Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe 👈

Golang вопросы собеседований

Open in Telegram

@notxxx1 - админ @Golang_google - Golang для разработчиков @itchannels_telegram - 🔥лучшие из ит @golangl - chat @golangtests - golang tests @golang_jobsgo - go chat jobs @ai_machinelearning_big_data - AI @data_analysis_ml РКН: clck.ru/3FmtKd

Network:Machinelearning Russia42 697 Technologies & Applications8 230...

📈 Analytical overview of Telegram channel Golang вопросы собеседований

Channel Golang вопросы собеседований (@golang_interview) in the Russian language segment is an active participant. Currently, the community unites 15 047 subscribers, ranking 8 230 in the Technologies & Applications category and 42 697 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 15 047 subscribers.

According to the latest data from 07 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -10 over the last 30 days and by 2 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 24.64%. Within the first 24 hours after publication, content typically collects 8.86% reactions from the total number of subscribers.
Post reach: On average, each post receives 3 707 views. Within the first day, a publication typically gains 1 333 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 24.
Thematic interests: Content is focused on key topics such as git, docker, github, контейнер, sql.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“@notxxx1 - админ @Golang_google - Golang для разработчиков @itchannels_telegram - 🔥лучшие из ит @golangl - chat @golangtests - golang tests @golang_jobsgo - go chat jobs @ai_machinelearning_big_data - AI @data_analysis_ml РКН: clck.ru/3Fmt...”

Thanks to the high frequency of updates (latest data received on 08 October, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

15 047

Subscribers

+224 hours

-37 days

-1030 days

3 707

Post views

~ 1 33324 hours

~ 1 65548 hours

24.64%

Engagement rate

No data

Posts per day

Ads index

beta

Posts Archive

15 046

🧮 Математика для ИИ на русском: от школьной базы до трансформеров и диффузии Бесплатный курс-шпаргалка на GitHub, который связывает формулы с их применением в ML: интуиция → формула → иллюстрация → код на NumPy → задачи. Внутри: • Линейная алгебра, производные, вероятности и статистика. • Backpropagation, оптимизаторы, функции потерь и attention. • Генеративные модели, обучение с подкреплением, RAG и рекомендации. Для практики: 26 Jupyter-ноутбуков с запуском в Colab, 60 задач с решениями и 160 вопросов с собеседований. Есть карточки Anki и глоссарий RU ↔ EN. Если математика забылась, предусмотрен отдельный справочник с нуля: от дробей и процентов до интегралов и матриц. https://github.com/justxor/math-for-ai-2026

15 046

📘 На Mentorix вышел курс — «System Design: проектирование масштабируемых систем» Хотите проектировать сервисы под нагрузку и обосновывать каждое решение цифрами? Этот курс — путь от прикидки QPS до архитектуры, проверенной нагрузкой. • Оценка ёмкости: DAU → QPS, закон Литтла, число шардов • Данные: индексы, репликация, шардирование, горячие ключи • Кэш и очереди: cache-aside, инвалидация, Kafka, backpressure • Надёжность: таймауты, ретраи, circuit breaker, SLO • Финал: от ТЗ до прогона нагрузки и вердикта по p99 🧩 85 задач с автопроверкой, 39 из них — на живых PostgreSQL, Redis, Kafka, nginx и Prometheus ▶️ 3 урока открыты — первая задача: от DAU до QPS за 5 минут 🎓 Сертификат для резюме и LinkedIn 🏷 Скидка 25%, действует 48 часов ~~25 990 ₽~~ → 19 493 ₽ ➜ Пройти курс на Mentorix 📚 Ещё на Mentorix есть роадмапы по направлениям: Go, DevOps, Rust, данные и ML — первые курсы в каждом бесплатные.

