Curso de Programación en Python

Lección 1 • Instalación de Python y herramientas de desarrollo

Cubre la instalación del intérprete de Python, la selección de versión y la configuración del IDE. Establece el entorno base necesario para todos los ejercicios de codificación posteriores.

Lección 2 • Entrada, salida y operadores básicos

Cubre print(), input() y los operadores aritméticos, de comparación y lógicos. Estas primitivas aparecen en cada programa escrito en el curso.

Lección 3 • Variables, tipos de datos y literales

Enseña el tipado dinámico, los tipos de datos integrados y la notación literal. Comprender los tipos es un prerrequisito para todos los capítulos de manipulación de datos.

Lección 1 • Comprensiones e iteración funcional

Enseña comprensiones de listas, diccionarios y conjuntos junto con map() y filter(). Los patrones de iteración concisos mejoran la legibilidad en programas con uso intensivo de datos.

Lección 2 • Bucles for e iteración

Cubre la iteración sobre secuencias y el uso de range(). Los patrones de bucle introducidos aquí reaparecen en los capítulos de colecciones, archivos y procesamiento de datos.

Lección 3 • Bucles while y control de bucles

Introduce los bucles controlados por condiciones y las sentencias break, continue y pass. Estos controles permiten una gestión precisa del flujo en algoritmos complejos.

Lección 1 • Funciones lambda y decoradores

Introduce las funciones anónimas y los decoradores que envuelven funciones. Estas herramientas aparecen extensamente en frameworks y código de estilo funcional.

Lección 2 • Definición y llamada de funciones

Cubre la sintaxis def, los valores de retorno y las convenciones de llamada. Las funciones son la unidad principal de reutilización en todo el trabajo de proyecto posterior.

Lección 3 • Técnicas avanzadas de parámetros

Enseña valores predeterminados, argumentos por palabra clave, *args y **kwargs. Estos patrones permiten APIs flexibles que se utilizan en bibliotecas y frameworks más adelante.

Lección 1 • Listas: Creación y manipulación

Cubre la indexación, el slicing y todos los métodos de mutación de listas. Las listas son la estructura más común en el procesamiento de datos y el trabajo con algoritmos.

Lección 2 • Tuplas y secuencias inmutables

Enseña la creación, el empaquetado, el desempaquetado y los casos de uso de las tuplas. La inmutabilidad hace que las tuplas sean ideales para registros fijos y claves de diccionario.

Lección 3 • Conjuntos y operaciones con conjuntos

Introduce la creación de conjuntos, las pruebas de pertenencia y las operaciones matemáticas. Los conjuntos permiten una deduplicación rápida y consultas de relaciones en canalizaciones de datos.

Lección 4 • Diccionarios: Claves, valores y métodos

Cubre la creación, los patrones de acceso, la iteración y la fusión de diccionarios. Los diccionarios sustentan el manejo de JSON, la configuración y el almacenamiento en caché en aplicaciones reales.

Lección 1 • Métodos: De instancia, de clase y estáticos

Cubre los tres tipos de métodos y sus casos de uso apropiados. La elección correcta del método aclara la intención y mejora el diseño de la API.

Lección 2 • Herencia y anulación de métodos

Introduce la herencia simple y múltiple, super() y la resolución de métodos. La herencia reduce la duplicación entre familias de clases relacionadas.

Lección 3 • Encapsulación y métodos especiales

Cubre el name mangling, los métodos dunder y la sobrecarga de operadores. Estas características producen interfaces de clase intuitivas y pythónicas.

Lección 1 • Manejo de excepciones

Enseña try, except, else, finally y excepciones personalizadas. El manejo adecuado de errores previene fallos y permite una degradación elegante.

Lección 2 • Trabajo con archivos CSV y JSON

Introduce los módulos csv y json de la biblioteca estándar para datos estructurados. Estos formatos son omnipresentes en el intercambio de datos y la integración de API.

Lección 3 • Lectura y escritura de archivos

Cubre open(), modos de archivo, gestores de contexto y E/S binaria frente a texto. El manejo de archivos es esencial para la ingesta y salida de datos en proyectos reales.

Lección 1 • Limpieza y transformación de datos

Cubre el manejo de valores faltantes, la conversión de tipos y las transformaciones apply(). Los datos limpios son un prerrequisito para un análisis y modelado precisos.

Lección 2 • Herramientas estadísticas y de álgebra lineal de NumPy

Introduce funciones de agregación, generación de números aleatorios y operaciones matriciales. Estas herramientas sustentan el preprocesamiento y la simulación en el aprendizaje automático.

Lección 3 • Agrupación, fusión y agregación

Introduce groupby(), merge() y tablas dinámicas para resumir datos. Estas operaciones replican analíticas de estilo SQL completamente dentro de Python.

Lección 4 • Arrays y operaciones de NumPy

Cubre la creación, indexación, broadcasting y matemáticas vectorizadas de ndarray. La eficiencia de NumPy es la columna vertebral de los flujos de trabajo científicos y de ciencia de datos.

Lección 1 • Programación y automatización de tareas

Introduce scripts programados, análisis de argumentos y registro. La automatización en producción requiere una programación fiable y una ejecución observable.

Lección 2 • Planificación y entrega del proyecto final

Guía a los estudiantes a través del alcance, la construcción y la presentación de un proyecto completo. Sintetiza todas las habilidades fundamentales en un entregable listo para el portafolio.

Lección 3 • Automatización del sistema de archivos y del SO

Enseña os, pathlib y shutil para la automatización de archivos y directorios. Automatizar tareas repetitivas de archivos ahorra un tiempo significativo en los flujos de trabajo profesionales.