NumPy: arrays, dtypes, broadcasting y operaciones vectorizadas
Fundamentos de ndarray en NumPy: constructores, dtypes, slicing multidimensional, broadcasting y por qué los loops sobre arrays son una señal de alarma.
Fundamentos de ndarray en NumPy: constructores, dtypes, slicing multidimensional, broadcasting y por qué los loops sobre arrays son una señal de alarma.
Uso de tomllib, tomli_w y PyYAML para leer y escribir configuración; diferencias de seguridad y tipado entre TOML y YAML.
Esquemas con BaseModel y Struct para validar datos externos, serializar a JSON/MessagePack y manejar errores con precisión.
pickle serializa objetos Python arbitrarios a bytes ejecutando instrucciones al deserializar; nunca uses pickle.loads con datos externos o de red.
Cómo usar json.dumps/loads, extender JSONEncoder para tipos custom, y cuándo reemplazar la stdlib con orjson o ujson en APIs de alto volumen.
Gestión eficiente de conexiones con pool, transacciones explícitas con isolation levels y migraciones de esquema versionadas con Alembic.
Diferencias entre Core y ORM en SQLAlchemy, cuándo elegir cada capa, Session como unidad de trabajo y cómo evitar el problema N+1 con eager loading.
PEP 249 define la interfaz común de todos los adaptadores de BD en Python; sqlite3 la implementa con conexiones, cursores, parámetros seguros y gestión de transacciones.
Contratos WSGI y ASGI desde sus mecanismos internos: por qué uno bloquea y el otro no, qué habilita cada uno y cómo elegir servidor en producción.
FastAPI usa anotaciones de tipo y Pydantic para validar requests, serializar respuestas y generar documentación OpenAPI interactiva sin configuración adicional.