SE-095 · Taller: elegir por carga y no por costumbre

← SE-094 — Complejidad empírica, benchmarks y perfiles · ↑ Parte 07 · 📚 Índice completo · 🌐 Portal · SE-096 — Proyecto: biblioteca comparada con casos límite →

Punto profesional y fundamento pedagógico

Punto profesional. La clase existe para elegir estructura y algoritmo por distribución de carga, no por familiaridad.

Por qué aparece aquí. Se sitúa después de Complejidad empírica, benchmarks y perfiles y antes de Proyecto: biblioteca comparada con casos límite: convierte el conocimiento anterior en una decisión observable que la clase siguiente podrá reutilizar. La continuidad se comprueba en el artefacto, no por compartir vocabulario.

Error conceptual que debe corregir. Usar promedios que ocultan colas largas o casos adversos.

Secuencia de aprendizaje. Antes de leer la solución, el estudiante predice el resultado del caso normal y del error conceptual anterior. Luego explica un caso resuelto paso a paso, construye un contraejemplo que cambie la decisión y, sin consultar el texto, reconstruye el mecanismo y lo aplica a una entrada nueva. La secuencia usa predicción, explicación propia, contraste y recuperación. ICAP distingue participación de construcción de conocimiento; How People Learn II exige conectar conocimiento previo, contexto y transferencia; la práctica de recuperación respalda producir de nuevo la explicación tras una demora; y Education for Life and Work exige devolución que explique la causa del error.

Evidencia de aprendizaje. Decision-evidence.md con workload, candidatos, percentiles y decisión reversible. Debe contener predicción previa, observación, explicación causal, contraejemplo, criterio de aceptación y una nota de qué dato haría cambiar la conclusión.

Límite de la conclusión. La carga sintetizada debe declararse y puede no representar tráfico real.

Trazabilidad fuente → afirmación

Fuente primaria u oficial	Afirmación que respalda	Lo que no prueba
MIT 6.006 Introduction to Algorithms	Estructuras, algoritmos, corrección y análisis de complejidad; autoridad: MIT OpenCourseWare	No demuestra por sí sola que el artefacto del estudiante sea correcto.
Python Debugging and Profiling	Timeit, cprofile y tracemalloc con sus límites; autoridad: Python Software Foundation	No demuestra por sí sola que el artefacto del estudiante sea correcto.
SWEBOK Guide v4.0a	Construcción, medición y fundamentos de ingeniería; autoridad: IEEE Computer Society	No demuestra por sí sola que el artefacto del estudiante sea correcto.

Antes de empezar

Esta clase continúa la biblioteca de estructuras y algoritmos de la Parte 07. Recupera la evidencia de la clase anterior, añade una decisión propia de Taller: elegir por carga y no por costumbre y deja un artefacto que la clase siguiente deberá consumir. La pregunta activa es: ¿Cómo elegir una estructura por perfil de operaciones en lugar de preferencia personal?

Prerrequisitos

Haber completado la clase anterior o reconstruir su contrato y evidencia.
Python 3.11 o posterior, terminal, editor y Git; un segundo runtime es opcional y debe declararse.
Trabajar con fixtures sintéticos: ninguna observación necesita datos de una persona o sistema real.

Problema auténtico

Tres equipos piden una recomendación única para historial, cola urgente y consulta por ID. Ninguna estructura domina las tres cargas y una media global oculta la operación crítica.

Objetivos observables

Al terminar podrás explicar los cinco mecanismos de esta clase, predecir su comportamiento antes de ejecutar, construir un caso normal y uno límite, diagnosticar el fallo controlado, comparar una alternativa y entregar evidencia que otra persona pueda reproducir.

