Библиотека задач по Python | тесты, код, задания

В каком типе данных сохраняются *args при передаче в функцию? 👾 — Список 👍 — Кортеж 🥰 — Словарь ⚡ — Ничего из вышеперечисленного Библиотека задач по Python

В Python вы пишете высоконагруженный сервис, и заметили, что GIL мешает эффективному использованию многоядерного CPU при CPU-bound задачах. Какой подход решит проблему наиболее корректно? 👾 — Использовать threading с большим количеством потоков 👍 — Использовать multiprocessing для распараллеливания между процессами 🥰 — Переписать код на asyncio с async/await ⚡️ — Увеличить размер стека потоков через sys.setrecursionlimit() Библиотека задач по Python

Что выведет код? 👾 — 0 👍 — -1 🥰 — -2 ⚡️ — -4 Библиотека задач по Python

В Python у вас есть обработчик, который должен обрабатывать миллионы строк из большого файла без перегрузки памяти. Какой подход наиболее правильный? 👾 — Читать весь файл в память через readlines() и обрабатывать список 👍 — Читать файл построчно с помощью итератора (for line in file:) 🥰 — Использовать multiprocessing для параллельного чтения всего файла целиком ⚡️ — Преобразовать файл в JSON и загрузить его через json.load() Библиотека задач по Python

Зачем использовать contextvars.ContextVar вместо threading.local в async-коде? 👾 — Потому что быстрее при тех же семантиках 👍 — Даёт изоляцию на задачу: значение «течёт» через await внутри Task, но не между задачами/потоками; threading.local изолирует только по потоку и протекает между корутинами 🥰 — Автоматически сериализует состояние между процессами ⚡️ — Разрешает безопасно менять глобальные переменные Библиотека задач по Python

Почему нельзя вызывать asyncio.run() внутри уже работающего event loop (например, в Jupyter/ASGI)? 👾 — Потому что asyncio.run требует Python 3.12+ 👍 — У него свой цикл событий; внутри активного цикла бросит RuntimeError. Нужно await корутину или создавать задачу (asyncio.create_task) 🥰 — Он автоматически вкладывает циклы друг в друга ⚡️ — Это всего лишь алиас loop.run_until_complete Библиотека задач по Python

Какой из следующих операторов используется для создания пустого множества в Python? 👾 — ( ) 👍 — [ ] 🥰 — { } ⚡️ — set() Библиотека задач по Python

🔥 Знакомьтесь с экспертом Proglib.academy: Эмиль Сатаев Эмиль — эксперт с 8-летним опытом в разработке, который специализируется на внедрении LLM и агентных подходов в реальные коммерческие сервисы. Он точно знает, как проектировать архитектуру так, чтобы ИИ-функции работали стабильно в связке с внешними системами. 🏃‍♀️ Уже 14 мая Эмиль проведет открытый вебинар! Обсудим самую «больную» тему: «Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало». 🗓 Когда: 14 мая в 19:00 (Мск) Почему Эмиля стоит послушать: 🟣 8+ лет в разработке (Backend и Frontend)

Прошел путь от фулстека до Backend Platform Developer в SMIT.Studio.

🟣 Международный исследовательский опыт

Работал исследователем в Институте ИИ НИУ ВШЭ и в Национальном университете Сингапура (NUS).

🟣 Преподаватель-практик

Ведет семинары в НИУ ВШЭ, в том числе по проектированию и разработке агентских систем.

🟣 Мастер интеграции AI в Backend

Его главная суперсила — умение правильно встраивать LLM через API, выстраивать workflow и агентную логику в сложных распределенных системах.

🔗 Зарегистрироваться на вебинар

Что выведет код сверху? 👾 — 3 👍 — 9 🥰 — 18 ⚡️ — Error Библиотека задач по Python

Какие из этих баз данных по умолчанию не поддерживаются Django? 👾 — Postgres 👍 — Mysql 🥰 — Sqlite ⚡️ — Mongodb Библиотека задач по Python

🗓 14 мая в 19:00 (Мск) встречаемся в онлайне. Тема: Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало. В кружке выше Эмиль Сатаев рассказал, какие именно проблемы с LLM в проде будем разбирать. Что в программе:

- Разберем реальные кейсы стартапов и ограничения LLM. - Обсудим рабочие архитектуры: RAG, human-in-the-loop, контроль качества. - Ответим на ваши вопросы и разберем кейсы участников.

