Programa para certificación internacional Software Programmer Fundamentals + Python PDAIA

Nivel I: Software Programmer Fundamentals

1. El rol del desarrollador en la era de la IA
Por qué los fundamentos siguen siendo críticos: leer, depurar y validar código generado
Diferencia entre “usar IA como muleta” vs “usar IA como acelerador”
Ética y propiedad intelectual del código generado

2. Herramientas del desarrollador moderno
Visual Studio Code: instalación y extensiones esenciales
Introducción a GitHub Copilot, Claude, ChatGPT y Cursor
Diferencias entre asistentes integrados en el IDE y chats conversacionales

3. Prompt engineering para desarrolladores
Cómo escribir prompts efectivos para generar código
Patrones: contexto + tarea + restricciones + formato de salida
Cómo solicitar a la IA explicaciones de código además de generación automática

4. Validación y lectura crítica de código generado
Importancia de no aceptar código sin comprender su funcionamiento
Técnicas para verificar correctitud: pruebas mentales y casos límite
Identificación de alucinaciones de IA: funciones inexistentes, sintaxis incorrecta y errores lógicos

1.1. Conceptos de algoritmo y su importancia
Definición de algoritmos
Estructura de un algoritmo: Entrada, Proceso y Salida
Tipos de algoritmos: iterativos, recursivos y algorítmicos
Ejemplos de algoritmos en la vida real

1.2. Pensamiento computacional y resolución de problemas
Descomposición de problemas en pasos más pequeños
Reconocimiento de patrones y abstracción
Estructura de la solución: Desarrollo y optimización
Diseño de algoritmos eficientes

1.3. Práctica: Resolución de problemas simples con pseudocódigo
Modelado de problemas reales con pseudocódigo
Conversiones entre pseudocódigo y diagramas de flujo
Ejercicio práctico: Desarrollo de un pseudocódigo para resolver un problema matemático

1.4. Cierre con IA: Acelerando el pensamiento algorítmico
Práctica guiada: el estudiante resuelve un pseudocódigo manualmente, luego le pide a la IA que lo resuelva y compara ambas soluciones
Ejercicio: pedirle a la IA que genere 3 variantes del mismo algoritmo y discutir cuál es más eficiente
Reflexión guiada por el instructor: análisis de la importancia de comprender el pseudocódigo generado por la IA antes de implementarlo

2.1. Diagramas de casos de uso
Identificación de actores
Diagramas de escenarios principales y alternativos
Casos de uso extendidos y generales

2.2. Diagramas de secuencia
Representación de la interacción entre objetos y eventos
Modelado del flujo de datos y secuencia de mensajes

2.3. Diagramas de actividades
Representación de actividades, decisiones y flujos alternativos
Diagramas de actividad con particiones (swimlanes)

2.4. Cierre con IA: Generación de diagramas UML
Uso de IA para generar diagramas en sintaxis PlantUML o Mermaid a partir de descripciones de negocio
Práctica: descripción de un caso de uso en lenguaje natural y validación del diagrama generado
Identificación de errores comunes generados por IA en relaciones, dependencias y multiplicidades

3.1. Tipos de datos y operadores
Tipos de datos primitivos: enteros, reales, booleanos y cadenas de texto
Operadores aritméticos, lógicos, de comparación, asignación y bit a bit
Conversión de tipos de datos (casting)

3.2. Estructuras de control condicionales y bucles
Sentencias condicionales: if, else, elif y switch
Bucles controlados por contadores: for y while
Bucles controlados por condiciones: do-while
Conceptos de recursión vs iteración

3.3. Declaración y uso de funciones
Funciones con retorno y sin retorno
Parámetros por valor y por referencia
Funciones anidadas y recursivas
Uso de funciones lambda

3.4. Práctica: Resolución de problemas con funciones
Ejercicios de descomposición funcional para resolver problemas
Modularización de código para mejorar la reutilización

3.5. Cierre con IA: Refactoring asistido
Ejercicio: creación de una función repetitiva o poco legible y refactorización asistida por IA
Comparación de versiones enfocada en legibilidad, eficiencia y mantenibilidad
Práctica de revisión crítica del código generado por IA para identificar mejoras y posibles errores

4.1. Listas, tuplas, diccionarios y conjuntos
Operaciones básicas en estructuras de datos: creación, actualización y eliminación
Métodos y operaciones avanzadas: append, pop, sort y reverse
Diccionarios y manejo de pares clave-valor

4.2. Algoritmos de ordenación (burbuja, selección)
Implementación paso a paso de algoritmos de ordenación
Complejidad temporal y espacial: O(n²) y O(n log n)
Comparación entre algoritmos de ordenación: eficiencia y casos de uso adecuados

4.3. Algoritmos de búsqueda (binaria, lineal)
Implementación de búsqueda secuencial y búsqueda binaria
Condiciones necesarias para utilizar búsqueda binaria
Comparación de complejidades y rendimiento

