Programa formativo
Características de las aplicaciones back (C#, .Net)
- Lenguaje de programación
- Lenguaje C#
- Estilo StyleCop
- Frameworks de desarrollo
- Modularidad
- Inyección de dependencias
- Exposición de API
- Traducción de lógica de aplicación a la de Web API
- Pruebas unitarias
- Identidad, autenticación y autorización de acceso
- Microsoft.AspNetCore.Authentication.JwtBearer
- Persistencia de datos, serialización
- EntityFrameworkCore
- Newtonsoft
- Interoperación
- Disponibilidad de acceso a servicios proveedores
- Abstracción de acceso a API de servicios proveedores
- Ejecución dirigida por sucesos
- Validacion de entradas y salidas
- Seguimiento, auditoría, log
Características de las aplicaciones front (TypeScript, JamStack)
- Aplicaciones
- Lenguaje de programación
- Frameworks de desarrollo
- Soporte al desarrollo
- JamStack
- Vue 3 Composition API
- Nuxt 3 y Vite
- Elements
- Sass
- Pruebas unitarias
- Identidad, autenticación y autorización de acceso
- Gestión de estado, sesión
- Interoperación
- Abstracción de acceso a API de servicios proveedores
Características de la infraestructura
- Infraestructura
- Plataforma
- Dispositivo
- Sistema operativo
- Stack de ejecución
- Internet Information Server
- Kestrel
- Kubernetes
- Cloud y virtualización
- Cloud native application
- Contenedores
- Edge y CDN
- Gestión de APIs y gateways de API
- Infraestructura como código
- AWS CloudFormation
- AWS SAM
- AWS
- Lambda
- EC2
- EBS
- ELB
- RDS
- S3
- SSM Parameter Store
- Secret Manager
- MSK
- CloudFront
- API Gateway
- CodeArtifact
- EKS
- Provisión de Identidad
Python e IA
- Python
- Fundamentos de programación en Python
- Variables y tipos de Datos
- Operadores
- Estructuras de Control
- Definición y llamada a funciones
- Argumentos y Parámetros
- Programación orientada a objetos (Clases, herencia, métodos dunder)
- Entornos virtuales, requisitos de proyecto y entornos virtuales
- Jupyter Notebooks
- Numpy: Arrays y operaciones con arrays
- Pandas: Series, Dataframes y manipulación de datos
- Gráficos con Matplolib
- IA
- Teoría
- Aprendizaje Supervisado
- Aprendizaje no Supervisado
- Redes Neuronales
- IA generativa
- Scikit-learn
- Preprocesamiento de datos
- Modelos de Aprendizaje supervisado (Regesión lineal, SVM, arboles de decisión, random-trees, …)
- Modelos de Aprendizaje no supervisado (K-means, clustering, PCA, …)
- Evaluación de modelos
- Pipelines
- Tensorflow y keras
- Modelos secuenciales
- Redes neuronales recurrentes
- Redes neuronales convolucionales
- Ajuste y Evaluación de Modelos