🎁 Бонусы: в конце вебинара подарим промокод на скидку 10.000 ₽ на курсы и разыграем подписки на полезные AI-сервисы. 👉 Зарегистрироваться на вебинар

Какой из следующих подходов наиболее корректен для реализации thread-safe и масштабируемого кэширования в приложении Flask, развернутом в нескольких экземплярах (например, в Docker-контейнерах с Gunicorn)? 👾 — Использовать flask.g для хранения кэшированных значений 👍 — Использовать functools.lru_cache в качестве декоратора для кэшируемых функций 🥰 — Использовать Redis в связке с Flask-Caching и настроить его как backend ⚡️ — Хранить кэш в глобальной переменной Python (global_cache = {}) и использовать mutex Библиотека задач по Python

Зачем нужен from __future__ import annotations? 👾 — Включает проверку типов в рантайме и кидает ошибки при несоответствии 👍 — Откладывает вычисление аннотаций (хранятся как строки), упрощая forward refs и циклические импорты 🥰 — Автоматически импортирует typing и делает аннотации обязательными ⚡️ — Превращает аннотации в комментарии и удаляет их из annotations Библиотека задач по Python

Какова главная причина использования полиморфизма? 👾 — Это позволяет программисту мыслить на более абстрактном уровне 👍 — Придется писать меньше программного кода 🥰 — Программа будет иметь более элегантный дизайн и ее будет легче поддерживать и обновлять ⚡️ — Программный код занимает меньше места Библиотека задач по Python

🦾 Почему ваши AI-продукты на базе LLM ломаются (и как это чинить)? Выкатили ИИ-фичу в прод, а она галлюцинирует, падает или выдает мусор? Приглашаем на открытый вебинар, где разберем реальную боль внедрения LLM-агентов и научимся делать так, чтобы «всё работало». 🗓 Когда: 14 мая в 19:00 МСК ⏱️ Формат: 60 минут мяса + 30 минут ответов на ваши вопросы 🧑🏻‍💻 Кто вещает: Эмиль Сатаев — Backend Platform Developer (8+ лет в разработке). Человек, который своими руками внедряет LLM и агентные системы в реальные коммерческие сервисы. 🎁 Главный бонус для онлайна: Только участникам прямого эфира подарим уникальный промокод на скидку 10.000 ₽ на большой курс AgentOps. 👉 Занять место на вебинаре

👾 Объясните, как в Python осуществляется управление памятью В Python объекты и структуры данных data structures находятся в закрытой динамически выделяемой области private heap, которая управляется менеджером памяти Python. Он делегирует часть работы программам распределения ресурсов allocators, закрепленным за конкретными объектами, и одновременно с этим следит, чтобы они не выходили за пределы динамически выделяемой области. По факту данной областью управляет интерпретатор interpreter. Пользователь никак не контролирует данный процесс, даже когда манипулирует ссылками объектов на блоки памяти внутри динамической области. Менеджер памяти Python распределяет пространство динамической области среди объектов и другие внутренние буферы по требованию. Библиотека задач по Python

Какой будет вывод следующего фрагмента кода?

s = {1, 2, 3, 3, 2, 4, 5, 5}
print(s)

👾 — {1, 2, 3, 3, 2, 4, 5, 5} 👍 — {1, 2, 3, 4, 5} 🥰 — None ⚡️ — {1, 5} Библиотека задач по Python

Нужно задать таймаут для блока асинхронных операций так, чтобы по истечении времени корректно произошло отмена вложенных await’ов и наверху ловился TimeoutError без «проглатывания» отмен. Что выбрать? 👾 — await asyncio.wait_for(coro, timeout=5) 👍 — async with asyncio.timeout(5): ... 🥰 — signal.alarm(5) в том же потоке ⚡️ — Оборачивать всё в собственный try/except CancelledError Библиотека задач по Python

Что выведет код сверху? 👾 — 24 👍 — 1 🥰 — 0 ⚡️ — 120 Библиотека задач по Python