Библиотека задач по Python | тесты, код, задания

👍 На курсе по контролируемой разработке AI-агентов мы будем разбирать ровно то, о чём говорит Владислав в голосовом, но уже в формате системной практики. 📅 Старт курса — 20 апреля. Если хотите разобраться, как строить управляемые агентные системы: ➡️ Присоединяйтесь. P.S. С первого занятия будет практика: код и разбор реальных ошибок, а не только теория.

Что выведет код? 👾 — pYtHoN PrOgRaMmInG 👍 — Python Programming 🥰 — python programming ⚡️ — PYTHON PROGRAMMING Библиотека задач по Python

Какой из следующих блоков будет выполняться всегда, независимо от того, возникло ли в программе исключение или нет? 👾 — try 👍 — except 🥰 — finally ⚡️ — Ни один из них Библиотека задач по Python

Что делает параметр response_model в декораторе маршрута? (FastAPI) 👾 — Ограничивает типы входных параметров ⚡️ — Валидирует и сериализует ответ, отсекая лишние поля 🥰 — Меняет код ответа по умолчанию 👍 — Включает автодокументацию Библиотека задач по Python

Что означает RPO? 👾 — Максимально допустимая длительность простоя 👍 — Цель по времени восстановления сервиса 🥰 — Максимально допустимая потеря данных во времени ⚡️ — Среднее время до отказа Библиотека задач по Python

Последний шанс: 3 курса по цене 1 и запуск AI-агентов в продакшн Писать парсеры на Python — полезно, но тренд 2026 года — сложные мультиагентные системы. Как заставить ИИ-агентов автономно выполнять задачи без слива бюджета и с соблюдением 152-ФЗ? Обновлённая программа делает упор на жёсткий инжиниринг и вывод в прод. Вы научитесь строить ReAct-циклы, работать с LangGraph и AutoGen, внедрять продвинутый RAG, протоколы MCP и AgentOps. Все ключевые навыки в одном месте: измеримость систем, time-travel дебаггинг, управление браузером, human-in-the-loop и развёртывание в закрытых контурах. Почему нельзя откладывать: — масштабная акция «3 курса по цене 1» сгорает уже сегодня; — промокод Agent на скидку 10 000 рублей действует последние часы; — сразу после оформления открываются материалы для подготовки — начать учиться можно прямо сейчас. Забронировать место на курсе и забрать бонусы до конца дня

Как поддерживать «прибавить x на [l,r]» и «минимум на [l,r]» за O(log n)? 👾 — Префиксные суммы 👍 — Дерево Фенвика 🥰 — Сегментное дерево с ленивой пропагацией ⚡️ — Несортированная куча Библиотека задач по Python

Что даёт asyncio.TaskGroup по сравнению с gather? 👾 — Запускает задачи параллельно и скрывает исключения 👍 — При первом исключении отменяет остальные, дожидается их и выбрасывает ошибку после with 🥰 — Выполняет задачи строго последовательно ⚡️ — Требует вручную вызывать cancel() для каждой задачи при ошибке Библиотека задач по Python

За год мы провели три потока курса по ИИ-агентам, а теперь запускаем масштабное обновление! В новом, четвёртом потоке мы учли все пожелания студентов, добавили большой блок про AgentOps и сместили фокус с базовых концепций на суровый инжиниринг. Решить задачку на Python за 5 минут легко, а вот выкатить отказоустойчивого ИИ-агента, который не сливает бюджет на токены — задача со звёздочкой. В программе: — практика с первого занятия: Jupyter-ноутбуки с автопроверкой; — оркестрация в LangGraph: human-in-the-loop и механизм time-travel; — продвинутый RAG для продакшена и парсинг сложных документов; — контроль экономики агентов: маршрутизация и кеширование запросов; — развёртывание локальных опенсорс-моделей с соблюдением 152-ФЗ. В честь старта продаж действует спецпредложение: 3 курса по цене 1 (два дополнительных курса в подарок). Доступ к материалам для предварительной подготовки откроется сразу после оплаты. По промокоду Agent забирайте скидку 10 000 ₽ (89 000 ₽ вместо 99 000 ₽). Успейте занять место до 28 февраля! 👉 Присоединиться к четвёртому потоку и вывести агентов в прод

Чем корректно отдавать большой поток данных? 👾 — Response с JSON 👍 — StreamingResponse 🥰 — FileResponse всегда загружает весь файл в память ⚡️ — HTMLResponse Библиотека задач по Python

