Python вопросы с собеседований

Добавь AI в свой Python-проект за 7 недель На Stepik вышел курс «LangChain: с нуля до продакшн LLM приложений»: ✅ RAG-поиск по документам (FAQ-бот, база знаний) ✅ Агенты для анализа данных (CSV, JSON через Pandas) ✅ API на FastAPI с LLM под капотом Не нужно становиться ML-инженером — интегрируешь LLM как обычный сервис. Практика • Код из коробки • Сертификат Stepik Скидка 25% — 3 дня 🔥 Пройти курс со скидкой

🚀 Пул интерпретаторов в Python 3.14 Что появилось: - В Python 3.14 добавили *пул интерпретаторов* — теперь в одном процессе можно запускать несколько независимых интерпретаторов. - Это шаг к более безопасным, масштабируемым и изолированным системам на Python. Зачем это нужно: - Снижает зависимость от тяжёлых процессов — можно управлять несколькими интерпретаторами внутри одного процесса. - Повышает отказоустойчивость: сбой одного интерпретатора не падает весь процесс. - Открывает возможность частично обходить ограничения GIL, используя параллельность на уровне нескольких интерпретаторов. Главные плюсы: - Лучшая изоляция выполнения. - Больше возможностей для масштабирования внутри одного процесса. - Архитектурно Python становится ближе к моделям с lightweight-виртуальными машинами. Главные минусы: - Каждый интерпретатор требует своё адресное пространство → больший расход памяти. - Увеличивается время инициализации в сравнении с потоками. - Не во всех сценариях заменяет multiprocessing или threading. Пул интерпретаторов - фундаментальное изменение, которое позволит по-новому строить высоконагруженные и безопасные Python-приложения, но потребует переосмысления архитектуры и учёта повышенного расхода ресурсов. https://www.youtube.com/watch?v=Jd0MOM1dlfI

🔥 Подборка полезных ресурсов для программистов. Здесь ты найдёшь всё это - коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Devops: t.me/DevOPSitsec Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy Папка Linux:https://t.me/addlist/w4Doot-XBG4xNzYy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Сохрани себе, чтобы не потерять!

Эффективное тестирование Python-кода Продвинутый совет: тестируй Python-код эффективно, используя связку pytest плюс фикстуры плюс правильное тестирование через hypothesis. Сначала проверяй основные сценарии, потом добавляй окружение через фикстуры (файлы, БД, mock API), а затем включай генерацию случайных входов — так ты поймаешь скрытые баги, не переписывая километры тестов. Подписывайся, больше фишек каждый день !

from hypothesis import given, strategies as st

Базовый юнит-тест
def test_add():
    assert add(2, 3) == 5

Фикстура окружения (временный файл)
@pytest.fixture
def temp_file(tmp_path):
    p = tmp_path / "data.txt"
    p.write_text("42")
    return p

def test_read_data(temp_file):
    assert read_data(temp_file) == 42

Property-based тест
@given(st.integers(), st.integers())
def test_add_random(a, b):
    assert add(a, b) == a + b


Запуск только упавших тестов (быстрый цикл разработки):
# pytest --lf

Как загрузить файл по SSH с помощью #Python и paramiko 🐍🔥

💡 12 команд Git, которые должен знать каждый:

git init - создаёт новый Git-репозиторий в текущей папке (начинает контроль версий). git add - запоминает изменения, подготавливая их для сохранения. git commit - сохраняет подготовленные изменения с твоим комментарием (например, «починил баг» или «добавил кнопку»). git push - отправляет сделанные коммиты в облачный (удалённый) репозиторий, чтобы их видели другие. git pull - забирает последние изменения из облака и добавляет их в твою рабочую версию (автоматически объединяет). git remote - помогает управлять ссылками на удалённые репозитории (добавлять новые или смотреть, какие уже подключены). git branch - показывает существующие ветки, создаёт новые и позволяет переключаться между ними (чтобы работать параллельно с разными версиями кода). git fetch - скачивает последние изменения из облака, но не объединяет их с текущим кодом (можно посмотреть заранее, что изменилось). git checkout - переключает твою рабочую папку на другую ветку или на конкретный коммит (например, для тестирования). git merge - объединяет изменения из одной ветки с текущей веткой (сливает их воедино). git status - показывает, какие файлы были изменены, какие готовы к коммиту, а какие ещё нет (текущее состояние проекта). git reset - позволяет вернуться назад по истории кода, отменив изменения до конкретного коммита (например, если что-то пошло не так).

🎚️ Сохраняйте себе или отправляйте друзьям - еще пригодится.

