Библиотека задач по Python | тесты, код, задания

Что делает os.rename()? В Python функция os.rename() используется для переименования файла или директории в операционной системе. Она входит в модуль os. Библиотека задач по Python

🚀 Курс «ИИ-агенты для DS-специалистов» уже стартовал Первый вебинар успешно прошёл, участники уже начали разбираться, как использовать ИИ-агентов в реальных проектах. Но всё самое интересное только начинается! 🔥 Впереди 4 мощных занятия — с практикой, инсайтами и разбором кейсов от экспертов. 💸 Сейчас действует специальная цена → 69.000 ₽ вместо 79.000 ₽. ⏳ Осталось всего 4 места. Не упустите шанс прокачаться в том, что будет определять будущее индустрии. 👉 Забронировать место на курсе

Что делает os.rename()? В Python функция os.rename() используется для переименования файла или директории в операционной системе. Она входит в модуль os. Библиотека задач по Python

В asyncio родительский таск сделал token = var.set(1) и затем создал два таска t1, t2; в t1 внутри выполняется var.set(2). Как ContextVar ведёт себя по умолчанию? 👾 — Общее на все таски — t1 меняет значение и для родителя, и для t2 👍 — Контекст копируется при создании таска — t1 видит 1, может сменить на 2 только для себя; родитель и t2 остаются с 1 🥰 — Значение видно только в пределах одного await ⚡️ — Требуется вручную вызывать copy_context(), иначе ContextVar не работает Библиотека задач по Python

👾 AI-агенты — настоящее, о котором все говорят! Уже 3 октября стартует второй поток нашего нового курса «AI-агенты для DS-специалистов». Это продвинутая программа для тех, кто хочет получить прикладной опыт с LLM и решать сложные задачи. На обучении вы соберёте полноценные LLM-системы с учётом особенностей доменных областей, получите hands-on навыки RAG, Crew-AI / Autogen / LangGraph и агентов. 🎓 В рамках курса вы научитесь: 1️⃣ адаптировать LLM под разные предметные области и данные 2️⃣ собирать свою RAG-систему: от ретривера и реранкера до генератора и оценки качества 3️⃣ строить AI-агентов с нуля — на основе сценариев, функций и взаимодействия с внешней средой Научитесь применять похожие подходы в разных доменных областях, получите фундамент для уверенного прохождения NLP system design интервью и перехода на следующий грейд. 🗓️ Завтра первый вебинар, успевайте залететь в ряды ИИ-первопроходцев 👈🏻

Что произойдёт при await asyncio.gather(a(), b(), return_exceptions=False), если a() уже отменена (CancelledError), а b() всё ещё выполняется? 👾 — Вернётся список с CancelledError на месте a(), b() продолжит выполняться 👍 — Будет проброшена CancelledError, при этом gather отменит b() и дождётся её завершения/cleanup 🥰 — Будет проброшена CancelledError, но b() оставят работать в фоне ⚡️ — Поведение не определено и зависит от версии Библиотека задач по Python

Как работает select_related в Django ORM? 👾 — Выполняет отдельный запрос для каждой связанной модели 👍 — Делает SQL JOIN и подтягивает связанные объекты сразу 🥰 — Кэширует связанные объекты в памяти на уровне Python ⚡️ — Автоматически превращает ForeignKey в ManyToMany Библиотека задач по Python

🤖 Курс «ИИ-агенты для DS-специалистов» Последняя возможность в этом году освоить ИИ-агентов с Proglib— старт живых вебинаров на курсе уже 3 октября! Уже 24 студента изучают 5 лонгридов подготовительного модуля, чтобы сформировать базу к старту живых вебинаров с Никитой Зелинским. 📚 Бонус: при оплате до 30 сентября вы получите дополнительный лонгрид для подготовки к курсу. Это отличный способ подойти к занятиям уже с базой. 🔥 А ещё после прохождения курса у вас будет достаточно знаний, чтобы участвовать в хакатоне с призовым фондом 1 125 000 ₽. 🔗 Записаться на курс и узнать подробности

Что выведет код сверху? 👾 — 3:27 👍 — 2:8 🥰 — 8 ⚡️ — 27 Библиотека задач по Python

Как работает хэш-таблица? Хэш-таблица в Python реализована в виде словаря (dict). Вот как это работает: — Хэширование ключей: Когда вы добавляете пару ключ-значение в словарь, Python сначала вычисляет хэш-код ключа с помощью встроенной функции hash(). Хэш-код — это целое число, представляющее «отпечаток» ключа. — Разрешение коллизий: Если два разных ключа имеют одинаковый хэш-код (коллизия), Python использует механизм разрешения коллизий для размещения значений в памяти. Одним из наиболее распространенных методов разрешения коллизий является метод цепочек, когда для каждого «ячейки» хэш-таблицы выделен список, в который добавляются все значения с одинаковыми хэш-кодами. — Поиск значения: При поиске значения по ключу Python сначала вычисляет хэш-код ключа и затем использует его для определения соответствующей «ячейки» в хэш-таблице. Затем происходит поиск значения внутри этой «ячейки» (или цепочки). Библиотека задач по Python

