ch
Feedback

不要被骗子欺骗!Telemetrio 会找到并标记这些频道 👉 如果想查看标记,请订阅

Python вопросы с собеседований

Python вопросы с собеседований

前往频道在 Telegram

Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd

显示更多

📈 Telegram 频道 Python вопросы с собеседований 的分析概览

频道 Python вопросы с собеседований (@python_job_interview) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 24 847 名订阅者,在 技术与应用 类别中位列第 5 341,并在 俄罗斯 地区排名第 26 133 位。

📊 受众指标与增长动态

自 невідомо 创建以来,项目保持高速增长,吸引了 24 847 名订阅者。

根据 16 十一月, 2026 的最新数据,频道保持稳定运转。过去 30 天订阅人数变化为 8,过去 24 小时变化为 -16,整体触达仍然可观。

  • 认证状态: 未认证
  • 互动率 (ER): 平均受众互动率为 6.15%。内容发布后 24 小时内通常能获得 2.81% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 1 528 次浏览,首日通常累积 699 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 8。
  • 主题关注点: 内容集中在 github, api, собеседование, git, docker 等核心主题上。

📝 描述与内容策略

作者将该频道定位为表达主观观点的平台:
“Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd”

凭借高频更新(最新数据采集于 17 十一月, 2026),频道始终保持新鲜度与高覆盖。分析显示受众积极互动,使其成为 技术与应用 类别中的关键影响点。

24 847
订阅者
-1624 小时
-497 天
+830 天
吸引订阅者
11月 '26
十一月 '26
+58
在1个频道中
十月 '26
+343
在37个频道中
Get PRO
九月 '26
+234
在19个频道中
Get PRO
八月 '26
+117
在33个频道中
Get PRO
七月 '26
+178
在43个频道中
Get PRO
六月 '26
+111
在0个频道中
Get PRO
五月 '26
+94
在1个频道中
Get PRO
四月 '26
+108
在0个频道中
Get PRO
三月 '26
+153
在1个频道中
Get PRO
二月 '26
+361
在0个频道中
Get PRO
一月 '26
+473
在1个频道中
Get PRO
十二月 '25
+167
在2个频道中
Get PRO
十一月 '25
+300
在45个频道中
Get PRO
十月 '25
+149
在16个频道中
Get PRO
九月 '25
+669
在37个频道中
Get PRO
八月 '25
+441
在4个频道中
Get PRO
七月 '25
+500
在50个频道中
Get PRO
六月 '25
+311
在36个频道中
Get PRO
五月 '25
+100
在2个频道中
Get PRO
四月 '25
+309
在26个频道中
Get PRO
三月 '25
+217
在1个频道中
Get PRO
二月 '25
+354
在42个频道中
Get PRO
一月 '25
+438
在48个频道中
Get PRO
十二月 '24
+871
在44个频道中
Get PRO
十一月 '24
+1 419
在55个频道中
Get PRO
十月 '24
+2 144
在61个频道中
Get PRO
九月 '24
+1 009
在198个频道中
Get PRO
八月 '24
+855
在40个频道中
Get PRO
七月 '24
+836
在49个频道中
Get PRO
六月 '24
+1 071
在57个频道中
Get PRO
五月 '24
+766
在39个频道中
Get PRO
四月 '24
+821
在44个频道中
Get PRO
三月 '24
+733
在21个频道中
Get PRO
二月 '24
+1 270
在3个频道中
Get PRO
一月 '24
+1 326
在47个频道中
Get PRO
十二月 '23
+843
在41个频道中
Get PRO
十一月 '23
+304
在2个频道中
Get PRO
十月 '23
+912
在0个频道中
Get PRO
九月 '23
+773
在0个频道中
Get PRO
八月 '23
+995
在0个频道中
Get PRO
七月 '23
+458
在0个频道中
Get PRO
六月 '23
+943
在0个频道中
Get PRO
五月 '23
+1 161
在0个频道中
Get PRO
四月 '23
+98
在0个频道中
Get PRO
三月 '23
+150
在0个频道中
Get PRO
二月 '23
+695
在0个频道中
Get PRO
一月 '23
+799
在0个频道中
Get PRO
十二月 '22
+2 227
在0个频道中
Get PRO
十一月 '22
+1 876
在0个频道中
Get PRO
十月 '22
+1 231
在0个频道中
Get PRO
九月 '22
+3 143
在0个频道中
Get PRO
八月 '22
+4 522
在0个频道中
日期
订阅者增长
提及
频道
17 十一月+2
16 十一月0
15 十一月+4
14 十一月+4
13 十一月+1
12 十一月+7
11 十一月0
10 十一月+5
09 十一月0
08 十一月+7
07 十一月+2
06 十一月+6
05 十一月+2
04 十一月+5
03 十一月+3
02 十一月+7
01 十一月+3
频道帖子
Python в 33 раза медленнее C++? Честный тест против Go и Rust Один и тот же алгоритм на четырёх языках: считаем простые числа до 5 миллионов. C++, Rust и Go укладываются в 1,4 секунды, чистый Python тратит 47. Но стоит сменить алгоритм и взять NumPy, и тот же ответ получается за 0,02 секунды. https://www.youtube.com/shorts/br62ibju8mQ
17 11月, 06:25

