Curso de Pydantic para Empresas — Validación y modelos eficientes

Creación de modelos con `BaseModel`

Declaración de campos con anotaciones de tipo

Atributos obligatorios y opcionales

Uso de `default` y `Field` para valores iniciales

Validación automática con typing de Python

Métodos `dict()` y `json()` en modelos

Conversión entre modelos y dicts

Anidación de modelos

Validación de listas y diccionarios

Ejemplo práctico: modelo de producto

Uso de `Field` para restricciones (min, max, regex)

Validaciones con expresiones regulares

Validación de correos electrónicos, URLs e IPs

Campos opcionales con valores por defecto dinámicos

Tipos especiales: `UUID`, `Decimal`, `datetime`

Validación de listas con tamaño mínimo/máximo

Uso de `constr`, `conint`, `confloat`

Validación booleana y conversión automática

Gestión de errores de validación

Ejemplo práctico: modelo de usuario con restricciones

Introducción a `@validator` en Pydantic V1

Migración a `field_validator` en Pydantic V2

Validadores a nivel de campo

Validadores a nivel de modelo (`root_validator`)

Validaciones condicionales entre campos

Orden de ejecución de validadores

Reutilización de validadores entre modelos

Manejo de excepciones en validadores

Ejemplo práctico: validación de contraseñas

Buenas prácticas en validación

Clase `Config` en Pydantic V1

Sustitución por `model_config` en V2

Configuración de modos estrictos y laxos

Campos inmutables con `frozen`

Alias en campos (`alias`, `populate_by_name`)

Forzar valores en mayúsculas/minúsculas

Serialización personalizada con `json_encoders`

Control de valores extra con `extra`

Uso de `orm_mode` para compatibilidad con ORMs

Ejemplo práctico: integración con SQLAlchemy

Modelos dentro de otros modelos

Listas y conjuntos de modelos

Tipos literales (`Literal`) para valores fijos

Campos con `Union` y `Annotated`

Modelos polimórficos con `discriminator`

Tipos dinámicos con `Any` y `Json`

Validación de datos complejos JSON

Reutilización de modelos con herencia

Ejemplo práctico: carrito de compras con productos

Buenas prácticas con modelos anidados

Por qué FastAPI depende de Pydantic

Uso de modelos para endpoints (request/response)

Validación automática de entradas en APIs REST

Respuestas con validación automática

Uso de `Query`, `Path` y `Body` con modelos

Integración con OpenAPI y documentación automática

Ejemplo práctico: API de gestión de tareas

Uso de `response_model` en endpoints

Validación de parámetros complejos en consultas

Seguridad y control de tipos en APIs

Estructura de `ValidationError`

Interpretación de errores de validación

Personalización de mensajes de error

Captura y manejo en aplicaciones FastAPI

Ejemplo práctico: errores personalizados en endpoints

Registro y logging de errores de validación

Buenas prácticas en manejo de errores

Serialización de errores para frontend

Ejemplo: API que devuelve mensajes claros al usuario

Checklist de control de errores

Diferencias de rendimiento entre Pydantic V1 y V2

Validación estricta vs validación ligera

Uso de `compiled` validators

Optimización en carga de datos masivos

Reducción de sobrecarga con `model_construct`

Benchmarks con `dataclasses` y `attrs`

Estrategias de cacheo en modelos

Buenas prácticas de performance en producción

Ejemplo práctico: procesamiento de 100k registros

Herramientas de profiling con Pydantic

Test unitarios de modelos

Generación de datos de prueba con `faker`

Pruebas de validación de campos

Pruebas de errores esperados

Test de integración con FastAPI y Pydantic

Uso de `pytest` para pruebas automatizadas

Creación de fixtures con modelos

Validación de payloads simulados

Ejemplo práctico: test de API de usuarios

Buenas prácticas en QA con Pydantic

Uso de Pydantic con SQLAlchemy

Diferencias entre ORM y modelos de validación

Creación de esquemas de entrada/salida

Conversión entre modelos ORM y Pydantic

Uso de `from_orm` en V1 y alternativas en V2

Validación de datos antes de insertar en DB

Ejemplo práctico: CRUD de usuarios con validación

Integración con bases relacionales y NoSQL

Serialización para exportar datos de DB

Buenas prácticas de integración DB-Pydantic

Validación de datos entre microservicios

Estandarización de esquemas compartidos

Uso de Pydantic para contratos de datos

Serialización con JSON y MsgPack

Validación en colas de mensajes (Kafka, RabbitMQ)

Uso de Pydantic en eventos asíncronos

Versionado de modelos para compatibilidad

Ejemplo práctico: esquema compartido entre 2 microservicios

Documentación automática de contratos con Pydantic

Checklist para microservicios escalables

Diferencias clave entre V1 y V2

Migración de `BaseModel` a `model_validate`

Sustitución de `@validator` por `field_validator`

Cambios en `Config` y `model_config`

Impacto en proyectos con FastAPI

Estrategias de migración gradual

Herramientas de compatibilidad

Ejemplo práctico: migración de un proyecto real

Buenas prácticas de actualización

Documentación oficial y guías

Uso de modelos dinámicos con `create_model`

Modelos recursivos y self-references

Validación condicional compleja

Uso de `GenericModel` para tipos genéricos

Control de serialización avanzada

Ejemplo práctico: API de productos recursivos

Documentación y autogeneración de esquemas

Separación de modelos en grandes proyectos

Buenas prácticas de diseño con Pydantic

Checklist de modelos limpios y mantenibles

Definición del caso: API de gestión de pedidos

Creación de modelos de usuario, producto y pedido

Validación avanzada de campos y relaciones

Integración con FastAPI

Validación en endpoints de entrada y salida

Manejo de errores personalizados

Testing completo de la API con `pytest`

Optimización de rendimiento con carga masiva

Documentación automática con OpenAPI

Presentación final del proyecto