15 046

Rust vs Go vs C# в 2026: почему наивный Rust проиграл Go Сравнение производительности Rust, Go и C# в 2026 году: наш тест на аллокациях, где наивный Rust уступил Go, а Rust с ареной оказался в 7 раз быстрее, плюс разбор GC, памяти, холодного старта, Green Tea и .NET 10 Спор «что быстрее: Rust, Go или C#» обычно заканчивается ссылкой на чей-то бенчмарк, где один язык обгоняет другой в полтора раза. Мы решили проверить простую вещь и сразу получили результат, который ломает привычную картину: наивный код на Rust проиграл Go по времени выполнения. Ниже разбираем, почему так вышло, что на самом деле означает «производительность» в 2026 году и как выбирать язык под конкретную нагрузку. https://uproger.com/rust-vs-go-vs-csharp-proizvoditelnost-2026/

15 046

🔥 ChatGPT PRO на русском: открытый курс от первого промпта до агентов и Codex На GitHub появился бесплатный практический курс по ChatGPT, целиком на русском. Он умещается в один репо, поэтому ничего не нужно ставить и регистрироваться не надо. Программа идёт от простого к сложному в четыре уровня: база, работа, расширение и PRO. Всего в ней 13 модулей. Первые разбирают выбор между быстрыми и рассуждающими моделями, Deep Research, формулу промпта, память и проекты. Дальше идут анализ таблиц, Canvas, картинки и голос, а последние модули посвящены Custom GPTs, коннекторам, агентам, Codex и API. Главная ценность курса в практике. В нём 10 лабораторных: библиотека промптов, аналитика без Excel, ресёрч с проверкой источников, свой GPT, постановка задач агенту, разработка через Codex и автоматизация через API. К ним прилагаются 15 готовых рецептов под типовые задачи и разбор антипаттернов в формате «как делают неправильно и как надо». Отдельный модуль посвящён безопасности: prompt injection, утечки данных и проверка фактов за моделью. Курс удобно дать новичкам в команде или пройти самому, чтобы закрыть пробелы по агентам и Codex. https://github.com/justxor/ChatGPT_ru

15 046

🎓 Тестовый собес с Go Senior из Гамбурга, с опытом работы в Yandex и Uzum [ + эталонные ответы на 50 сложных вопросов в подарок ] В четверг, 8 октября, в 19:00 МСК приходи онлайн на тестовое собеседование. Можно посмотреть, как всё устроено изнутри, и понять, насколько ты готов к такому интервью. Интервьюер: Маруф Караев — Senior Software Engineer из Гамбурга, ex-Yandex, ex-Uzum. Как это будет: 📂 Маруф задаст разработчику-добровольцу те вопросы и задачи, которые даёт кандидатам на своих интервью. Заранее их никто не знает; 📂 После каждого ответа Маруф даст обратную связь: что прозвучало сильно, а что стоило раскрыть иначе. Так станет понятнее, на что обращают внимание на собесе; 📂 В конце сможешь задать Маруфу любой вопрос и получить развёрнутый ответ; Эфир проходит в рамках менторской программы ШОРТКАТ для Go-разработчиков, которые хотят сменить работу и вырасти в грейде и зарплате. 🎁 Подарок для всех, кто зарегается на веб: файл с эталонными ответами на 50 сложных вопросов с Go-интервью 🔥 Жми на кнопку, чтобы попасть на эфир и забрать подарок ↓ @shortcut_go_bot Реклама. О рекламодателе.

15 046

🚀 DevOps Interview 2026 - шпаргалка-курс для подготовки к собеседованию Всё, что спрашивают на собеседованиях DevOps / SRE / Platform Engineer в 2026 году — в одном репозитории. Короткая теория, команды, типовые вопросы с ответами, задачи live-coding и «ловушки» интервьюеров. https://github.com/justxor/devops-interview-2026

15 046

👣 Go 1.27 получился одним из самых заметных релизов языка за последние годы. Главное изменение - дженерик-методы. Теперь методы могут объявлять собственные параметры типа, поэтому многие хелперы и цепочки преобразований можно писать заметно чище. Но есть ограничение: такие методы нельзя использовать в интерфейсах. Ещё из важного: - новый encoding/json/v2 с более строгими правилами и потоковой обработкой JSON - uuid появился прямо в стандартной библиотеке, включая UUID v4 и v7 - улучшен type inference для generic-функций - мелкие аллокации до 80 байт стали дешевле - профиль goroutineleak стал стабильным - go fix получил новые автоматические миграции - появились изменения в net/http, TLS и инструментах разработки В статье разобрал не только список изменений, но и реальные примеры кода, подводные камни и чек-лист миграции продакшен-сервисов на Go 1.27. https://uproger.com/go-1-27-chto-novogo/