2
Одна правка документа перегрузила PostgreSQL. Как в Django переделали кеш Команда Джонни Метца хранила в Redis готовый список документов для каждого пользователя. Когда крупный клиент изменил одну общую запись, обработчик сбросил кеш тысяч пользователей. Их следующие запросы почти одновременно пошли в PostgreSQL, и API несколько минут работал медленнее. Кеш разделили. Для пользователя хранят только ID доступных ему документов. Каждый документ лежит в Redis в одном экземпляре, а Django забирает нужные записи пачкой через get_many. Поле can_edit вычисляют при сборке ответа с учётом прав конкретного пользователя. Теперь при переименовании документа достаточно удалить один ключ doc:<id>. TTL увеличили до семи дней. Ключи удаляют после коммита через transaction.on_commit: если удалить ключ раньше, параллельный запрос может снова положить в кеш старые данные. При промахе читают из primary, чтобы в кеш не попала устаревшая версия с отстающей реплики. За три месяца внедрения трафик вырос примерно на 40%, средняя задержка упала примерно на 40%, а число запросов к БД в секунду сократилось вдвое. На обычном пике API обслуживает около 1 100 запросов в секунду, доля попаданий в кеш составляет 97%. https://johnnymetz.com/posts/caching-at-scale-in-django/
990
3
5 самых дорогих багов в истории: какая ошибка стоила $5,4 млрд? От перепутанных фунтов и ньютонов в NASA до обновления CrowdS
5 самых дорогих багов в истории: какая ошибка стоила $5,4 млрд? От перепутанных фунтов и ньютонов в NASA до обновления CrowdStrike, после которого 8,5 млн компьютеров с Windows упали в синий экран. Разбираем, как одна строка кода сожгла ракету, обнулила биржевую компанию за 45 минут и заставила Intel менять процессоры. https://www.youtube.com/shorts/JWYBWH0kmgE?feature=share
1 064
4
Python научился разбирать JSON со скоростью 65,7 ГБ/с. И всё это в одном процессе Здесь показано как использовать свободную м
Python научился разбирать JSON со скоростью 65,7 ГБ/с. И всё это в одном процессе Здесь показано как использовать свободную многопоточность Python 3.14 и библиотеку fastsimdjson для экстремально быстрой обработки JSON. В эксперименте обработали 7,6 ГБ данных и 2,2 млн событий GitHub. Результаты на сервере с 64 ядрами Intel Xeon: | Парсер | Скорость | |---|---:| | Python `json` | 3,17 ГБ/с | | `msgspec` | 24,6 ГБ/с | | `fastsimdjson` | 29,8 ГБ/с | | `fastsimdjson` Lazy | **65,7 ГБ/с** | На одном ядре Lazy-режим показал 2,13 ГБ/с против 0,18 ГБ/с у стандартного json. В чём секрет? fastsimdjson использует SIMD-оптимизации и многопоточность. А режим lazy=True создаёт Python-объекты только для тех полей JSON, которые действительно нужны программе. В результате обработка 7,6 ГБ данных заняла около 0,12 секунды. Установка: pip install fastsimdjson Для эксперимента использовался Python 3.14.6 в free-threaded-сборке без GIL. Бенчмарк: https://github.com/lemire/fastsimdjson Исследование: https://lemire.me/blog/2026/10/12/parsing-json-at-tens-of-gigabytes-per-second-in-python/
1 179
5
Python: задача, на которой легко ошибиться даже опытному разработчику 🧠 Что выведет этот код? a = [0, 1, 2] i = 0 i, a[i] = 1, a[i] + 10 print(a, i) Варианты: A [10, 1, 2] 1 B [0, 10, 2] 1 C [0, 1, 12] 1 D IndexError Здесь проверяется неочевидная особенность Python: порядок вычисления правой части множественного присваивания и последовательность присваивания целевых переменных. У задачи есть подвох, связанный с тем, в какой момент Python вычисляет индекс a[i]. Какой вариант правильный? Объясните порядок выполнения по шагам.