4.4. Práctica: Implementación de algoritmos en Python
Ejercicios de búsqueda y ordenación utilizando listas y diccionarios
Optimización de código de búsqueda para grandes volúmenes de datos

4.5. Cierre con IA: Análisis de complejidad y optimización
Implementación manual del algoritmo burbuja y optimización sugerida por IA
Ejercicio de análisis y validación de complejidad Big-O generado por IA
Comparación entre implementación manual y versión optimizada por IA utilizando conjuntos de datos grandes

5.1. Conceptos básicos de objetos y clases
Definición de objetos, clases, atributos y métodos
Encapsulamiento, abstracción y modularidad

5.2. Creación de objetos y métodos
Creación y uso de objetos en Python
Métodos públicos, privados y protegidos

5.3. Herencia y polimorfismo
Concepto de herencia y reutilización de clases
Métodos sobreescritos y polimorfismo

5.4. Práctica: Modelado de objetos y su interacción
Ejercicios prácticos de modelado de entidades utilizando programación orientada a objetos

5.5. Cierre con IA: Diseño de clases asistido
Diseño manual de clases a partir de requerimientos de negocio
Comparación entre clases diseñadas por el estudiante y clases generadas por IA con enfoque en principios SOLID
Práctica de generación de pruebas unitarias asistidas por IA para validar las clases desarrolladas

6.1. Tipos de bases de datos (relacionales y no relacionales)
Diferencias clave entre bases de datos relacionales y no relacionales
Ejemplos de bases de datos relacionales como MySQL y PostgreSQL, y no relacionales como MongoDB
Criterios para seleccionar una base de datos relacional o no relacional según el contexto del proyecto

6.2. Componentes de bases de datos: tablas, filas y columnas
Definición y creación de tablas
Relaciones entre tablas: uno a uno, uno a muchos y muchos a muchos
Tipos de datos en SQL: VARCHAR, INT, DATE y otros tipos comunes

6.3. Cierre con IA: Decisiones arquitectónicas asistidas
Análisis de dominios de negocio para obtener recomendaciones de arquitectura mediante IA
Discusión y validación de recomendaciones generadas por IA sobre el uso de bases de datos relacionales o NoSQL
Identificación de criterios técnicos utilizados por la IA para justificar decisiones arquitectónicas

7.1. Diagramas entidad-relación
Definición de entidades, atributos y relaciones
Creación de diagramas entidad-relación para representar modelos de datos

7.2. Claves primarias y foráneas
Definición de claves primarias y garantía de unicidad de registros
Claves foráneas y su importancia en la vinculación entre tablas

7.3. Normalización de bases de datos
Concepto de normalización y niveles de normalización (1FN, 2FN y 3FN)
Ejercicios prácticos para reducir redundancia y mejorar la integridad de los datos

7.4. Cierre con IA: Modelado conversacional
Generación de diagramas entidad-relación a partir de descripciones de sistemas mediante IA
Validación manual de claves foráneas, relaciones y niveles de normalización en modelos generados por IA
Práctica de corrección y mejora de modelos de datos generados automáticamente por IA

8.1. Creación de tablas y relaciones
Sintaxis básica de SQL: CREATE TABLE y ALTER TABLE
Definición de restricciones: PRIMARY KEY, UNIQUE y NOT NULL

8.2. Consultas SQL: SELECT, INSERT, UPDATE y DELETE
Consultas de lectura utilizando SELECT con filtros, operadores y ordenamiento
Consultas de inserción, modificación y eliminación de datos mediante INSERT INTO, UPDATE y DELETE

8.3. Funciones de agregación: COUNT, SUM y AVG
Uso de funciones de agregación para calcular resultados sobre conjuntos de datos
Agrupación de datos con GROUP BY y filtrado de resultados con HAVING

8.4. Cierre con IA: SQL conversacional
Traducción de requerimientos en lenguaje natural a consultas SQL
Comparación entre consultas escritas manualmente y consultas generadas por IA
Discusión sobre riesgos de seguridad y rendimiento al utilizar consultas generadas automáticamente, incluyendo SQL Injection y optimización de consultas

NIVEL II: PYTHON DEVELOPER ASSOCIATE IA PDAIA

1. Introducción a Python
Qué es Python
Variables y tipos de datos básicos
Lectura de entrada desde teclado

2. Configuración del entorno de desarrollo
Instalación y configuración de Visual Studio Code para desarrollo en Python
Configuración de extensiones como Pylance y GitHub Copilot o asistentes equivalentes

3. Cierre con IA: Primeros pasos asistidos
Desarrollo manual de un programa “Hola Mundo” en Python
Generación asistida por IA de un programa equivalente con explicación línea por línea
Comparación entre código escrito manualmente y código sugerido por IA para comprender sintaxis y estructura básica

1. Entradas y salidas en Python
Generación de salidas en consola
Recopilación y procesamiento de entradas de usuario

2. Cierre con IA: Mejora de programas básicos
Construcción manual de un programa de entradas y salidas
Uso de IA para agregar validaciones y manejo básico de errores
Comparación entre la implementación manual y la versión mejorada generada por IA