Mapa conceptual

Mapa visualRelaciones que debes poder explicar

Perfil de operacionesCandidatos equivalentes

Candidatos equivalentesMatriz de compromisos

Matriz de compromisosCargas adversarias

Cargas adversariasRecomendación condicionada

Ver la notación fuente del diagrama

flowchart LR
    N1[Perfil de operaciones] --> N2[Candidatos equivalentes] --> N3[Matriz de compromisos] --> N4[Cargas adversarias] --> N5[Recomendación condicionada]
    N5 -->|fallo o cambio| N1

El mapa se lee como una cadena de razonamiento, no como fases obligatorias del runtime. La flecha de retorno indica que un fallo o cambio de requisito obliga a revisar el modelo inicial; no autoriza a parchear solo la última salida.

Temas y por qué importan

Tema	Por qué cambia una decisión profesional	Evidencia mínima
Perfil de operaciones	El taller expresa porcentajes y ráfagas de insertar, extraer, buscar, recorrer y borrar.	Predicción, traza causal y contraejemplo de Perfil de operaciones en `decision-evidence.md`
Candidatos equivalentes	Cada candidato implementa la misma interfaz y errores.	Predicción, traza causal y contraejemplo de Candidatos equivalentes en `decision-evidence.md`
Matriz de compromisos	Se registran tiempo, espacio, orden, estabilidad, complejidad de implementación y recuperación.	Predicción, traza causal y contraejemplo de Matriz de compromisos en `decision-evidence.md`
Cargas adversarias	Entradas ordenadas, hashes conflictivos, prioridades iguales y grafos cíclicos revelan peor caso.	Predicción, traza causal y contraejemplo de Cargas adversarias en `decision-evidence.md`
Recomendación condicionada	La conclusión usa forma `si carga y garantía, entonces opción; si cambia umbral, revisar`.	Predicción, traza causal y contraejemplo de Recomendación condicionada en `decision-evidence.md`

Conceptos y decisiones

1. Perfil de operaciones

El taller expresa porcentajes y ráfagas de insertar, extraer, buscar, recorrer y borrar. También fija tamaño, distribución y SLO. Un porcentaje bajo puede dominar impacto si la operación es muy costosa o bloquea el flujo.

2. Candidatos equivalentes

Cada candidato implementa la misma interfaz y errores. Adaptadores no deben hacer trabajo extra solo para uno. Se validan resultados antes de medir para evitar que una simplificación incorrecta parezca más eficiente.

3. Matriz de compromisos

Se registran tiempo, espacio, orden, estabilidad, complejidad de implementación y recuperación. Pesos pertenecen al contexto y se someten a sensibilidad. La tabla organiza evidencia; no genera decisión automática.

4. Cargas adversarias

Entradas ordenadas, hashes conflictivos, prioridades iguales y grafos cíclicos revelan peor caso. No toda entrada adversaria es probable, pero seguridad y disponibilidad pueden exigir acotar impacto incluso si la mediana es buena.

5. Recomendación condicionada

La conclusión usa forma si carga y garantía, entonces opción; si cambia umbral, revisar. Declarar condiciones evita convertir un benchmark del taller en estándar universal. Los datos y scripts quedan junto al informe.

Definiciones de trabajo

perfil de operaciones: el taller expresa porcentajes y ráfagas de insertar, extraer, buscar, recorrer y borrar.
candidatos equivalentes: cada candidato implementa la misma interfaz y errores.
matriz de compromisos: se registran tiempo, espacio, orden, estabilidad, complejidad de implementación y recuperación.
cargas adversarias: entradas ordenadas, hashes conflictivos, prioridades iguales y grafos cíclicos revelan peor caso.
recomendación condicionada: la conclusión usa forma si carga y garantía, entonces opción; si cambia umbral, revisar.

Las definiciones son operativas para la biblioteca de estructuras y algoritmos. No convierten términos con historia más amplia en sinónimos y deben contrastarse con la documentación primaria enlazada al final.

