Agenda de PyCon Panamá 2026

This talk focuses on what actually changes when an application starts communicating over HTTP/3.

We’ll follow a real request through the stack and use that journey to introduce the major concepts. We’ll compare the request path in HTTP/1.1, HTTP/2 and HTTP/3, look at where head-of-line blocking comes from and see how QUIC moves reliability, multiplexing and encryption into a new transport layer built on top of UDP.

Experiencias enseñando desarrollo de librerías en Perú y Latinoamérica. Un recorrido desde la creación de una librería de datos hasta sus posibilidades como proyecto académico, tesis, artículo o póster científico.

En esta charla, construiremos utilizando Python puro, un panel de monitoreo de datos de entrenamiento de IA con Streamlit. A partir de datos reales de la API pública de Hugging Face Hub, exploraremos los elementos que aportan un aspecto profesional al panel: diseño con columnas y métricas, gráficos, organización mediante barra lateral y pestañas, interactividad completa, gestión de estado con session_state y un tema visual personalizado. Todo ello sin escribir una sola línea de HTML, CSS o JavaScript. Finalizaremos publicando el panel con un enlace público.

Una introducción práctica a uv para configurar entornos y administrar paquetes, con trucos para aprovechar mejor la herramienta tanto para quienes recién la conocen como para quienes ya la usan.

Como docente, la carga administrativa me saturaba y me quitaba tiempo para conectar con mis estudiantes y pensar en la mejor forma de explicar. Perdía horas cada semana en correos y mensajes de muchos canales de comunicación. Construí Marimba, un asistente en Python con modelos open source, voz a texto (STT) y texto a voz (TTS). Marimba prioriza mis tareas, redacta correos, resume reuniones, guarda clases y consulta mis documentos con RAG. Contaré cómo lo diseñé con Design Thinking, empezando por el problema con empatía hacia la labor docente y las buenas prácticas de lo que he aprendido en mi uso diario de la herramienta.

Estrategias prácticas de gobernanza para construir un ecosistema de datos disponible, seguro, consistente y confiable, y preparar una base sólida para los modelos de IA.

Aplicación de un enjambre de robots móviles con ROS 2 y Python. Se presenta una arquitectura modular con nodos, tópicos, servicios y acciones para coordinar robots en simulaciones y prepararlos para el mundo físico.

Una introducción a qué son el paralelismo y el asincronismo en Python y cómo funcionan.

Diseño de agentes tipados con Pydantic AI: herramientas, dependencias, integración con FastAPI, streaming y pruebas deterministas para crear sistemas modulares y testeables.

Una comparación práctica de procesos, hilos y mutex, y de los cambios de Python 3.14 que permiten aprovechar los núcleos del procesador sin el Global Interpreter Lock.

Un recorrido por el ciclo de desarrollo en Django: arquitectura MVT, migraciones conscientes y gestión con Wagtail CMS, bajo un estándar de ingeniería que prioriza documentación, seguridad y mantenibilidad.

Una experiencia práctica usando Python, Odoo y un framework interno construido con Claude para que desarrolladores junior creen módulos ERP siguiendo estándares reales, con una demostración de un módulo CRM.

Casos reales de automatización de reportes, limpieza con Pandas, integración de APIs, correo, bots de navegación y monitoreo web, junto con aprendizajes para escalar su adopción en equipos regionales.

Tus datos están en archivos CSV y en un servidor SQL Server, pero necesitas llevarlos a la nube. ¿Por dónde empezar? En esta charla exploraremos cómo utilizar Python para conectarnos a SQL Server on-premise, extraer datos mediante consultas e incorporar archivos CSV para almacenarlos en Amazon S3. También abordaremos cómo PySpark permite transformar y combinar grandes volúmenes de datos para prepararlos para su análisis. A través de ejemplos de código, conoceremos los componentes de este flujo y las principales consideraciones para implementarlo: conexión, extracción, almacenamiento y transformación. También explicaremos por qué una carga exitosa no garantiza que los datos estén listos para analizarlos.

Keisa Ávila es licenciada en Informática y cuenta con un máster en Inteligencia Artificial para el Negocio. Tiene más de 15 años de experiencia en inteligencia de negocios y ha participado en proyectos de integración, migración y análisis de datos en sectores como banca, telecomunicaciones, aerolíneas y retail. Su experiencia abarca inteligencia de negocios, ingeniería de datos, diseño de arquitecturas de Data Lake e integración y migración de datos hacia la nube. Actualmente trabaja en proyectos corporativos de inteligencia artificial, incluyendo asistentes conversacionales para consultar datos y agentes de voz para automatizar procesos de negocio. Combina tecnologías como SQL Server, Python, Spark, AWS y Databricks para desarrollar soluciones de datos, analítica e IA aplicada al negocio. Es autora del libro Data Storytelling y conferencista en comunidades tecnológicas, donde comparte conocimientos sobre datos e inteligencia artificial aplicada al negocio. Es fundadora de la comunidad EllasTech y forma parte de las comunidades de Power BI Panamá y AWS Panamá.

LinkedIn de Keisa Ávila · Sitio web de Keisa Ávila