15 046

🔥 Удобный CLI для локального Kubernetes ctlptl помогает поднимать и управлять локальными Kubernetes-кластерами декларативно, почти как kubectl. Поддерживаются Docker Desktop, kind, k3d и Minikube. Кластер можно описать обычным YAML, а затем создать одной командой: ctlptl apply -f cluster.yaml Что умеет: - создавать и удалять локальные кластеры; - автоматически переключать kubectl context; - поднимать встроенный Docker Registry; - задавать версию Kubernetes и ресурсы Docker Desktop. Полезный инструмент, если часто тестируете Kubernetes локально и надоело каждый раз вручную настраивать kind, k3d или Minikube. GitHub: https://github.com/tilt-dev/ctlptl

15 046

👣 Большой разбор собеседований на Go в 2026 году На GitHub появился мощный репозиторий для подготовки к Golang-интервью: более 190 вопросов, каверзные задачи и live coding с решениями. Внутри: - 25 задач «что выведет код?»; - 22 live coding задачи с разборами; - goroutines, channels, sync, atomic и memory model; - runtime, scheduler, escape analysis и GC; - generics и context.Context; - HTTP, gRPC, базы данных и брокеры; - System Design для Middle+/Senior; - свежие изменения Go 1.22–1.27. Есть классические задачи вроде Worker Pool, LRU Cache, Rate Limiter, Fan-in, Pipeline, TTL Cache, Singleflight и Graceful Shutdown. По сути, готовая шпаргалка + задачник + roadmap для подготовки к Go-собеседованию. https://github.com/justxor/sobesrazborgoogle

15 046

🐹 golang-set - готовые множества для Go с поддержкой дженериков Библиотека для работы с коллекциями уникальных значений: убрать дубликаты, найти общие элементы или сравнить два набора данных. Что умеет: • Объединение, пересечение и разность множеств. • Добавление, удаление и проверка наличия элементов. • Работа с типами comparable. • Две реализации: потокобезопасная и без синхронизации. В версии 3.0.0 добавили Filter, AppendFrom и IsDisjoint — проверку отсутствия общих элементов. Убрали MongoDB-драйвер и поддержку BSON: теперь пакет зависит только от стандартной библиотеки. Среди пользователей проекта - Docker, 1Password, Ethereum и HashiCorp. 🔗 https://github.com/deckarep/golang-set #Go #Golang #OpenSource

15 046

Apache Kafka курс 2026: бесплатный курс по Kafka с нуля до профи на русском Kafka обучение без воды: каждый модуль состоит из понятной теории, схем, команд, которые можно запустить у себя, типичных ошибок и вопросов для самопроверки. Курс подходит, чтобы выучить Kafka с нуля, подготовиться к собеседованию на backend, data engineer или DevOps-позицию и спроектировать надёжную систему на Kafka в продакшене. https://github.com/justxor/KAFKAFREECOURSR

15 046

🔥 AI-кодинг в Go - не главная проблема. Проблема начинается, когда код никто нормально не проверяет. Разбор актуальной практики 2026 года: Copilot, Cursor и Claude действительно хорошо справляются с boilerplate, тестами, миграциями и рутинным кодом. Но на сложных участках — concurrency, context, редкие API - ошибки всё ещё легко выглядят «правдоподобно». Например, AI может сгенерировать код, который: - компилируется, но содержит race condition - теряет context и продолжает работу после отмены запроса - придумывает несуществующий метод библиотеки - проходит часть тестов, но ломается под нагрузкой Вывод отсюда не в том, что AI плохо пишет Go. Куда важнее сам workflow: repo context → change → compile → tests → static analysis → race detector → review → fix → PR То есть модель не должна быть «источником истины». Источником истины должны быть кодовая база, документация и детерминированные проверки. Для Go это особенно важно: go test ./... go test -race ./... go vet ./... staticcheck ./... Плюс отдельные правила для context, concurrency, shutdown, retries и внутренних API. Ещё сильнее схема становится, если один агент пишет код, а другой отдельно проверяет concurrency, архитектуру и edge cases. Идея простая: не нужно добиваться от AI идеального кода с первой попытки — нужно строить систему, в которой плохой код не проходит дальше без проверки. Это уже не просто AI-assisted coding. Это переход к agentic software engineering.