Ejemplo mínimo

| Carga | operación dominante | candidato | criterio de salida |
|---|---|---|---|
| historial | append/iterar | list | p95 y memoria |
| urgente | push/pop mínimo | heap | orden y p95 |
| identidad | lookup/dedup | dict+set | exactitud y p95 |

Antes de ejecutar, predice estado, resultado y error. Después registra versión, comando y salida. Si el fragmento es pseudocódigo o pertenece a otro lenguaje, etiquétalo como tal y no afirmes que fue ejecutado.

Ejemplo profesional

En la biblioteca de estructuras y algoritmos, un caso conserva identidad, prioridad, dependencias, instante de llegada y estado de resolución. La implementación de esta clase debe conservar ese contrato aunque cambie la forma interna. El caso profesional no pregunta únicamente si produce una salida: pregunta quién puede producirla, qué estado observa, cómo falla y qué rastro permite disputar una decisión incorrecta.

Compara el caso normal con autorización falsa, evidencia incompleta, empate y repetición. Un mecanismo es apropiado cuando esas diferencias quedan visibles y localizadas; es peligroso cuando dependen de orden accidental, estado oculto o una convención que el consumidor no puede conocer.

Práctica guiada

Copia el contrato de entrada y salida antes de escribir implementación.
Predice el caso normal y un límite; identifica la invariante que no puede romperse.
Implementa la versión mínima sin I/O dentro del núcleo.
Ejecuta el caso y conserva comando, versión y salida bajo evidence/.
Introduce el fallo controlado, reduce la reproducción y formula dos hipótesis rivales.
Corrige la causa, añade regresión y ejecuta el conjunto completo.
Compara con otro paradigma o lenguaje indicando qué semántica se preserva.

Ejercicios

Lectura: dibuja una traza de cinco pasos y marca dónde cambia estado o control.
Construcción: añade una operación dominante y demuestra la invariante que conserva.
Frontera: cubre vacío, empate, no autorizado e inválido con resultados distintos.
Contraste: reescribe una pieza con otro modelo y explica una mejora y una pérdida.

Reto verificable

Entrega implementación, fixtures, pruebas y un informe corto. Se aprueba si otra persona ejecuta desde checkout limpio, obtiene los mismos resultados y puede relacionar cada rama o transformación con una regla del dominio. No se aprueba por cantidad de archivos ni por usar la sintaxis característica del paradigma.

Caso conductor

La biblioteca de estructuras y algoritmos recibe casos del motor de reglas comparado, mantiene una frontera de trabajo priorizada y explica por qué el siguiente caso es elegible. Ejecuta una carga pequeña trazable, duplicados, prioridades iguales y una dependencia ausente. Cambia después una sola regla o condición y revisa qué archivos, pruebas y trazas debieron modificarse. Esa superficie de cambio alimenta el proyecto final de la parte.

Preguntas frecuentes

¿Un paradigma determina toda la arquitectura?

No. Puede organizar un núcleo o una frontera sin dominar el sistema completo. Combinar modelos es válido si los adaptadores preservan identidad, orden, errores y evidencia.

¿Menos líneas significan una solución mejor?

No. La brevedad puede quitar duplicación o esconder decisiones. Se evalúan semántica, diagnóstico, costo de cambio y adecuación a la carga.

¿Debo instalar todos los lenguajes mencionados?

No. Python basta para la práctica base. Si usas Prolog, Rust o Erlang, registra versión y comandos; si solo analizas notación, decláralo como análisis no ejecutado.

Fallo controlado y diagnóstico

Promedia las tres cargas y elige lista. Revisa por escenario: la cola urgente viola su SLO. Produce recomendaciones condicionadas y sensibilidad al mix.

Registra síntoma, entrada mínima, hipótesis, observación que descarta cada hipótesis, causa, corrección y prueba de regresión. No cambies simultáneamente implementación, fixture y expectativa.

