Python вопросы с собеседований

👩‍💻 Python совет: используйте функцию map для обработки элементов списка без использования циклов! @python_job_interview

📌 Save the date: мы проводим второй Yandex Open Source Jam! 📆 23 октября мы организуем (не)конференцию, посвящённую открытому коду и всему, что его окружает. На этот раз приезжаем в Санкт-Петербург! Поговорим об опенсорсе и людях, которые его делают. В программе: анонсы, экспозона, дискуссии, афтерпати и, конечно, доклады. 🔴 Никита Соболев, фултайм-разработчик опенсорса, раскроет секреты своего десятилетнего опыта  🔴 Антон Фролов, ML-инженер из Яндекса, покажет, как мы ускоряем обучение нейросетей с помощью YaFSDP 🔴 Антон Полухин, руководитель группы разработки общих компонент из Яндекса, расскажет, как мы строим опенсорс-проект userver 🔴 Николай Воронцов, выпускающий редактор в N + 1, обсудит, как опенсорс помогает учёным и радует популяризаторов науки 📎 Регистрируйтесь на сайте — там же можно найти подробную программу выступлений!

🖥 Разбор 70 задач Leetcode Этот ролик охватывает следующие темы: ▫️Временную и пространственную сложность алгоритмов. ▫️Все основные структуры данных. ▫️Советы по подготовке к интервью. Решения представлены на языке программирования Python 🐍. Сохраните этот материал для подготовки к собеседованиям 👇 Полное 5.5-часовое видео: https://youtu.be/lvO88XxNAzs?si=EX7_LAu3y8g7WETG @python_job_interview

👩‍💻 Курс по Python от университета Гарварда! 🌟 Большой плейлист с крутым объяснением языка, пожалуй один из лучших курсов по Python! 🔗 Ссылка: *клик* @python_job_interview

Выиграй 4 000 000 ₽ на True Tech Champ МТС приглашает опытных и начинающих разработчиков поучаствовать в чемпионате. В треке «Программирование роботов» нужно будет создать алгоритм для прохождения лабиринта. Победит тот, чей робот окажется самым быстрым. При этом не обязательно разбираться в устройстве роботов: эксперты трека уже сконструировали их и создали прошивку. Для участия достаточно уметь программировать на одном из языков: С++, C#, Go, Python, JS, Java. Регистрация открыта до 15 октября, отборочные онлайн-этапы уже стартовали! До финала смогут дойти на равных разработчики вне зависимости от стека или уровня: питонисты или джависты, джуны или сеньоры. А с полуфиналов начнётся командный этап — можно собрать свою дримтим. Участникам дадут доступ к API и подробные инструкции. Эксперты трека будут помогать, направлять и отвечать на вопросы на вебинарах. Зарегистрироваться можно по ссылке.

👩‍💻 Создание QR кодов с использованием библиотеки Pyqrcode @python_job_interview

🖥 Полезный репозиторий на Github, в котором собраны вопросы с собеседований по всевозможным IT сферам! 🔍 Что есть? 🌟 Фронтенд 🌟 Бэкенд 🌟 DevOps 🌟 Android - разработка 🌟 Fullstack 🔥 И многое другое! 🔗 Смотрим здесь: *клик* @python_job_interview

❓ Как вы можете использовать asyncio для написания асинхронного кода в Python, и какие преимущества и недостатки вы видите в использовании асинхронного программирования по сравнению с многопоточностью? Приведите примеры. ❗️ asyncio — это стандартная библиотека Python для написания асинхронного кода. Она позволяет использовать синтаксис async и await, чтобы писать неблокирующий код. Вот простой пример использования asyncio:

import asyncio

async def fetch_data(url):
    print(f"Fetching data from {url}...")
    await asyncio.sleep(2)  # Имитация сетевого запроса
    print(f"Data from {url} fetched.")
    return f"Data from {url}"

async def main():
    urls = ["http://example.com/1", "http://example.com/2", "http://example.com/3"]
    tasks = [fetch_data(url) for url in urls]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