🔍Тестовое собеседование на Middle Python с Senior из X5 уже завтра! Уже завтра(11 ноября) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Олег, старший разработчик в X5, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Олег будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Олегу Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

🧠 DeepSeek-OCR: Оптимизация оптического распознавания текста DeepSeek-OCR — это модель для исследования роли визуальных энкодеров в контексте LLM. Она предлагает новые подходы к сжатию визуального текста и поддерживает различные режимы разрешения. Идеально подходит для задач OCR и обработки документов. 🚀Основные моменты: - Модель для оптического распознавания текста. - Поддержка нескольких режимов разрешения. - Интеграция с Hugging Face для удобного использования. - Исследование сжатия визуального текста. 📌 GitHub: https://github.com/deepseek-ai/DeepSeek-OCR #python

Возможности Python реально впечатляют 😱

Не пропусти МТС True Tech Champ — масштабный фестиваль 21 ноября для тех, кто живет технологиями 🔥 Тебя ждут: ▫️ Конференция с международными спикерами. Эксперты расскажут о трендах в ИИ и инновациях в индустрии. ▫️ ИТ-качалка. Наращивай экспертизу на воркшопах. ▫️ Шоу-финал ИТ-чемпионата. Более 250 талантов со всей России сразятся в лайв-кодинге и программировании роботов на скоростное прохождение лабиринтов со спецэффектами. Выбирай и болей за фаворитов. ▫️ Айтивности. Тебя ждут бои роботов, кодерские челленджи, пайка плат и не только. Заработай True Coins и обменяй их на стильный мерч. ▫️ HR-Hub. Команда МТС расскажет о возможностях для развития в компании и поможет перезагрузить карьерный трек. ▫️ Афтепати со звездными хэдлайнерами. Зажги под популярные хиты. Когда: 21 ноября, МТС Live Холл в Москве и онлайн. Регистрируйся на сайте. Участие бесплатно, количество мест ограничено.

⚡️ Хитрая задача на Python: кратчайший подмассив с суммой ≥ K (O(n)) Задача. Дан массив A (могут быть отрицательные) и K. Найти минимальную длину подмассива с суммой ≥ K. Если нет — вернуть -1. Подвох. С отрицательными числами не работает двухуказательную. Решение — префиксные суммы + монотонная дека. Идея. Пусть P[i] — префиксная сумма до i. Нам нужно минимизировать i - j при условии P[i] - P[j] ≥ K. Храним индексы j в деке так, что значения P[j] строго возрастают: - Пока текущий P[i] − P[deque[0]] ≥ K — обновляем ответ и выкидываем голову (нашли короткий кандидат). - Пока P[i] ≤ P[deque[-1]] — выкидываем хвост (бессмысленные, более «жирные» префиксы). - Затем добавляем i. Сложность: каждый индекс заходит/вылетает из деки по разу → O(n). Короткая реализация

from collections import deque
from math import inf
from typing import List

def shortest_subarray_at_least_k(A: List[int], K: int) -> int:
    P = [0]
    for x in A: P.append(P[-1] + x)
    dq, ans = deque(), inf  # dq хранит индексы префиксов, их суммы возрастают
    for i, s in enumerate(P):
        while dq and s - P[dq[0]] >= K:
            ans = min(ans, i - dq.popleft())
        while dq and P[dq[-1]] >= s:
            dq.pop()
        dq.append(i)
    return -1 if ans is inf else ans

# Примеры
if __name__ == "__main__":
    print(shortest_subarray_at_least_k([2, -1, 2], 3))         # 3 (весь массив)
    print(shortest_subarray_at_least_k([1, 2, 3, 4], 6))       # 2 (3+3 нет, но 2+4 или 3+4 длина 2)
    print(shortest_subarray_at_least_k([84, -37, 32, 40, 95], 167))  # 3

Почему это работает? Если у нас есть два индекса j1 < j2 и P[j1] ≥ P[j2], то j1 никогда не даст более короткого валидного подмассива, чем j2, — его можно выбросить (инвариант монотонной деки).

⁉️Машинное обучение кажется чем-то сложным и недосягаемым? Всё проще, чем вы думаете! Первый шаг — разобраться, как устроен ML-процесс и научиться работать в Jupyter Notebook — инструменте, с которого начинают все специалисты в Data Science. На открытом уроке вы шаг за шагом поймёте, как строится путь от данных до модели. Научитесь запускать эксперименты в Jupyter Notebook и Google Colab, работать с виртуальными окружениями и не бояться “сломать” систему. Всё — в формате простых и наглядных примеров. После урока вы сможете уверенно начать свой первый ML-проект и поймёте, какие инструменты нужны, чтобы перейти от теории к практике. ➡️ 13 ноября в 20:00 МСК. Открытый вебинар проходит в преддверии старта курса «Machine Learning. Basic». Регистрируйтесь и сделайте первый шаг в машинное обучение без страха и путаницы:т  https://otus.pw/cARZ/?erid=2W5zFGrhViQ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🎨 Создание персонажей для визуальных новелл VNCCS — мощный инструмент для создания уникальных спрайтов персонажей в визуальных новеллах. Он упрощает процесс генерации, позволяя создавать последовательные образы с помощью нейросетей всего за несколько шагов. 🚀Основные моменты: - Интуитивный процесс создания персонажа в 5 этапов. - Генерация одежды и эмоций для персонажей. - Поддержка LoRA для обучения на пользовательских данных. - Упрощение работы с нейросетями для художников. - Экспорт готовых спрайтов для использования в проектах. 📌 GitHub: https://github.com/AHEKOT/ComfyUI_VNCCS #python