1. Estructuras condicionales en Python
Uso de la instrucción if
Uso de instrucciones else y elif
Operadores lógicos and y or

2. Cierre con IA: Interpretación de lógica condicional
Análisis de bloques condicionales complejos utilizando IA
Validación de explicaciones generadas por IA sobre la lógica del programa
Identificación de errores o interpretaciones incorrectas en explicaciones automáticas

1. Manejo de cadenas y números en Python
Cadenas en Python
Métodos de cadenas en Python
Formato de cadenas en Python
Operadores y operaciones básicas
Manejo de números y operaciones matemáticas
Conversión de cadenas a números y uso de valores absolutos

2. Cierre con IA: Validaciones asistidas
Generación asistida de funciones de validación para correos electrónicos, teléfonos y documentos de identificación
Uso de expresiones regulares generadas por IA para validación de datos
Pruebas y validación manual de expresiones regex propuestas por IA

1. Manejo de listas en Python
Presentación y creación de listas
Trabajo con números dentro de listas
Manipulación y transformación de datos en listas

2. Cierre con IA: Transformación de datos asistida
Análisis de conjuntos de datos desordenados utilizando estrategias propuestas por IA
Implementación manual de técnicas de manipulación de datos
Comparación entre soluciones desarrolladas manualmente y soluciones sugeridas por IA para optimización y claridad del código

1. Estructuras iterativas y diccionarios en Python
Uso de bucles while
Uso de bucles for
Creación y manipulación de diccionarios
Programación dinámica utilizando diccionarios

2. Cierre con IA: Optimización de estructuras iterativas
Conversión de bucles imperativos a comprensiones de listas y diccionarios asistida por IA
Comparación entre diferentes estilos de implementación enfocada en legibilidad y mantenibilidad
Análisis crítico de soluciones generadas por IA para optimización de código en Python

1. Funciones y parámetros en Python
Definición y uso de funciones
Argumentos de funciones
Argumentos de palabra clave
Argumentos variables en funciones

2. Cierre con IA: Documentación y tipado asistido
Generación automática de docstrings y type hints utilizando IA
Desarrollo manual de funciones y validación de documentación generada por IA
Revisión crítica de descripciones, parámetros y tipos sugeridos automáticamente

1. Expresiones avanzadas en Python
Uso de funciones lambda
Introducción a expresiones regulares
Comprensión de datos mediante list comprehensions y estructuras similares

2. Cierre con IA: Generación y validación de expresiones regulares
Descripción de patrones en lenguaje natural para generación de expresiones regex mediante IA
Pruebas de validación utilizando casos normales y casos límite
Análisis y corrección de expresiones regulares generadas automáticamente para garantizar precisión y confiabilidad

1. Programación orientada a objetos en Python
Clases y objetos
Constructor de una clase
Atributos y métodos
Herencia
Encapsulación
Polimorfismo

2. Cierre con IA: Proyecto integrador asistido
Diseño de un sistema orientado a objetos utilizando IA como apoyo de desarrollo
Definición manual de arquitectura y responsabilidades de clases por parte del estudiante
Uso de IA como pair programmer para acelerar la implementación y optimización del proyecto
Evaluación crítica de las decisiones de diseño y del código generado automáticamente

1. Manejo de errores y excepciones en Python
Identificación y análisis de errores en programas
Control y manejo de excepciones
Generación personalizada de excepciones

2. Cierre con IA: Debugging conversacional
Análisis de tracebacks y errores utilizando IA como apoyo de depuración
Validación manual de soluciones propuestas por IA antes de su implementación
Identificación de causas raíz y evaluación crítica de recomendaciones automáticas para corrección de errores

1. Manejo de archivos y sistema de archivos en Python
Interacción con el sistema de archivos
Gestión de directorios y archivos
Creación, lectura, escritura y manipulación de archivos

2. Cierre con IA: Proyecto final de automatización de archivos
Desarrollo de un script para procesamiento de archivos CSV y JSON utilizando IA como apoyo de programación
Implementación de soluciones de lectura, transformación y almacenamiento de datos
Explicación y validación detallada de cada sección del código desarrollado en conjunto con IA

1. Workflow profesional con IA
Criterios para determinar cuándo utilizar IA y cuándo resolver problemas manualmente
Identificación de tareas delegables a IA y tareas que requieren análisis y juicio humano
Buenas prácticas de versionamiento con Git para evidenciar el trabajo realizado por el desarrollador

2. Proyecto final integrador
Desarrollo de una aplicación CLI en Python, como un gestor de tareas o una calculadora financiera
Documentación de componentes desarrollados manualmente y componentes generados con apoyo de IA
Defensa técnica del proyecto mediante explicación detallada de cualquier sección del código implementado
Evaluación de comprensión, capacidad de análisis y uso responsable de herramientas de IA en el desarrollo de software