1 356
6
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
1 215
7
Python: одна строка, которая изменит список, а потом выбросит исключение Что выведет этот код? data = ([1, 2],) try: data[0] += [3] except TypeError: print("Ошибка!") print(data) Варианты: A Ошибка! ([1, 2],) B Ошибка! ([1, 2, 3],) C ([1, 2, 3],) D TypeError: 'tuple' object does not support item assignment Здесь проверяется сразу несколько особенностей Python: неизменяемость кортежей, изменяемость вложенных объектов и поведение оператора +=. Какой вариант правильный и почему?
1 608
8
10 лет программирования на Python за 10 минут. База, которая сэкономит тебе годы Всё, что обычно понимаешь только через годы
10 лет программирования на Python за 10 минут. База, которая сэкономит тебе годы Всё, что обычно понимаешь только через годы работы и код-ревью: как Python хранит данные, питонический стиль, структуры данных, декораторы, генераторы, dataclass, обработка ошибок, типы и тесты, uv и pyproject.toml, профилирование, asyncio и numpy. Без синтаксиса для новичков, только опыт. 00:00 Вступление 00:16 Год 1. Как Python хранит данные 01:10 Год 2. Пиши по-питоновски 01:58 Год 3. Структуры данных 02:47 Год 4. Функции как объекты 03:41 Год 5. Генераторы 04:30 Год 6. ООП по-питоновски 05:22 Год 7. Ошибки и ресурсы 06:01 Год 8. Типы и тесты 06:42 Год 9. Окружение и проекты 07:27 Год 10. Производительность 08:12 Итоги https://www.youtube.com/watch?v=yQH3Hoo7JeM
1 520
9
Зачем вам Hugo и Jekyll? На Python теперь можно собрать статический сайт в три строки Разработчик nanodjango показал, как превратить Django в генератор статических сайтов без сложной конфигурации и десятков файлов. Всё приложение: from nanodjango import Django app = Django() app.pages("/", path="pages") Устанавливаем зависимости: pip install nanodjango django-nanopages django-distill Теперь достаточно положить Markdown-файлы в папку pages/. Они автоматически превращаются в страницы с поддержкой Django-шаблонов. Что особенно интересно: - Markdown и HTML с поддержкой frontmatter. - Автоматическая перезагрузка страниц при редактировании. - Генерация статического сайта одной командой. - Поддержка Django ORM, моделей и админки. - Возможность превратить проект в полноценное веб-приложение без переписывания с нуля. Сборка HTML: nanodjango manage website.py distill generate \ --output-directory=output/ --collectstatic Самая необычная возможность: можно управлять контентом через Django Admin и базу данных, а на выходе получать обычные статические HTML-файлы без серверной логики. Подойдёт для документации, блогов, лендингов и небольших сайтов. https://nanodjango.dev/blog/2026-10-static-site-builder/
1 768
10
📄️️️️️️ Agent Harness Course 2026 - как построить своего AI-агента с нуля Пошаговый курс на ~8 недель (1–2 часа в день): от
📄️️️️️️ Agent Harness Course 2026 - как построить своего AI-агента с нуля Пошаговый курс на ~8 недель (1–2 часа в день): от одного запроса к LLM до агента с инструментами, памятью, субагентами, защитой и тестами - и финального проекта. Свой учебный харнес на чистом Python без единой зависимости, 7 запускаемых уроков, финальный проект, 19 тестов и разбор архитектуры настоящего open-source агента. Ai Ml — материал переработан, структурирован и дополнен кодом, схемами и справочниками. Курс не учит «пользоваться ещё одним фреймворком». Он показывает, из чего сделан любой агент — Claude Code, Codex, Cursor, Devin, LearnHarness — и даёт собрать каждую деталь руками. После этого любой фреймворк читается за вечер, а любой баг агента - объясним. https://github.com/justxor/agent-harness-course/