Errores comunes y cómo corregirlos

Síntoma	Causa probable	Corrección
dos pruebas aisladas pasan y juntas fallan	estado o dependencia compartida	aislar propietario y reiniciar fixture
implementación corta pero opaca	semántica delegada sin contrato	documentar transición, error y orden
modelos “equivalentes” divergen	fixtures normalizan diferencias reales	comparar contrato antes de presentación
reintento duplica resultado	efecto sin identidad ni idempotencia	correlacionar y probar repetición
diagrama y código cuentan historias distintas	visual ornamental o desactualizado	trazar el mismo caso en ambos

Entorno y archivos clave

work/SE-095/
├── README.md
├── algorithm_library/
│   ├── domain.py
│   └── se_095.py
├── fixtures/cases.json
├── tests/test_se_095.py
└── evidence/diagnosis.md

El README declara plataforma, runtimes, comandos, limpieza y límites. Evita dependencias externas cuando la biblioteca estándar permita observar el mecanismo; si agregas una, fija procedencia y versión.

Seguridad, ética y accesibilidad

la autorización forma parte del dominio y no se infiere por ausencia de rechazo;
no uses eval, reglas descargadas ni serialización insegura;
limita colas, recursión, tamaño de entrada y tiempo de evaluación;
redacta trazas y conserva una explicación textual además de color o animación;
una recomendación automatizada debe poder revisarse, impugnarse y corregirse;
respeta licencias de ejemplos y atribuye adaptaciones.

Transferencia

Traslada un fixture al segundo modelo o lenguaje. Compara representación de ausencia, error, mutabilidad, orden y cancelación. La transferencia está lograda cuando el contrato se conserva y las diferencias están explicadas, no cuando la sintaxis se parece.

Evaluación y evidencia

Criterio	Evidencia para aprobar
comprensión	explicación causal de los cinco mecanismos
corrección	normal, límite, inválido y contraejemplo
diseño	estado, efectos y contrato localizables
diagnóstico	reproducción mínima y regresión
transferencia	comparación semántica, no estética
reproducibilidad	versiones, comandos, salida y límites

Fuentes

MIT 6.006 Introduction to Algorithms — Estructuras, algoritmos, corrección y análisis de complejidad; autoridad: MIT OpenCourseWare.
Python Data Model — Semántica de secuencias, conjuntos, mappings, igualdad y hash; autoridad: Python Software Foundation.
Python Standard Library — Deque, heapq, bisect, graphlib y contenedores disponibles; autoridad: Python Software Foundation.
Python Debugging and Profiling — Timeit, cprofile y tracemalloc con sus límites; autoridad: Python Software Foundation.
Mathematics for Computer Science — Inducción, grafos, conteo y razonamiento discreto; autoridad: MIT OpenCourseWare.
SWEBOK Guide v4.0a — Construcción, medición y fundamentos de ingeniería; autoridad: IEEE Computer Society.

Cada fuente respalda el mecanismo indicado; ninguna demuestra que la implementación de la biblioteca de estructuras y algoritmos sea correcta. Esa afirmación depende de fixtures, pruebas, trazas y revisión reproducible.

Límites y siguiente paso

El taller cubre cargas sintéticas y una plataforma. El proyecto siguiente empaqueta alternativas, propiedades y benchmarks para revisión reproducible.

Glosario

perfil de operaciones: el taller expresa porcentajes y ráfagas de insertar, extraer, buscar, recorrer y borrar.
candidatos equivalentes: cada candidato implementa la misma interfaz y errores.
matriz de compromisos: se registran tiempo, espacio, orden, estabilidad, complejidad de implementación y recuperación.
cargas adversarias: entradas ordenadas, hashes conflictivos, prioridades iguales y grafos cíclicos revelan peor caso.
recomendación condicionada: la conclusión usa forma si carga y garantía, entonces opción; si cambia umbral, revisar.

← SE-094 — Complejidad empírica, benchmarks y perfiles · ↑ Parte 07 · 📚 Índice completo · 🌐 Portal · SE-096 — Proyecto: biblioteca comparada con casos límite →