International Certification 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