15 046

🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте. А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом. Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview 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 Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.

15 046

🐹 Go: `defer f.Close()` может скрыть ошибку записи При работе с bufio.Writer данные сначала попадают в буфер. Ошибка может возникнуть при Flush() или закрытии файла - уже после успешного Write(). Сохранить все ошибки можно через именованный результат и errors.Join:


func save(path string, data []byte) (err error) {
    f, err := os.Create(path)
    if err != nil {
        return err
    }

    w := bufio.NewWriter(f)

    defer func() {
        flushErr := w.Flush()
        closeErr := f.Close()
        err = errors.Join(err, flushErr, closeErr)
    }()

    _, err = w.Write(data)
    return err
}

Нужны пакеты bufio, errors и os. Что здесь важно: * сначала выполняется Flush(), затем Close() * файл закрывается даже при ошибке сброса буфера * именованный err позволяет изменить результат после return, пока выполняется defer * errors.Join сохраняет все ошибки; errors.Is и errors.As умеют их проверять * если ошибок нет, результат остаётся nil Ловушка: defer errors.Join(err, f.Close()) закроет файл сразу - аргументы отложенного вызова вычисляются при регистрации defer. Приём работает в актуальном Go и доступен с Go 1.20. Flush() передаёт данные нижележащему writer; для синхронизации файла с хранилищем нужен отдельный f.Sync(). errors.Join - https://pkg.go.dev/errors#Join os.File - https://pkg.go.dev/os#File.Sync

15 046

Repost from Machinelearning

⚡️ DeepSeek открыла веса V4.1-Flash DeepSeek выложила свежайшую DeepSeek-V4.1-Flash, мультимодальную MoE-модель на 552 млрд параметров, с контекстом до миллиона токенов и методом Causal Encoder-Decoder под капотом, который вдвое удешевляет разбор входа.

Задача, под которую её делали, скучная, но дорогая. Долго работающий агент постоянно перечитывает свой контекст, и всё прочитанное приходится держать в KV-кэше. На длинных дистанциях он раздувается, забивает видеопамять и упирается в пропускную способность шин.

В V4.1-Flash кэш сжат до 890 байт на токен, это вчетверо меньше, чем у V4-Flash, и в 437 раз, чем у первой версии DeepSeek. Каждому слою внимания заранее назначен один из трёх режимов: 🟢в полном слой считает свои ключи и значения сам; 🟢в режиме переиндексации берёт их у предыдущего слоя, но заново выбирает, на что смотреть; 🟢в режиме повторного использования не считает ничего - берёт и чужой кэш, и чужой выбор. Так хранить приходится в разы меньше. Сверху главный кэш держится в четырёхбитном формате FP4, и устойчивость к такой точности натренирована, а не добавлена после обучения. 🟡Causal Encoder-Decoder Метод вдохновлен майкрософтовской работой You Only Cache Once про переиспользование KV-кэша слоями. DeepSeek внесла в него структурные улучшения, чтобы поднять ёмкость кэша и глубину вычислений при его порождении. 40 слоёв разделены пополам: 20 на энкодер, 20 - декодер. К и V для декодера не считаются в каждом его слое, а проецируются из последнего скрытого состояния энкодера. Поэтому при разборе входа работает только первая половина сети - 8 млрд активных параметров на токен против 16 при генерации ответа.

Для агентов, у которых вход в разы длиннее вывода, это именно то, что нужно.

🟡Бенчмарки

На DeepSWE v1.1 модель берёт 74,2% против 74,0 у Claude Opus 5 и 73,0 у GPT-5.6 Sol. На Terminal-Bench 2.1 - 90,6% (выше всех). На AutomationBench - 54,8% против 50,3 у Opus 5. А вот в Terminal-Bench 4.0, где нужны экспертные знания в науке, модель даёт 31,2% против 51,8 у Opus 5, то есть разрыв с топами на самых сложных задачах никуда не делся.

