Библиотека задач по Python | тесты, код, задания

Напишите скрипт, где один агент ставит задачу, а второй её проверяет... Слишком сложно? Мы научим! Сегодня в 19:00 МСК стартует курс «Углубленные AI-агенты». Что будем делать: — 13 живых вебинаров с кодингом в реальном времени; — разбор State Management в сложных агентах; — создание мультиагентных систем для реальных задач; — интеграция сторонних API в качестве инструментов. Записаться на практику

Что выведет код сверху? 👾 — 24 👍 — 1 🥰 — 0 ⚡️ — 120 Библиотека задач по Python

Завтра стартуем: курс по разработке ИИ-агентов 🚀 Пора решать задачи в промышленном масштабе через автономные системы. Мы научим создавать мультиагентные связки на CrewAI, управлять сложной логикой в LangGraph и автоматизировать работу с реальными данными. 👉 Успейте занять место до начала занятий

Задачка: как автоматизировать 100 тикетов за час, если ты всё ещё «жаришь» код? Ты застрял в забегаловке. Настоящий Шеф проектирует Систему агентов. В понедельник, 26 января, стартует интенсив по разработке ИИ-агентов. Учим решать задачи в промышленном масштабе. 🐍 В программе: — мультиагентные системы в CrewAI: параллельное выполнение; — сложная логика в LangGraph: контроль циклов и графов; — tool use интеграция: доступ агентов к внешним инструментам. 🚀 Записаться на курс

Что выведет код? 👾 — 9876543210 👍 — (987) 654-3210 🥰 — 987-654-3210 ⚡️ — (98) 765-4321 Библиотека задач по Python

Пятница, 19:00. Худшее время для деплоя, но идеальное, чтобы закодить свой первый AI-пайплайн, который не просто «болтает», а работает с данными. Решаем практический кейс: превращаем LLM в эксперта по вашим файлам с помощью Python. План открытого урока: — архитектура решения: связываем PDF и нейронку; — библиотека LangChain в действии; — векторные хранилища данных. Один из спикеров — Алексей Яндутов, ML-инженер в поиске Яндекса. Это вводное занятие курса «Разработка AI-агентов». Идеально для тех, кто хочет начать кодить AI-сервисы серьёзно. Записаться на урок

Какой файл содержит настройки проекта Django? 👾 — settings.py 👍 — config.py 🥰 — app_config.py ⚡️ — project_setup.py Библиотека задач по Python

Задача: научить LLM отвечать по вашим PDF-файлам 23 января в 19:00 разберём практические подходы RAG и дообучения на открытом уроке к курсу «Разработка ИИ агентов». Узнаем, как на Python собрать систему, которая не просто имитирует общение, а ищет факты в закрытых документах. Спикер — Игорь Стурейко, тимлид в «Газпроме» и эксперт с 20-летним опытом в ML. Игорь подготовил видео о том, какие навыки нужны разработчику для создания автономных ИИ-систем сегодня. На уроке обсудим алгоритмы: — индексация текстов в векторные базы данных; — использование LangChain для создания агентных цепочек; — выбор между контекстным поиском и Fine-tuning. 📅 Когда: 23.01 в 19:00 МСК Узнать подробности

Зачем нужен wraps? Декоратор functools.wraps используется для того, чтобы сохранить информацию о функции-оригинале при создании декоратора. Когда мы создаем декоратор, он заменяет оригинальную функцию на обернутую. При этом теряется информация о названии функции, docstring и другие атрибуты. Используя wraps, мы можем сохранить эти атрибуты. Таким образом декорированная функция будет выглядеть как оригинальная для программиста. Это полезно для отладки и понимания кода. Например, при просмотре стека вызовов будет видно оригинальное имя функции, а не имя декоратора. При использовании help() будет выведен нужный docstring. Библиотека задач по Python

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

Что выведет код сверху? 👾 — TypeError 👍 — apple banana 🥰 — 4 3 ⚡️ — {"apple": 4, "banana": 3} {"apple": 4, "banana": 3} Библиотека задач по Python

«Этот манёвр будет стоить нам 51 год...» Можно бесконечно гуглить решения задач на StackOverflow, а можно один раз разобраться в алгоритмах и архитектурных шаблонах. Это сэкономит вам годы в карьере и сотни часов на рефакторинг. Успейте купить курсы Proglib Academy по старой стоимости до понедельника: — Разработка ИИ-агентов — Математика для разработки AI-моделей — ML для старта в Data Science — Математика для Data Science — Специалист по ИИ — Алгоритмы и структуры данных — Программирование на Python — Основы IT для непрограммистов — Архитектуры и шаблоны проектирования Успеть забрать со скидкой ⚠️ Дедлайн — 19 января

Что выведет код? 👾 — True 👍 — False 🥰 — None ⚡️ — Error Библиотека задач по Python

Что выведет код сверху? 👾 — ypyP 1 👍 — ypyP 3 🥰 — y 3 ⚡️ — y1 Библиотека задач по Python

Что делает функция oct()? Функция oct() в Python принимает один аргумент: число — целое число (двоичное, десятичное или шестнадцатеричное) или объект, который должен реализовать метод index() для возврата целого числа. Функция возвращает строку с восьмеричным представлением числа. Библиотека задач по Python

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

Какое утверждение верно для работы с замыканиями и областями видимости в Python при использовании nonlocal и global? 👾 — nonlocal и global изменяют значение переменной только в момент объявления функции, а не при выполнении 👍 — nonlocal ищет переменную в ближайшей внешней области видимости, не включая глобальную, и изменяет её по ссылке 🥰 — global и nonlocal идентичны в поведении, но nonlocal можно использовать только внутри вложенных функций ⚡️ — Если переменная помечена как nonlocal, Python создаёт новую переменную в замыкании, не затрагивая внешнюю Библиотека задач по Python