1. Fundamentos de Programacion en Python

Teoria

Python es el lenguaje base en la mayoria de rutas competitivas de IA. Debes dominar:

• Variables y tipos: int, float, str, bool.
• Condicionales y bucles: if/elif/else, for, while.
• Funciones: parametros, retorno, scope.
• Estructuras: listas, diccionarios, sets, tuplas.
• Archivos: lectura/escritura de txt y csv.
• Clases y OOP basica: atributos, metodos, encapsulacion simple.
• Entornos virtuales: venv para aislar dependencias.
• Pip y paquetes: instalacion, versionado y buenas practicas.

Guia practica con codigo

Esta seccion muestra ejemplos minimos y claros de lo esencial que debes saber para comenzar.

1) Variables y tipos basicos

# Declaracion de variables
edad = 16              # int
altura = 1.72          # float
nombre = "Ana"         # str
es_estudiante = True   # bool

print(type(edad))          # <class 'int'>
print(type(altura))        # <class 'float'>
print(type(nombre))        # <class 'str'>
print(type(es_estudiante)) # <class 'bool'>

2) Conversion de tipos (casting)

numero_texto = "42"
numero_int = int(numero_texto)        # str -> int
numero_float = float(numero_texto)    # str -> float

precio = 19.99
precio_entero = int(precio)           # float -> int (trunca decimales)

valor = 7
valor_str = str(valor)                # int -> str

print(numero_int, numero_float, precio_entero, valor_str)

3) Condicionales con if / elif / else

nota = 78

if nota >= 90:
	print("Excelente")
elif nota >= 70:
	print("Aprobado")
else:
	print("Debes reforzar")

4) Como declarar funciones y usar return

def calcular_promedio(a, b, c):
	promedio = (a + b + c) / 3
	return promedio

resultado = calcular_promedio(80, 75, 90)
print("Promedio:", resultado)

Notas importantes:

• def declara una funcion.
• return devuelve un valor para usarlo fuera de la funcion.
• Una funcion sin return devuelve None.

5) Entrada por teclado con input()

nombre = input("Ingresa tu nombre: ")
edad = int(input("Ingresa tu edad: "))

print(f"Hola {nombre}, el proximo anio tendras {edad + 1}.")

Recuerda: input() siempre devuelve texto, por eso se usa int() o float() cuando corresponde.

6) Leer desde un archivo .txt

Supongamos un archivo llamado datos.txt con este contenido:

15
20
35

Codigo para leerlo y sumar valores:

suma = 0

with open("datos.txt", "r", encoding="utf-8") as archivo:
	for linea in archivo:
		numero = int(linea.strip())
		suma += numero

print("Suma total:", suma)

7) Ejemplo simple integrador

Este ejemplo combina tipos, input, if, funciones y lectura de archivo.

def clasificar_puntaje(puntaje):
	if puntaje >= 85:
		return "Nivel alto"
	elif puntaje >= 60:
		return "Nivel medio"
	return "Nivel inicial"

nombre = input("Nombre del estudiante: ")
puntaje = int(input("Puntaje del examen: "))

nivel = clasificar_puntaje(puntaje)
print(f"{nombre} -> {nivel}")

with open("reporte.txt", "w", encoding="utf-8") as salida:
	salida.write(f"Estudiante: {nombre}\n")
	salida.write(f"Puntaje: {puntaje}\n")
	salida.write(f"Clasificacion: {nivel}\n")

Con este programa ya practicas operaciones clave para competencias y tareas de preprocesamiento de datos.

Por que importa en competencias de IA

La velocidad para prototipar soluciones en Python impacta directamente en tu desempeno bajo tiempo limitado.

Recursos recomendados

• Documentacion oficial de Python: tutorial completo del lenguaje, disponible en espanol
• Real Python: articulos y tutoriales sobre fundamentos, OOP y buenas practicas
• Kaggle Learn — Python: curso interactivo gratuito con notebooks ejecutables
• Kaggle Learn — Intro to Machine Learning: siguiente paso natural despues de los fundamentos

Ejercicios practicos

• Resolver 30 ejercicios de nivel basico/intermedio.
• Parsear un CSV y calcular estadisticos simples por columna.
• Implementar funciones reutilizables para limpieza de datos.

Mini-proyectos

• Construir un analizador de dataset CSV desde consola.
• Crear una clase ExperimentLogger que guarde resultados en JSON.