⏳ Последние часы со скидкой! Мы уже закрыли вебинар «ИИ-агенты: новая фаза развития AI», но запись всё ещё доступна. А дальше остаётся только практика. На курсе «ИИ-агенты для DS-специалистов» ты научишься разрабатывать агентов, собирать RAG-системы и адаптировать LLM под бизнес. ⏰ Сегодня цена ещё 57.000 ₽ с промокодом datarascals. Завтра — 69.000 ₽. 👉 Успеть оплатить до полуночи

🔥 Сегодня последний день скидки! На недавнем вебинаре «ИИ-агенты: новая фаза развития AI» мы показали, как агенты уже меняют работу Data Scientists и инженеров. Что тебя ждёт на курсе: ⚡️ создашь своего ИИ-агента с нуля ⚡️ соберёшь RAG-систему ⚡️ научишься адаптировать LLM под реальные данные бизнеса ⏳ До конца этого дня цена на курс 57 000 ₽. Уже завтра будет 69 000 ₽. Успевай записаться (используй промокод datarascals). 🔗 Записаться на курс

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

🚀 Всё о курсе «ИИ-агенты для DS-специалистов» ❓ Зачем нужны ИИ-агенты? Это системы, которые берут на себя задачи аналитики и автоматизации. Именно они становятся основой для работы с корпоративными данными и для поддержки принятия решений. ❓ Зачем мне курс? Курс отвечает на три ключевых вопроса: — Как построить собственную систему агентов с нуля? — Каким образом использовать RAG-подход для работы с корпоративными данными? — Как адаптировать LLM под реальные задачи бизнеса? ❓ Подходит ли это мне? Курс рассчитан на специалистов уровня middle+ и senior: ML/AI инженеров, Data Scientists, backend и platform-разработчиков. Подойдёт и студентам CS/DS, если вы готовы к продвинутым практикам. Запись вводной встречи «ИИ-агенты: новая фаза развития искусственного интеллекта» доступна по ссылке. ❓ Когда старт? Обучение начинается 3 октября. ❓ Сколько стоит? До 28 сентября действует скидка → 57 000 ₽ вместо 69 000 ₽ (промокод datarascals). 🔗 Описание программы и регистрация

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

🤫 Курс «ИИ-агенты для DS-специалистов» Каждый технологический скачок оставляет позади тех, кто «подождал ещё чуть-чуть». ИИ-агенты — это новый рывок. Уже через пару лет именно они будут драйвить аналитику и автоматизацию. Хотите остаться на гребне? 🖥️ На курсе «ИИ-агенты для DS-специалистов» мы разберём: — создание AI-агентов с нуля — сборку собственной RAG-системы — интеграцию LLM под задачи бизнеса 📌 Курс подходит: → ML/AI инженерам (middle+ / senior) → Data Scientists → Backend и platform-инженерам → Advanced CS/DS студентам ⚡️ Старт уже скоро — 3 октября. 💰 До 28 сентября действует скидка — 57.000 ₽ вместо 69.000 ₽ (по промокоду datarascals). 🔗 Узнать больше о курсе и записаться З.ы. если вы не успели на вебинар «ИИ-агенты: новая фаза развития искусственного интеллекта» — запись уже доступна

Что из перечисленного не является ключевым словом в языке Python? 👾 — pass 👍 — eval 🥰 — assert ⚡️ — nonlocal Библиотека задач по Python

❗ Сегодня премьера В 19:00 МСК стартует бесплатный вебинар с Максимом Шаланкиным — «ИИ-агенты: новая фаза развития искусственного интеллекта». В программе: — почему агенты ≠ чат-боты; — живое демо простого агента; — и как эта тема встроена в курс, который разработан под руководством Никиты Зелинского. ⏰ Это прямой эфир: подключиться можно через лендинг курса.

В FastAPI сервисе при нагрузке появляются предупреждения Unclosed client session/connector is closed, растёт число открытых файловых дескрипторов. Вы используете aiohttp для внешних HTTP-запросов. Какой подход корректный? 👾 — Создавать aiohttp.ClientSession() на каждый запрос и не закрывать — пусть GC разберётся 👍 — Создать один ClientSession на старте приложения (lifespan), переиспользовать во всех хэндлерах и корректно закрыть на shutdown 🥰 — Заменить на синхронный requests внутри run_in_executor — тогда дескрипторы не утекут ⚡ — Для каждого запроса создавать новый TCPConnector(force_close=True) и сразу закрывать сессию Библиотека задач по Python