Python para MLOps — Fundamentos Practicos

Practica de Python aplicada a MLOps, basada en el curso de LinkedIn Learning Complete Guide to Python Fundamentals for MLOps.

Construido como parte del Master en Big Data, Data Engineering & AI — ESESA, Malaga 2025-2026.

---

Contenido

Fundamentos de Python

Notebook / Archivo	Tema
01_variables.ipynb	Variables, tipos de datos, operaciones basicas
02_lists.ipynb	Listas: creacion, slicing, manipulacion
03_Adding_extracting_data.ipynb	Agregar y extraer datos de estructuras
03_dictionaries.ipynb	Diccionarios: keys, values, get, update
04_Tuples_and_sets.ipynb	Tuplas y sets: inmutabilidad y operaciones de conjuntos
04_Working_with_functions.ipynb	Funciones: argumentos, returns, scope
05_building_clasees_and_methods.ipynb	Programacion orientada a objetos: clases y metodos
06_Python_functions_and_classes.ipynb	Funciones avanzadas y clases en profundidad

Testing con pytest

Archivo	Tema
07_Testing.ipynb	Introduccion a testing con pytest
08_test_functions.py	Tests unitarios para funciones
08_test_classes.py	Tests unitarios para clases
08_test_utils.py	Tests para utilerias

Datos con Pandas

Notebook	Tema
10_Introduction_to_pandas.ipynb	Introduccion a pandas para analisis de datos

Codigo de produccion

program/
|-- __init__.py
|-- items.py           # Modulo de ejemplo con clases de negocio
utils.py                # Funciones utilitarias
script.py               # Script principal ejecutable
examples/               # Ejemplos complementarios
plain-asserts/          # Tests con asserts planos (sin pytest)

---

Stack tecnologico

Tecnologia	Uso
Python 3.8+	Lenguaje base
NumPy	Calculo numerico y arrays
pandas	Manipulacion y analisis de datos tabulares
pytest	Framework de testing unitario
Jupyter	Notebooks para experimentacion

---

Como ejecutar

# Clonar el repositorio
git clone https://github.com/xfalconix/python_mlops_course.git
cd python_mlops_course

# Crear entorno virtual e instalar dependencias
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# Ejecutar notebooks
jupyter notebook

# Ejecutar tests
pytest -v

---

Que demuestra este repo

• Dominio solido de Python fundamentals (POO, funciones, estructuras de datos)
• Habilidad de escribir tests unitarios con pytest
• Capacidad de estructurar un proyecto de Python con modulos y paquetes
• Familiaridad con pandas y NumPy para procesamiento de datos

Estos fundamentos son el cimiento de cualquier pipeline MLOps: scripts de ingestion, feature engineering, training loops y serving scripts se escriben en Python.

---

Autor

Carlos Falconi — Master en Big Data, Data Engineering & AI — ESESA, Malaga 2025-2026