1 733
11
Одна библиотека для сериализации и проверки данных в Python 🔥 msgspec объединяет работу с JSON, MessagePack и валидацию типо
Одна библиотека для сериализации и проверки данных в Python 🔥 msgspec объединяет работу с JSON, MessagePack и валидацию типов. Что внутри: - Быстрая сериализация. - Проверка данных по типам. - Поддержка JSON и MessagePack. - Типизированные структуры Python. Установка: pip install msgspec Стоит присмотреться, если в проекте много обмена структурированными данными и хочется совместить их обработку с проверкой. https://github.com/msgspec/msgspec
1 562
12
Django 6.1: загрузка связанных данных по требованию, каскадное удаление силами БД и новая настройка почты. Релиз вышел 5 августа. Три основных изменения: 1. Новые режимы загрузки полей FETCH_PEERS при обращении к незагруженному полю получает данные сразу для объектов из того же QuerySet. Это помогает бороться с N+1: from django.db import models books = Book.objects.fetch_mode(models.FETCH_PEERS) for book in books: print(book.author.name) В этом примере Django выполняет два запроса: за книгами и за их авторами. Режим `FETCH_RAISE` вместо неявного запроса выбрасывает исключение – полезно для обнаружения неожиданных обращений к БД. 2. Удаление на уровне базы Для ForeignKey.on_delete появились `DB_CASCADE`, `DB_SET_NULL` и `DB_SET_DEFAULT`. Логику выполняет сама БД через SQL ON DELETE. Нюанс: `DB_CASCADE` не вызывает сигналы `pre_delete` и `post_delete`. 3. Несколько почтовых бэкендов Настройка `MAILERS` позволяет описывать разные подключения словарём, а при отправке выбирать нужное через using. Перед обновлением проверьте версии БД: нужны PostgreSQL 15+, MySQL 8.4+, MariaDB 10.11+ или SQLite 3.37+. https://www.djangoproject.com/weblog/2026/aug/05/django-61-released/
2 267
13
LRU-кэш на Python: разбор задачи с собеседования (O(1), OrderedDict, TTL) Разбираем LRU-кэш на Python за O(1): двусвязный спи
LRU-кэш на Python: разбор задачи с собеседования (O(1), OrderedDict, TTL) Разбираем LRU-кэш на Python за O(1): двусвязный список и хеш-таблица, решение через OrderedDict, TTL и потокобезопасность. Код, тесты и типичные ошибки. LRU-кэш (Least Recently Used) - одна из самых популярных задач на собеседованиях Python-разработчиков уровня middle и senior. Она короткая, но сразу показывает, понимает ли кандидат сложность алгоритмов, умеет ли комбинировать структуры данных и пишет ли чистый код. В этой статье разберём задачу по шагам: от наивного решения к оптимальному за O(1), затем к Pythonic-версии через OrderedDict и к усложнениям, которые любят давать интервьюеры. https://uproger.com/lru-cache-python-sobesedovanie/
1 604
14
👨🏻‍💻 AI в бэкенд-задачах — на Podlodka Backend Crew Код теперь может написать агент, но за результат всё ещё отвечаете вы.+4
👨🏻‍💻 AI в бэкенд-задачах — на Podlodka Backend Crew Код теперь может написать агент, но за результат всё ещё отвечаете вы. Организаторы Podlodka Backend Crew собрали конференцию о том, как работать с бэкендом после того, как AI написал код. Причём в программе нет докладов в жанре «у нас все получилось» — только реальная практика. Конференция пройдёт с 26 по 30 октября. 