🌟 Visión y Manifiesto del Programa

Aprender a programar en la era de la Inteligencia Artificial exige un cambio radical de paradigma: ya no basta con memorizar sintaxis básica o resolver ejercicios abstractos de consola. La industria demanda profesionales capaces de pensar algorítmicamente, entender cómo se gestiona la memoria en el procesador, estructurar código desacoplado y de calidad empresarial, y orquestar modelos LLM, bases de datos vectoriales y sistemas multi-agente autónomos.

Este repositorio es el fruto de años de experiencia en arquitectura de software y diseño instruccional. Ha sido estructurado minuciosamente para eliminar la fricción técnica, proporcionando a cada estudiante una ruta clara, progresiva y sin lagunas conceptuales.

👤 Dirección Académica y Mentoría

Ingeniero de software, investigador y arquitecto de soluciones de Inteligencia Artificial Generativa, sistemas distribuidos, Visión por Computador e infraestructuras de Machine Learning Operations (MLOps). Diseñador de arquitecturas empresariales y autor de la suite de código abierto wisrovi SUITE en PyPI, con más de 26 paquetes publicados enfocados en optimización de rendimiento, pipelines asíncronos y bases de datos.

🌀 Metodología Pedagógica: El Modelo de Aprendizaje en Espiral

La mayoría de los cursos tradicionales cometen uno de dos errores: o abruman al principiante con teoría matemática abstracta antes de escribir una sola línea de código, o enseñan fragmentos aislados que el alumno olvida de inmediato.

Este programa implementa el Aprendizaje en Espiral (Spiral Learning), un modelo cognitivo donde el conocimiento se construye en ciclos iterativos de complejidad creciente, conectando la intuición inicial con la ingeniería avanzada:

flowchart TD
    subgraph Espiral["🌀 El Ciclo de Aprendizaje en Espiral (32 Semanas de Evolución Técnica)"]
        
        subgraph F1["🌱 FASE 1: Visión Holística & Gratificación Temprana (Curso 1)"]
            F1_A["Semana 1: Primer Vistazo Práctico<br/>print(), variables, if/else, for y def en acción conjunta"]
            F1_B["Semanas 2 a 7: Profundización de Tipos, Flujos & Modularidad<br/>Heap, mutabilidad, slicing, tablas hash y scope LEGB"]
            F1_C["Semana 8: Síntesis en Proyecto CLI<br/>Gestor de Tareas interactivo con validación try/except"]
            F1_A --> F1_B --> F1_C
        end

        subgraph F2["⚡ FASE 2: Rigor Algorítmico & Estructuras de Datos (Curso 2)"]
            F2_A["Análisis de Complejidad Temporal y Espacial Big-O"]
            F2_B["Estructuras Lineales & Jerárquicas (Pilas, Colas, BST, Grafos)"]
            F2_C["Algoritmos Clásicos: Búsqueda Binaria, QuickSort y DP Memoizada"]
            F2_A --> F2_B --> F2_C
        end

        subgraph F3["🤖 FASE 3: Inteligencia Artificial Generativa & Agentes (Curso 3)"]
            F3_A["Tokenización BPE, Inferencia LLM & Prompt Engineering Avanzado"]
            F3_B["Salidas Estructuradas (Pydantic), Tool Calling & Embeddings Vectoriales"]
            F3_C["Arquitecturas RAG Semánticas, Agentes ReAct y Sistemas Multi-Agente"]
            F3_A --> F3_B --> F3_C
        end

        subgraph F4["🛠️ FASE 4: Taller Integrador & Aplicación Full-Stack (Curso 4)"]
            F4_A["Arquitectura Modular Limpia & Backend FastAPI REST con Swagger"]
            F4_B["Persistencia Relacional SQLite ACID & Frontend Reactivo Streamlit"]
            F4_C["Streaming de Tokens, Docker Compose, Testing Mockeado y Despliegue CI/CD"]
            F4_A --> F4_B --> F4_C
        end

