Detección de Code Smells con Análisis Estático en Backend Django
Visión general
De qué trata este proyecto.
Configura SonarQube self-hosted, Pylint con configuración custom y Radon para complejidad ciclomática y mantenibilidad. Integra en GitHub Actions: cada PR muestra delta de issues. Mide línea base sobre el repositorio actual. Cruza los reportes con el historial git: módulos que tocan más PRs son más críticos. Identifica los 30 smells de mayor impacto (combinando severidad + churn) y propón refactor para los 10 más altos con estimación de esfuerzo y riesgo. Entrega: configuración versionada, dashboard SonarQube poblado, mapa de smells priorizado, plan de refactor de 8 páginas.
El Briefing
Lo que harás y lo que demostrarás.
Configurar un pipeline de análisis estático que produzca una priorización accionable de los 30 code smells más críticos de un backend Django de 240k líneas.
Earning criteria — what you'll demonstrate
- Configurar herramientas de análisis estático para que sean útiles, no ruidosas
- Cruzar severidad técnica con churn de Git para priorizar smells reales
- Distinguir smells cosméticos de smells que generan incidentes
- Producir un plan de refactor con esfuerzo y riesgo cuantificados
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de Software
Producir un plan de refactor priorizado con datos, no con opiniones, es el tipo de trabajo que distingue a un ingeniero senior y le abre la puerta a roles de plataforma.
Este proyecto afina
- code-smells
- static-analysis
- code-churn-analysis