Все подклассы являются подтипами в объектно-ориентированном программировании. 👾 — True ⚡️ — False Библиотека задач по Python

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

В продакшн-сервисе на Python при росте нагрузки CPU-bound задачи (например, обработка изображений) выполняются значительно медленнее, хотя вы используете ThreadPoolExecutor. Почему так происходит и что правильнее сделать? 👾 — В Python потоки работают медленно, лучше перейти на asyncio 👍 — Из-за GIL потоки не дают прироста для CPU-bound задач, лучше использовать ProcessPoolExecutor или multiprocessing 🥰 — Нужно увеличить количество потоков в пуле, чтобы загрузить CPU на 100% ⚡️ — Проблема в сборщике мусора, надо чаще вызывать gc.collect() Библиотека задач по Python

🧩 От решения алгоритмических задач к построению автономных AI-систем Пора переходить от отдельных функций к сложным агентам, которые умеют управлять браузером и работать с базами знаний. В 2026 году это — главная компетенция. Мы обновили наш курс, превратив его в масштабный практикум по инжинирингу. 📚 Что вы научитесь строить: — сложные графы решений в LangGraph с восстановлением состояний; — промышленные системы RAG, способные парсить сканы и таблицы; — механизмы контроля ресурсов, экономящие бюджет на токены; — системы, полностью соответствующие 152-ФЗ. Купите доступ и получите подготовительные задачи и материалы сразу после оплаты. ⏳ Специальные условия до 28 февраля: — введите промокод Agent для получения скидки 10 000 рублей**; — участвуйте в **акции «3 курса по цене 1» — два дополнительных курса в подарок. 👉 Получить доступ к курсу и подаркам

Что выведет код? 👾 — Неверный синтаксис для наследования 👍 — Ошибка, так как при создании объекта необходимо передать аргумент 🥰 — Ничего ⚡️ — A disp() Библиотека задач по Python

Хватит решать алгоритмы. Пора строить реальные AI-системы! Задачки на алгоритмы — это хорошо, но на рынке сейчас платят за умение интегрировать ИИ в реальный бизнес. И не просто дёрнуть API, а сделать так, чтобы агент не ломался, не галлюцинировал и не сливал бюджет. Мы полностью обновили курс по AI-агентам под стандарты 2026 года. Теперь это инженерный симулятор продакшна с большими домашними заданиями и фокусом на метрики, тестирование и архитектуру. Какие задачи вы будете решать на курсе: 🔹 строить хардкорный RAG: извлекать данные из кривых таблиц и сканированных PDF; 🔹 настраивать LangGraph: внедрять human-in-the-loop и восстанавливать упавшие состояния; 🔹 оптимизировать затраты: настраивать кэширование и лимиты на токены; 🔹 автоматизировать действия: учить агентов кликать по legacy-интерфейсам в браузере; 🔹 деплоить по правилам: разворачивать систему с учётом требований 152-ФЗ. Промокод Agent даёт скидку 10 000 рублей до 28 февраля. Запущенная акция «3 курса по цене 1» позволит вам выбрать ещё два курса в подарок. Перейти к задачам уровня Production

В asyncio вы делаете task.cancel(), а внутри корутины стоит: try: await do_io() except Exception: log("error") 👾 — Отмена не поймается, т.к. CancelledError — потомок BaseException 👍 — Отмена будет поймана этим except, и если не пере-бросить, задача завершится «успехом», фактически проглотив отмену 🥰 — Отмена превратится в TimeoutError ⚡️ — Исключение поднимется мимо except и всегда завершит задачу как отменённую Библиотека задач по Python

Вы пишете сервис на Python, который обрабатывает большой поток сетевых запросов. В профилировании видно, что приложение часто простаивает в ожидании I/O. Какой подход будет наиболее правильным для масштабирования? 👾 — Использовать threading.Thread для каждого соединения 👍 — Переписать код на asyncio или uvloop, чтобы обрабатывать соединения асинхронно 🥰 — Запускать gc.collect() после каждого запроса ⚡️ — Перейти на multiprocessing, создавая процесс на каждый запрос Библиотека задач по Python

В Python при сравнении объектов с оператором is и == есть разница. Что наиболее корректно? 👾 — is сравнивает значения объектов, а == — их идентичность в памяти 👍 — is проверяет идентичность (один и тот же объект в памяти), == — равенство значений 🥰 — Оба оператора работают одинаково, разницы нет ⚡️ — is всегда быстрее и потому используется вместо == Библиотека задач по Python