        F1_C ==> F2_A
        F2_C ==> F3_A
        F3_C ==> F4_A
    end

    style Espiral fill:#0b1120,stroke:#3b82f6,stroke-width:2px,color:#ffffff
    style F1 fill:#1e293b,stroke:#38bdf8,stroke-width:2px,color:#ffffff
    style F2 fill:#064e3b,stroke:#34d399,stroke-width:2px,color:#ffffff
    style F3 fill:#3b0764,stroke:#c084fc,stroke-width:2px,color:#ffffff
    style F4 fill:#7c2d12,stroke:#fb923c,stroke-width:2px,color:#ffffff

🚲 La Regla de la Bicicleta (Pedaleo Activo)

"Nadie aprende a montar en bicicleta leyendo un manual de física sobre el centro de gravedad. Tu verdadero aprendizaje como desarrollador ocurre cuando abres el editor, escribes el código con tus propios dedos, provocas errores deliberados para entender las trazas de Python y ejecutas las suites de pruebas automatizadas."

Cada clase está diseñada para que más del 70% del tiempo sea práctica aplicada:

1. Modelos Mentales Explícitos: Metáforas cotidianas que anclan el concepto abstracto.
2. Ejemplos Vivos: Al menos 4 carpetas con scripts ejecutables, comentados e independientes por clase.
3. Retos Autoevaluables: Ejercicios con pruebas unitarias (pytest) que ofrecen retroalimentación instantánea.

🗺️ El Currículo Maestro (4 Cursos • 32 Semanas)

flowchart LR
    C1["🎯 CURSO 1<br/><b>Fundamentos de Python</b><br/>8 Clases &bull; 33 Ejemplos<br/><i>De cero a CLI modular</i>"] --> C2["⚡ CURSO 2<br/><b>Algoritmos & Estructuras</b><br/>8 Clases &bull; 32 Ejemplos<br/><i>Big-O, BST, Grafos & DP</i>"]
    C2 --> C3["🤖 CURSO 3<br/><b>Agentes de IA</b><br/>8 Clases &bull; 32 Ejemplos<br/><i>LLMs, RAG & ReAct</i>"]
    C3 --> C4["🛠️ CURSO 4<br/><b>Proyecto Final Integrador</b><br/>8 Clases &bull; 32 Ejemplos<br/><i>FastAPI, Streamlit & Docker</i>"]

    style C1 fill:#1e3a8a,color:#ffffff,stroke:#60a5fa,stroke-width:2px
    style C2 fill:#065f46,color:#ffffff,stroke:#34d399,stroke-width:2px
    style C3 fill:#581c87,color:#ffffff,stroke:#c084fc,stroke-width:2px
    style C4 fill:#9a3412,color:#ffffff,stroke:#fb923c,stroke-width:2px

📑 Matriz Detallada de Contenidos y Recursos Oficiales

🏛️ Desglose Curricular Clase por Clase (Las 32 Semanas)

⚡ Guía de Inicio Rápido (Quickstart)

☁️ Opción 1: En la Nube con 1 Clic (Recomendado para Estudiantes)

No necesitas instalar Python ni configurar entornos en tu ordenador. Haz clic en el botón inferior para abrir un entorno completo de Visual Studio Code en tu navegador:

💻 Opción 2: Instalación en tu Máquina Local (Linux / macOS / Windows)