В этом примере несколько задач выполняются одновременно, хотя каждая из них вызывает асинхронное ожидание (с использованием `await asyncio.sleep(2)`), что позволяет другим задачам продолжать выполнение. 💡 Почему асинхронное программирование? 🌟 Легковесность: Асинхронные задачи используют меньше ресурсов по сравнению с потоками, так как все они работают в одном потоке и управляются одним циклом событий. 🌟 Производительность: Асинхронное программирование позволяет лучше справляться с задачами ввода-вывода (I/O), такими как сетевые запросы и операции с файлами, так как они могут выполняться без блокировки основного потока. 🌟 Упрощение кода: Асинхронные функции легче понимать и поддерживать, так как они работают с синтаксисом `async`/`await`, который более декларативен. 💡 Почему НЕ асинхронное программирование? 🌟 Сложность отладки: Асинхронный код может быть труднее отлаживать, так как ошибки могут возникать в различных частях кода и не всегда очевидны. 🌟 Не для всех задач: Не все задачи требуют асинхронного подхода. Для вычислительно интенсивных задач многопоточность или multiprocessing может быть более подходящим выбором @python_job_interview

Пост для тех, кто прямо сейчас ищет работу Python-разработчиком или хочет усилить свои скиллы, чтобы перейти на новый грейд ⬇️ Сегодня знакомим вас с проектом IT Mentor, для которых гарантии трудоустройства — это не просто рекламный слоган, а принцип работы 🔥 Вместе с опытными менторами Senior-уровня вы можете изучить Python с нуля или закрыть пробелы в знаниях всего за 6 месяцев и ничего за это не платить! До выхода на работу 👉🏻 оплата за полный цикл обучения происходит только в конце курса и только для студентов, которые смогли трудоустроиться. В программе самый актуальный стек: — основыPython, — Django, — Базы данных, — FastApi — Git, — Опыт разработки на проекте в команде под руководством лида. Стартовая зарплата выпускника курса "Python-разработчик" — 200-230 тыс.р 💸., а сообщество студентов и менторов всегда готово прийти на помощь не только во время учебы, но и с реальными рабочими трудностями. Хотите присоединиться к группе и узнать больше о курсе? Переходите по ссылке и оставляйте заявку на сайте 📲 https://clck.ru/3DoJnh *Количество мест ограничено. Реклама. ИП Тюльников, ИНН 526223159257.

🖥 Визуализация частот слов с помощью Python @python_job_interview

❓ Назовите различия между Django, Pyramid и Flask ❗️ Ответ : 🌟 Flask — это «микрофреймворк», изначально созданный для небольших приложений с более простыми требованиями. В Flask вам придется использовать внешние библиотеки. Flask готов к использованию "из коробки" 🌟 Pyramid создан для более крупных приложений. Он обеспечивает гибкость и позволяет разработчику использовать правильные инструменты для своего проекта. Разработчик может выбрать базу данных, структуру URL, стиль шаблонов и многое другое. Pyramid — это сильно настраиваемый инструмент 🌟 Django также может использоваться для более крупных приложений, как и Pyramid. Он включает ORM @python_job_interview

💼 Обратное собеседование (reverse-interview) это список вопросов для соискателей. Пункты не упорядочены и могут быть неприменимы к конкретной должности или виду работы. Вначале это был просто список вопросов, но со временем он стал включать ещё и те вещи, которых хотелось бы видеть больше, и «красные флажки», то есть вещи, которых хочется избегать. Ещё я обратил внимание, что многие люди, которых я собеседовал, не задавали эти вопросы, и, я думаю, это были упущенные возможности. Разделы вопросов: - Технологии - Должность - Команда - Ваши будущие коллеги - Компания - Бизнес - Удалённая работа - Офисная работа - Компенсация - Больничный, декретный период, отпуск 📌 Вопросы @python_job_interview

