Curso interactivo de Python

Lección 1 • Variables y Tipos de Datos Integrados

Declara variables y trabaja con enteros, flotantes, cadenas y booleanos. Entender los tipos es un prerrequisito para todos los capítulos de manipulación de datos.

Lección 2 • Sintaxis Básica y Estructura del Código

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

Lección 3 • Instalación de Python y Herramientas de Desarrollo

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

Lección 1 • Fundamentos de Manejo de Excepciones

Captura y maneja errores en tiempo de ejecución con los bloques try, except y finally. Un manejo robusto de errores previene fallos en todos los programas construidos más adelante en el curso.

Lección 2 • Bucles While y Control de Bucle

Ejecuta acciones repetidas con bucles while y controla la iteración usando break y continue. Estos constructos manejan escenarios de repetición de longitud desconocida.

Lección 3 • Sentencias Condicionales

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

Lección 1 • Diccionarios: Claves, Valores y Métodos

Almacena pares clave-valor y consúltalos eficientemente con métodos de dict. Los diccionarios modelan registros estructurados usados en APIs, configuraciones y bases de datos.

Lección 2 • Cadenas como Secuencias

Aplica 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

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

Lección 4 • Tuplas y Conjuntos

Usa 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 Envoltorios de Funciones

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

Lección 2 • Funciones Lambda y Funciones de Orden Superior

Escribe funciones anónimas y pasa funciones como argumentos. Los patrones de orden superior permiten tuberías de transformación de datos concisas.

Lección 3 • Definición y Llamada de Funciones

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

Lección 4 • Ámbito, Espacios de Nombres y Closures

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

Lección 1 • Encapsulación y Propiedades

Controla el acceso a atributos con ofuscación de nombres 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

Distingue e implementa los tres tipos de métodos. Elegir el tipo de método correcto clarifica la intención y mejora el diseño de la API.

Lección 3 • Métodos Dunder y Sobrecarga de Operadores

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

Lección 4 • Clases, Objetos y Atributos

Define clases, instancia objetos y gestiona atributos de instancia. Las clases organizan datos y comportamiento relacionados en planos reutilizables.

Lección 1 • Módulos Útiles de la Biblioteca Estándar

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

Lección 2 • Creación e Importación de Módulos

Divide el código en módulos y controla 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

Organiza módulos en paquetes con __init__.py y gestiona dependencias. Los paquetes son la unidad estándar de distribución para bibliotecas de Python.

Lección 4 • Trabajo con Archivos CSV y JSON

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

Lección 1 • Pruebas con pytest

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

Lección 2 • Pruebas Unitarias con unittest

Escribe y ejecuta 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

Refuerza el 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

Reemplaza 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

Ejecuta 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.

Lección 2 • Administradores de Contexto y Control de Recursos

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

Lección 3 • Perfilado y Optimización de Rendimiento

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

Lección 4 • Multiprocesamiento para Tareas Limitadas por CPU

Evita el GIL con el módulo multiprocessing para cómputo paralelo. El multiprocesamiento permite un paralelismo real en máquinas multi-núcleo.