# 1. Clonar el repositorio oficial
git clone https://github.com/wisrovi/wisrovi-python.git
cd wisrovi-python

# 2. Crear y activar el entorno virtual aislado de Python
python3 -m venv venv

# En Linux / macOS:
source venv/bin/activate

# En Windows (PowerShell):
# .\\venv\\Scripts\\Activate.ps1

# 3. Actualizar pip e instalar todas las dependencias en modo editable
pip install --upgrade pip
pip install -e ".[all]"

# 4. Validar la instalación ejecutando la suite completa de pruebas
pytest -v

🧪 Arquitectura de Testing y Aseguramiento de Calidad

Para mantener las carpetas de clase de los estudiantes completamente limpias y enfocadas únicamente en el aprendizaje, toda la infraestructura de pruebas automatizadas está centralizada en tests/:

tests/
├── 📁 curso_01/       # 8 Tests unitarios (Fundamentos de Python)
├── 📁 curso_02/       # 8 Tests unitarios (Algoritmos y Estructuras)
├── 📁 curso_03/       # 8 Tests unitarios (Agentes de IA y Pydantic)
├── 📁 curso_04/       # 10 Tests unitarios e integración (FastAPI y SQLite)
└── 📝 README.md       # Guía técnica de la suite de pruebas

flowchart LR
    DEV["💻 Código del Alumno<br/>ejercicios/reto.py"] --> PYTEST["🧪 Pytest Test Runner<br/>34 Tests Unitarios"]
    PYTEST --> REPORT["📊 Reporte en Terminal<br/>100% Passing en < 0.3s"]
    REPORT --> GHA["⚙️ GitHub Actions CI<br/>Validación en cada Commit"]

    style DEV fill:#1e293b,color:#ffffff,stroke:#3b82f6,stroke-width:2px
    style PYTEST fill:#0f766e,color:#ffffff,stroke:#2dd4bf,stroke-width:2px
    style REPORT fill:#059669,color:#ffffff,stroke:#34d399,stroke-width:2px
    style GHA fill:#4338ca,color:#ffffff,stroke:#818cf8,stroke-width:2px

Comandos Frecuentes de Testing:

# Ejecutar todas las pruebas del repositorio
pytest

# Ejecutar únicamente las pruebas del Curso 1
pytest tests/curso_01/

# Ejecutar las pruebas con reporte verboso y nombres de tests
pytest -v tests/

🗺️ Mapa de Estructura del Repositorio

wisrovi-python/
├── 📁 .devcontainer/                   # 💻 Entorno reproducible para Codespaces y Docker Containers
├── 📁 .github/                         # ⚙️ Workflows CI/CD, issue templates y automatizaciones
├── 📁 01-fundamentos-python/           # 🎯 Curso 1: Fundamentos (8 Clases con PDF, libro, notebook y ejemplos)
├── 📁 02-algoritmos-estructuras/       # ⚡ Curso 2: Algoritmos & Estructuras de Datos (8 Clases)
├── 📁 03-agentes-ia/                   # 🤖 Curso 3: Desarrollo de Agentes de IA (8 Clases)
├── 📁 04-proyecto-final/               # 🛠️ Curso 4: Proyecto Integrador Full-Stack (8 Clases)
├── 📁 docs/                            # 🌐 Portal web documental oficial (academy_python.wisrovi.dev)
├── 📁 scripts/                         # 🔧 Herramientas de mantenimiento y compilación automatizada
├── 📁 src/                             # 📦 Código fuente del paquete CLI 'wisrovi'
├── 📁 tests/                           # 🧪 Suite de pruebas unitarias centralizada (34 tests)
├── 📄 mkdocs.yml                       # 📑 Configuración de MkDocs Material con Mermaid y Search
├── 📄 pyproject.toml                   # 📦 Especificación canónica de dependencias de Python (PEP 621)
└── 📄 README.md                        # 📌 Portal principal de navegación del programa

📜 Licencia y Filosofía Open Source

Este proyecto se distribuye bajo los términos de la Licencia MIT. Eres libre de estudiar, modificar, redistribuir y utilizar cualquier parte de este material tanto para propósitos educativos y académicos como para proyectos comerciales.

Si este programa formativo te resulta de utilidad en tu camino profesional, te invitamos a otorgar una ⭐️ al repositorio en GitHub para respaldar el software libre educativo en español.