Diplomado en programación Python

MÓDULO 1. HERRAMIENTAS BÁSICAS DE PROGRAMACIÓN EN PYTHON
1.1 Variables y tipos de datos
1.1.1 Declaración de variables
1.1.2 Tipos de datos
1.1.3 Conversión entre tipos de datos
1.2 Estructuras de control
1.2.1 Condicionales
1.2.2 Bucles
1.2.3 Instrucciones break y continue
1.3 Funciones y módulos
1.3.1 Creación y llamada de funciones
1.3.2 Parámetros y argumentos
1.3.3 Importación de módulos externos
1.4 Listas y diccionarios
1.4.1 Creación y manipulación de listas
1.4.2 Acceso a elementos de una lista
1.4.3 Uso de diccionarios y sus métodos
1.5 Manejo de excepciones
1.5.1 Uso de try, except, finally
1.5.2 Captura de excepciones específicas
1.5.3 Lanzamiento de excepciones personalizadas
1.6 Entrada/Salida de datos
1.6.1 Lectura y escritura de archivos
1.6.2 Interacción con el usuario a través de la consola
1.6.3 Formateo de cadenas y datos de salida

MÓDULO 2. DESARROLLO DE SOFTWARE
2.1 Gestión de requerimientos
2.1.1 Identificación y documentación de requerimientos
2.1.2 Análisis y priorización de requerimientos
2.1.3 Técnicas para captura de requerimientos
2.2 Diseño de software
2.2.1 Principios de diseño de software
2.2.2 Modelado de datos y arquitectura de software
2.2.3 Herramientas de diseño
2.3 Desarrollo de código
2.3.1 Selección de lenguaje de programación
2.3.2 Prácticas de programación (nombres de variables, convenciones de código, etc.)
2.3.3 Uso de IDEs y herramientas de desarrollo

2.4 Pruebas de software
2.4.1 Planificación y diseño de pruebas
2.4.2 Tipos de pruebas
2.4.3 Herramientas de pruebas
2.5 Control de versiones y gestión de configuración
2.5.1 Sistemas de control de versiones (Git, SVN)
2.5.2 Ramas (branches) y fusiones (merges)
2.5.3 Estrategias de branching y merging
2.6 Despliegue y mantenimiento
2.6.1 Preparación de entornos de despliegue
2.6.2 Automatización de despliegues (CI/CD)
2.6.3 Monitoreo y mantenimiento de aplicaciones
2.7 Seguridad del software
2.7.1 Prácticas seguras de codificación
2.7.2 Gestión de vulnerabilidades y parches
2.7.3 Autenticación, autorización y cifrado de datos
2.8 Documentación y soporte
2.8.1 Elaboración de documentación técnica
2.8.2 Proceso de actualización de documentación
2.8.3 Soporte técnico y atención a incidencias

MÓDULO 3. CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL
3.1 Pandas
3.1.1 Estructuras de datos y herramientas de análisis de datos
3.1.2 Manipulación y limpieza de datos
3.1.3 Integración con otras fuentes de datos
3.2 NumPy
3.2.1 Manejo de arreglos y matrices.
3.2.2 Funciones matemáticas para operaciones numéricas
3.2.3 Álgebra lineal y generación de números aleatorios
3.3 Matplotlib
3.3.1 Visualización de datos en forma de gráficos, histogramas, dispersión, etc
3.3.2 Personalización de gráficos y figuras
3.4 Scikit-learn
3.4.1 Aprendizaje automático clásico para clasificación, regresión, clustering, etc
3.4.2 Herramientas para preprocesamiento y evaluación de modelos
3.5 TensorFlow
3.5.1 Construcción y entrenamiento de modelos de aprendizaje automático
3.5.2 Desarrollo de redes neuronales y modelos de aprendizaje profundo
3.6 Keras
3.6.1 API de alto nivel para construir redes neuronales
3.7 NLTK (Natural Language Toolkit)
3.7.1 Procesamiento de lenguaje natural
3.7.2 Análisis de texto, tokenización, etiquetado y análisis de sentimientos
3.8 OpenCV
3.8.1 Biblioteca para Visión por Computadora
3.8.2 Manipulación de imágenes, detección y reconocimiento de objetos, seguimiento de movimiento

MÓDULO 4. MANEJO Y EXTRACCIÓN DE DATOS EN PYTHON
4.1 Pandas
4.1.1 Manejo de datos tabulares, limpieza, transformación y análisis de datos
4.2 NumPy
4.2.1 Operaciones con arreglos y matrices, cálculos numéricos eficientes y manipulación de datos
4.3 Beautiful Soup
4.3.1 Extracción de datos de archivos HTML y XML, útil para web scraping y análisis de datos web
4.4 Requests
4.4.1 Realizar solicitudes HTTP, permitiendo la extracción de datos de APIs web y otros servicios en línea
4.5 Selenium
4.5.1 Facilita la automatización de la interacción con navegador web, útil para la extracción de datos de páginas web dinámicas
4.6 Scrapy
4.6.1 Realizar scraping de web, permitiendo la extracción estructurada de datos de sitios web de forma eficiente
4.7 Openpyxl
4.7.1 Leer y escribir archivos de Excel, lo que facilita el manejo de datos en este formato
4.8 PyMongo
4.8.1 Interactuar con bases de datos MongoDB, permitiendo la extracción y manipulación de datos en este tipo de bases de datos NoSQL

MÓDULO 5. PROGRAMACION AVANZADA
5.1 Programación Orientada a Objetos (POO)
5.1.1 Incluye conceptos avanzados de POO como herencia múltiple, clases abstractas, métodos estáticos y métodos de clase
5.2 Decoradores y Metaprogramación
5.2.1 Explora el uso de decoradores para modificar el comportamiento de funciones y clases, junto con técnicas de metaprogramación
5.3 Manejo Avanzado de Excepciones
5.3.1 Profundiza en estrategias avanzadas para el manejo de excepciones
5.4 Programación Concurrente y Paralela
5.4.1 Cubre el uso de hilos, procesos, asyncio y otras técnicas para lograr concurrencia y paralelismo en Python
5.5 Programación Funcional
5.5.1 Incluye el uso avanzado de funciones lambda, comprensiones de listas y diccionarios, así como el uso de funciones de orden superior
como map, filter y reduce
5.6 Optimización de Código y Rendimiento
5.6.1 Explora técnicas para mejorar el rendimiento del código, incluyendo la optimización de algoritmos, el uso de estructuras de datos eficientes y la medición del rendimiento
5.7 Testing Avanzado y Desarrollo Dirigido por Pruebas (TDD)
5.7.1 Cubre estrategias avanzadas para escribir pruebas unitarias y de integración, así como el desarrollo de software utilizando el enfoque de desarrollo dirigido por pruebas
5.8 Manipulación de Archivos y Sistemas
5.8.1 Incluye el uso avanzado de módulos como os, shutil, pathlib y otros para manipular archivos, directorios y realizar operaciones en el sistema de archivos