🧠️️️️ Участники сезона: • Разберут пулл‑реквесты от агента и попробуют предотвратить возможные инциденты на рулетке кейсов • Выяснят, какие неожиданные ловушки скрываются в OpenAPI и на что обращать внимание при разработке контрактов • Разберут антипаттерны в AI-юнит-тестах, узнают, как их избежать с помощью современных инструментов, и заберут себе новый агентский скилл • Спроектируют бэкенд дейтинг-приложения на архитектурной кате и решат, где в нём действительно нужен AI. Формат Podlodka Backend Crew — комфортный онлайн: 5 дней, утренние и вечерние сессии в Zoom. Отдельный плюс — цена: заметно ниже привычных конференций, при этом вы не просто слушаете о чужом опыте, а разбираете PR и отвечаете за релиз, проектируете систему в команде и расследуете чужие провалы. Такого вовлечения не получить на обычной конференции. 🔗 Изучайте программу и присоединяйтесь: https://podlodka.io/becrew Промокод на скидку для подписчиков backendcrew
1 427
15
没有文字...
1 753
16
Как выучить Python с нуля в 2026 году: пошаговый план для начинающих Пошаговый план изучения Python с нуля: установка, синтак
Как выучить Python с нуля в 2026 году: пошаговый план для начинающих Пошаговый план изучения Python с нуля: установка, синтаксис, первые проекты, ошибки новичков и ответы на частые вопросы. С примерами кода. Python — один из самых популярных языков программирования в мире. В этой статье - пошаговый план, как выучить Python с нуля: от установки до первых проектов, с примерами кода, типичными ошибками новичков и ответами на частые вопросы. https://uproger.com/kak-vyuchit-python-s-nulya/
1 897
17
LLM в 200 раз быстрее: скоринг вместо генерации Как превратить открытую LLM в быстрый локальный движок решений через скоринг
LLM в 200 раз быстрее: скоринг вместо генерации Как превратить открытую LLM в быстрый локальный движок решений через скоринг следующего токена в SGLang: код, тесты на Qwen и сравнение с генерацией. Многие вызовы LLM в продакшене вообще не требуют нового текста. Приложение заранее знает все допустимые ответы, и модели остается только выбрать один из них. Классический пример: тикет в поддержку «С меня дважды списали деньги за одну и ту же подписку», который нужно отправить в биллинг, техподдержку или отдел доступа к аккаунтам. https://uproger.com/lokalnaya-llm-jev-skoring-sglang/
1 883
18
В Python 3.15 одна звёздочка заменяет вложенный цикл Раньше для объединения списков писали: rows = [[1, 2], [3], [4, 5]] flat = [x for row in rows for x in row] Теперь достаточно: flat = [*row for row in rows] # [1, 2, 3, 4, 5] Двойная звёздочка объединяет словари: configs = [ {"debug": False, "timeout": 10}, {"timeout": 30}, ] config = {**part for part in configs} # {'debug': False, 'timeout': 30} При совпадении ключей побеждает последнее значение — удобно собирать настройки из нескольких источников. Распаковка убирает один уровень вложенности. В Python 3.14 такой синтаксис внутри comprehensions вызовет SyntaxError. https://peps.python.org/pep-0798/
1 848
19
Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи? Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке. Собрали подборку полезных материалов под разные направления: ➡️ Аналитикам: — Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨 — Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥 ➡️ Разработчикам: — Go и System Design в Ozon 🔵, GO в Авито😎 — Банк алгоритмических собеседований из BigTech ➡️ ML/AI-инженерам: — Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎 — 10 кейсов по ML System Design в Т-Банке 🟨 ➡️ Тем, кто ищет первую стажировку: — Как получить стажировку в 2026 году — Где взять опыт, если его нет В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech. Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа ПОСТУПАШКИ ПОДПИСАТЬСЯ
1 498
20
没有文字...
1 762