es requisito para todos los capítulos de manipulación de datos.

Lección 2 • Sintaxis básica y estructura del código

Domine las reglas de indentación, los comentarios y la sintaxis de las sentencias. Tener hábitos de sintaxis correctos previene los errores más comunes de principiante a lo largo del curso.

Lección 3 • Instalación de Python y herramientas de desarrollo

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

Lección 1 • Fundamentos del manejo de excepciones

Capture y maneje errores en tiempo de ejecución con los bloques try, except y finally. Un manejo de errores robusto previene fallos en todos los programas que se construirán más adelante en el curso.

Lección 2 • Bucles while y control de bucle

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

Lección 3 • Sentencias condicionales

Escriba bloques if, elif y else para ramificar el comportamiento del programa. Los condicionales son la herramienta principal para codificar reglas de negocio y lógica basada en el usuario.

Lección 1 • Diccionarios: claves, valores y métodos

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

Lección 2 • Cadenas como secuencias

Aplique 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.

Lección 3 • Comprensiones de listas

Construya listas filtradas y transformadas en una sola expresión. Las comprensiones reemplazan bucles extensos y aparecen en todos los códigos profesionales de Python.

Lección 4 • Tuplas y conjuntos

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

Lección 1 • Decoradores y wrappers de funciones

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

Lección 2 • Funciones lambda y funciones de orden superior

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

Lección 3 • Definición e invocación de funciones

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

Lección 4 • Ámbito, espacios de nombres y closures

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

Lección 1 • Encapsulación y propiedades

Controle el acceso a atributos con decoración de nombre y el decorador property. La encapsulación refuerza la integridad de los datos en diseños basados en clases.

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

Distinga e implemente los tres tipos de método. Elegir el tipo de método correcto clarifica la intención y mejora el diseño de la API.

Lección 3 • Métodos dunder y sobrecarga de operadores

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

Lección 4 • Clases, objetos y atributos

Defina clases, instancie objetos y gestione atributos de instancia. Las clases organizan datos y comportamiento relacionados en planos reutilizables.

Lección 1 • Módulos útiles de la librería estándar

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

Lección 2 • Creación e importación de módulos

Divida el código en módulos y controle lo que se exporta. El diseño modular reduce el acoplamiento y permite la reutilización de código entre proyectos.

Lección 3 • Construcción de paquetes de Python

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

Lección 4 • Trabajo con archivos CSV y JSON

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

Lección 1 • Pruebas con pytest

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

Lección 2 • Pruebas unitarias con unittest

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

Lección 3 • Estilo de código, linting y formateo

Aplique estilo con flake8, black e isort. Un formateo consistente reduce la carga cognitiva y facilita la revisión de código en entornos de equipo.

Lección 4 • Mocking y aislamiento de pruebas

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

Lección 1 • Concurrencia con threading y asyncio

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

Lección 2 • Gestores de contexto y control de recursos

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

Lección 3 • Perfilamiento y optimización de rendimiento

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

Lección 4 • Multiprocessing para tareas limitadas por CPU

Eluda el GIL con el módulo multiprocessing para computación paralela. Multiprocessing permite verdadero paralelismo en máquinas multinúcleo.