👩‍💻 Ускорь Pandas в 20 раз, изменив всего одну строчку кода! 🔥 💡 Pandas часто бывает медленным из-за ограничений, таких как одноядерные вычисления и громоздкие DataFrame-ы. Но есть простое решение: FireDucks — библиотека с таким же API, как у Pandas, которая решает эти проблемы и значительно ускоряет обработку данных. ❓ Как ускорить Pandas? 🌟 Просто замените импорт библиотеки: ❌ Было:

import pandas as pd

✅ Стало:

import fireducks.pandas as pd

🌟 Теперь ваш код работает быстрее без изменений логики! Попробуйте сами и убедитесь, как легко ускорить работу с большими данными! 🚀 @python_job_interview

👩‍💻 Пет-проект на Python за 50 минут. Курс по FastAPI для начинающих (2024) 💡 В видео рассматривается создание простого проекта на Python с использованием FastAPI. Обсуждаются основные концепции, такие как маршрутизация, обработка запросов и использование зависимости. Программа охватывает создание RESTful API, работу с параметрами, развертывание приложения через Docker а также интеграцию с базой данных. Также приведены советы по развертыванию приложения и тестированию. Это видео подходит для начинающих, желающих быстро освоить FastAPI 🕞 Продолжительность: 50:00 🇷🇺 Видео на русском языке! 🔗 Ссылка: *клик* #курс #python #docker #fastapi @python_job_interview

🌟 Awesome-list советов по поступлению в аспирантуру и научной работе. Репозиторий GitHub "advice", в котором содержится обширная коллекция ссылок на ресурсы, предлагающие советы по различным аспектам поступления в аспирантуру, проведения исследований и жизни в аспирантуре, в основном в области информатики, NLP и ML. Автор репозитория - Shaily Bhatt, аспирант первого года обучения в Институте языковых технологий CMU и бывший сотрудник NLU Group в Google Research (Индия). Содержание: Заявки в аспирантуру: 🟢общие советы по заявкам; 🟢советы, специфичные для программ MS; 🟢советы по заявкам на предварительные докторские программы; 🟢советы о том, стоит ли получать докторскую степень; 🟢советы по выбору учебных заведений и научных руководителей. Исследования: 🟠общие советы по исследованиям; 🟠советы для аспирантов; 🟠идеи для исследований; 🟠советы по написанию работ; 🟠советы по рецензированию; 🟠советы по чтению; 🟠советы по публикации и конференциям; 🟠советы по динамике отношений между научным руководителем и аспирантом; 🟠советы по научно-исследовательским стажировкам; 🟠советы по нетворкингу; 🟠советы по выступлениям и презентациям; 🟠советы по продуктивности; 🟠советы по борьбе с синдромом самозванца; 🟠советы по инструментам для исследований. В репозитории также есть раздел "Список списков", в котором собраны ссылки на другие полезные ресурсы. 🖥GitHub @ai_machinelearning_big_data #AI #ML #Resources #Github #Awesome

❓ Как реализовать менеджер контекста в Python с помощью класса? В каких случаях его стоит использовать? Приведите пример его реализации и покажите, как он работает ❗️Менеджеры контекста позволяют правильно управлять ресурсами, например, открытием и закрытием файлов, установлением и завершением соединений с базами данных или блокировкой и освобождением ресурсов в многопоточном программировании. Классический способ создания менеджера контекста — использование конструкции with. Менеджеры контекста помогают упрощать код и предотвращают утечки ресурсов, так как гарантируют выполнение завершающих действий даже при возникновении исключений. Для создания менеджера контекста с помощью класса необходимо определить два метода: enter() — код, выполняемый при входе в контекст (with). exit(self, exc_type, exc_val, exc_tb) — код, выполняемый при выходе из контекста, даже если внутри возникло исключение. 💡Пример: Допустим, у нас есть класс DatabaseConnection, который имитирует подключение к базе данных. Менеджер контекста будет обеспечивать автоматическое подключение и отключение от базы данных:

class DatabaseConnection:
    def __init__(self, db_name):
        self.db_name = db_name

    def __enter__(self):
        # Действия при входе в контекст
        print(f"Connecting to database '{self.db_name}'...")
        self.connection = f"Connection to {self.db_name}"
        return self.connection  # Возвращаем объект соединения

    def __exit__(self, exc_type, exc_val, exc_tb):
        # Действия при выходе из контекста (закрытие соединения)
        print(f"Closing connection to '{self.db_name}'...")
        self.connection = None
        return False  # Если возникло исключение, не подавлять его

# Использование менеджера контекста
with DatabaseConnection('test_db') as conn:
    print(f"Using {conn} to execute queries...")

Результат выполнения:

Connecting to database 'test_db'...
Using Connection to test_db to execute queries...
Closing connection to 'test_db'...

💡Объяснение 🌟Метод enter() открывает соединение и возвращает его. 🌟Метод exit() автоматически вызывается при выходе из блока with и закрывает соединение. 🌟Если в блоке with возникнет исключение, оно будет передано в exit(), но не будет подавлено (return False). @python_job_interview

Ищем автора эталонного кода! 💎 Если вы уверены, что вашему коду подходит звание «Эталонный», а вам — звание «Автор самого красивого кода», то приглашаем принять участие в Конкурсе красоты кода 2.0 и выиграть классные призы от Сбера: iPhone 16 и умную колонку SberBoom. Опытные эксперты определят победителей в пяти категориях: Backend, Frontend, DevOps, AI и Mobile, — а награждение пройдёт на ключевом IT-событии HighLoad в Москве, 2 и 3 декабря. Больше 40 участников прошлого конкурса стали частью команды Сбера. Возможно, следующим станете именно вы — переходите по ссылке и изучайте подробности!

🖥 Python полный курс для начинающих Урок3 : работа с операторами и Math 🔥Смотреть ▪Урок2 ▪Урок 1 ▪Лучшие бесплатные курсы и книги по Python в 2024 год @python_job_interview

❓ Как механизм interning влияет на сравнение строк в Python? Приведите пример, когда использование оператора == и оператора is для строк дает разные результаты. В каких случаях это знание может быть полезно? ❗️ В Python существует механизм interning, который используется для оптимизации хранения и сравнения строк. Interning автоматически применяет к коротким строкам, строкам с символами только из алфавита или строкам, которые часто используются в программе. Это означает, что такие строки могут быть закэшированы, и вместо создания нового объекта Python будет использовать уже существующий. 💡 Когда строка подвергается интернированию, все переменные, которые ссылаются на одну и ту же строку, фактически указывают на один и тот же объект в памяти. В этом случае операторы == (сравнение по значению) и is (сравнение по идентификатору объекта) будут возвращать одинаковый результат. Но если строки не закэшированы или были созданы динамически, то is может вернуть False, даже если строки равны по значению (==). Пример:

# Строки, созданные вручную (будут интернированы)
a = "hello"
b = "hello"

print(a == b)  # True, так как значения строк одинаковы
print(a is b)  # True, так как строки интернированы и ссылаются на один объект

# Строки, созданные динамически (не всегда интернированы)
x = "".join(["hel", "lo"])
y = "hello"

print(x == y)  # True, значения одинаковы
print(x is y)  # False, так как x и y — это разные объекты в памяти

Когда это знание полезно: 🌟 Оптимизация памяти: Понимание работы интернирования позволяет эффективнее использовать память, особенно при работе с большим количеством однотипных строк. 🌟 Оптимизация скорости: Оператор is работает быстрее, чем == для строк, но его можно безопасно использовать только тогда, когда гарантированно известно, что строки интернированы (например, ключи в словарях или имена атрибутов). 🌟 Избегание ошибок: Если случайно использовать is вместо == для сравнения строк, особенно созданных динамически, это может привести к неожиданному поведению программы. @python_job_interview