Como resolver los mini-proyectos (resumen practico)

Mini-proyecto 1: Analizador de CSV desde consola

Objetivo: leer un CSV, mostrar informacion general y calcular estadisticos basicos.

Pasos sugeridos:

1. Recibir el nombre del archivo con input().
2. Abrir el archivo con open(...) o usar csv.DictReader.
3. Contar filas y columnas.
4. Para columnas numericas, calcular minimo, maximo y promedio.
5. Mostrar resultados en consola de forma ordenada.

Estructura minima:

import csv

archivo = input("Nombre del CSV: ")

with open(archivo, "r", encoding="utf-8") as f:
	reader = csv.DictReader(f)
	filas = list(reader)

print("Filas:", len(filas))
print("Columnas:", reader.fieldnames)

Mini-proyecto 2: Clase ExperimentLogger en JSON

Objetivo: guardar resultados de experimentos para comparar modelos.

Pasos sugeridos:

1. Crear clase ExperimentLogger.
2. Guardar cada experimento como diccionario: nombre, metrica, fecha, notas.
3. Acumular en lista y exportar a JSON.
4. Cargar JSON para revisar historial.

Estructura minima:

import json
from datetime import datetime

class ExperimentLogger:
	def __init__(self):
		self.logs = []

	def add(self, nombre, metrica, notas=""):
		self.logs.append({
			"nombre": nombre,
			"metrica": metrica,
			"notas": notas,
			"fecha": datetime.now().isoformat()
		})

	def save(self, ruta="experimentos.json"):
		with open(ruta, "w", encoding="utf-8") as f:
			json.dump(self.logs, f, indent=2, ensure_ascii=False)

Esto te prepara para competencias donde necesitas comparar versiones de forma disciplinada.

Errores comunes

• Mezclar logica y entrada/salida en la misma funcion.
• No usar entornos virtuales y romper dependencias.
• Escribir codigo sin modularidad.

Seccion avanzada (opcional)

Aprende comprensiones, decoradores basicos y tipado con typing para mejorar legibilidad y mantenibilidad.

Ruta sugerida

1. Sintaxis base y estructuras.
2. Funciones y organizacion modular.
3. Archivos y parsing de datos.
4. OOP minima para proyectos.
5. Entorno virtual y gestion de paquetes.

Desarrollo extendido para estudio profundo

Que debes comprender de verdad

No basta con leer definiciones. En este tema debes llegar a tres niveles de dominio:

1. Nivel conceptual: explicar el tema sin mirar apuntes.
2. Nivel tecnico: implementar lo aprendido en codigo o en ejercicios formales.
3. Nivel estrategico: decidir cuando usar esta herramienta en una competencia.

Una forma util de estudiar es la secuencia “leer -> resumir -> implementar -> explicar”. Si no puedes explicar una idea con palabras simples, todavia no la dominaste.

Aplicacion paso a paso en un entorno de competencia

1. Define objetivo y metrica antes de tocar el modelo.
2. Prepara un baseline pequeno y completamente reproducible.
3. Evalua con separacion correcta de datos.
4. Registra decisiones y resultados por experimento.
5. Repite solo cambios pequenos para aislar el impacto.

Este flujo te entrena para competir bajo presion sin perder rigor metodologico.

Checklist de dominio minimo

• Puedo describir el concepto central del tema con mis palabras.
• Puedo resolver un ejercicio basico sin ayuda externa.
• Puedo identificar al menos dos errores frecuentes del tema.
• Puedo conectar este tema con uno anterior de la ruta.
• Puedo escribir una implementacion limpia y comentada.

Autoevaluacion sugerida

Responde por escrito:

• Cual es la idea principal del tema y por que importa.
• Que decisiones tomarias al aplicarlo en un problema real.
• Que senales te indican que estas aplicando mal el enfoque.
• Como validarias que tu solucion funciona de verdad.

Plan de practica de 7 dias

• Dia 1: lectura completa + resumen personal.
• Dia 2: ejercicios basicos.
• Dia 3: ejercicios intermedios.
• Dia 4: mini-proyecto parte 1.
• Dia 5: mini-proyecto parte 2.
• Dia 6: analisis de errores + refactor.
• Dia 7: presentacion breve de resultados.

Navegacion

← 0. Introduccion a las Olimpiadas de IA | 2. Matematicas para Machine Learning →