🤖 PharosTestnet Bot: Автоматизация для криптоактивов PharosTestnet-bot — это Python-бот для автоматизации различных операций с криптовалютами на тестовой сети. Он поддерживает множество функций, включая автоматический вход, управление ликвидностью и работу с прокси. Идеален для трейдеров, желающих оптимизировать свои действия. 🚀Основные моменты: - Автоматический ежедневный вход - Поддержка всех типов прокси - Многопоточность для повышения производительности - Автообмен и управление ликвидностью - Получение статистики по аккаунтам 📌 GitHub: https://github.com/haspread/PharosTestnet-bot #python

🖥 Проверка сетевых сервисов в Python через socket В Python можно быстро проверить, доступен ли сетевой сервис и как быстро он отвечает, не прибегая к сложным утилитам. Это помогает опытным разработчикам, когда нужно оперативно убедиться, что API или база данных действительно доступны и не "подвисают". Через socket можно реализовать мини-проверку состояния сети и времени отклика.

import socket
import time

def check_service(host: str, port: int, timeout: float = 2.0):
    try:
        start = time.perf_counter()
        with socket.create_connection((host, port), timeout=timeout):
            elapsed = time.perf_counter() - start
            print(f"[OK] {host}:{port} доступен, ответ за {elapsed:.3f} сек")
    except Exception as e:
        print(f"[FAIL] {host}:{port} недоступен — {e}")

пример: проверка доступности Google DNS и локального сервиса

check_service("8.8.8.8", 53)
check_service("localhost", 5432)

🔥Продвинутый совет по ускорению Python-кода Один из скрытых тормозов Python — частые вызовы маленьких функций внутри циклов. Каждый вызов вносит оверхед интерпретатора. Если функция простая, её можно «инлайнить» (встроить прямо в цикл), или использовать NumPy vectorization и Numba JIT, чтобы убрать лишние вызовы. Например, вместо того чтобы вызывать функцию миллионы раз, можно скомпилировать её через @njit из Numba — и Python-код превратится в машинный, работая в десятки раз быстрее. Это особенно эффективно для численных расчётов, работы с массивами и больших циклов. Хочешь больше таких фишек? Подписывайся на нас и каждый день получай свежие и нестандартные советы, которые реально прокачают твои навыки разработчика!

import numpy as np
from numba import njit

# Обычная Python-функция — будет работать медленно на больших данных
def transform(x):
    return x * x + x % 7

# JIT-компиляция убирает интерпретационный оверхед
@njit
def fast_transform(arr):
    res = np.empty_like(arr)
    for i in range(arr.size):
        res[i] = arr[i] * arr[i] + arr[i] % 7
    return res

data = np.arange(10_000_000, dtype=np.int64)

# Медленный вариант: Python-функция внутри list comprehension
res1 = [transform(x) for x in data]

# Быстрый вариант: Numba скомпилировала цикл в машинный код
res2 = fast_transform(data)

print(res1[:5], res2[:5])

🖥 Python trick: группировка с помощью itertools.groupby Иногда при работе с коллекциями в пайтон нужно быстро сгруппировать данные по ключу и при этом не писать громоздкий цикл с проверками. В таких случаях можно использовать модуль итэртулз и функцию группбай. Она позволяет превратить список в словарь с удобной структурой, где каждый ключ сразу содержит все связанные элементы. Это сильно экономит строки кода и делает его чище.

from itertools import groupby
from operator import itemgetter

data = [
    {"category": "A", "value": 10},
    {"category": "B", "value": 20},
    {"category": "A", "value": 30},
    {"category": "B", "value": 40},
]

 сортировка обязательна перед groupby
data.sort(key=itemgetter("category"))

grouped = {
    key: list(group) for key, group in groupby(data, key=itemgetter("category"))
}

print(grouped)

🌟 Рисуем шахматную доску с помощью Matplot! @python_job_interview

📚 Знакомьтесь, хендбуки от Яндекс Образования Бесплатные интерактивные учебники для студентов и начинающих специалистов по Python, C++ и машинному обучению. Теория, которая пригодится в решении реальных задач. Погружайтесь в дисциплину с нуля или выбирайте отдельные темы, выполняйте задания и следите за прогрессом. Хенбуки помогут закрыть пробелы в знаниях, подготовиться к экзаменам или собеседованиям. 👉Учиться по хендбукам

🔥На Stepik вышел курс: Linux: полный апгрейд твоих скиллов Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI? Без глубокого знания базы ты не инженер - ты просто пользователь. 🔹 В курсе ты: - Освоишь bash, grep, sed, awk - инструменты, которыми живут админы. - Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает. - Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск. - Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU. 💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux. 🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”. 🚀 24 часа действует скидка 30% 👉 Учиться со скидкой