Модель поддерживает настраиваемый уровень рассуждений от 1 до 100, в API это три пресета: low, high, max - они соответствуют значениям 50, 75 и 100. Шаблона чата в Jinja нет - вместо него советуют реализацию промптов на Python и отдельный набор Rust-библиотек. Сообщество на Hugging Face уже сделало квантованные версии практически под всё. 📌Лицензирование: MIT License 🟡Блогпост 🟡Веса 🟡Техотчет @ai_machinelearning_big_data #AI #ML #MMLM #MoE #Deepseek

15 046

Команды ждут тебя на треке программирование роботов на МТС True Tech Champ 2026 — всероссийском чемпионате по программированию с двумя треками и призовым фондом 10 250 000 рублей. Успей зарегистрироваться до 13 сентября. В треке программирования роботов тебе предстоит запрограммировать робособаку для доставки груза через полосу препятствий сначала в онлайн-симуляторе, а затем на офлайн-полигоне в финале 22 октября. Рекомендуемые стеки: Go, Java, Python, C#, C++, JS. Участие в командах 2-5 человек. Если у тебя нет своей команды, кураторы помогут объединиться с другими участниками на платформе. Масштабный финал объединит борьбу за призовой фонд 10 250 000 рублей, выступления хедлайнеров, доклады спикеров и активности для всех гостей мероприятия. Успей зарегистрироваться и пройти квалификацию до 13 сентября. erid:2VSb5xDCSMY

15 046

🔥 monty-go - безопасный запуск Python-кода от LLM прямо внутри Go Проект оборачивает интерпретатор Pydantic Monty в WebAssembly и запускает его через wazero. Что интересно: - pure Go — без CGO - без контейнеров и subprocess - запуск sandbox меньше миллисекунды - WASM-бинарник всего около 2,9 МБ - можно ограничить память, время, число аллокаций и глубину рекурсии - доступ к файлам и ОС идёт только через разрешённые Go-callbacks - внешние функции работают через pause/resume Главная идея — агент может написать один Python-скрипт, который вызывает ваши Go-инструменты, вместо длинной цепочки отдельных tool calls. Это уменьшает число обращений к модели и упрощает сложные agentic workflow. MIT. https://github.com/fugue-labs/monty-go

15 046

Spinifex - open-source платформа с AWS-совместимым API для запуска инфраструктуры на собственном железе. Проект позволяет поднимать сервисы, похожие на: - EC2 - VPC - S3 - EBS Всё работает на bare metal и остаётся под полным контролем владельца инфраструктуры. Spinifex рассчитан на сценарии, где обычное облако использовать нельзя или нежелательно: - edge-площадки - частные дата-центры - среды с плохой связью - изолированные и высокорисковые инфраструктуры Идея простая: получить привычную облачную модель AWS, но без зависимости от публичного облака. Проект написан на Go и открыт на GitHub: https://github.com/mulgadc/spinifex

15 046

🔴 Тестовое собеседование с Go Senior с опытом работы в Яндексе, EPAM и Uzum в этот четверг 3 сентября(в четверг!) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Go-разработчика. Как это будет: 📂 Маруф Караев, Senior в европейской компании, ex-Uzum, ex-Яндекс, ex-EPAM будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Маруф будет комментировать каждый ответ респондента, чтобы дать понять, чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Маруфу Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Go-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_go_bot Реклама. О рекламодателе.

15 046

🔥 В Go есть странная, но полностью валидная конструкция: error.Error(errors.ErrUnsupported) Почему это работает: - errors.ErrUnsupported — реальная ошибка из пакета errors - error — интерфейс - Error — его метод - метод в Go можно вызвать как обычную функцию через method expression Поэтому:


err := errors.New("oops")

err.Error()
error.Error(err)

дадут одинаковый результат. А: error.Error(errors.ErrUnsupported) вернёт: "unsupported operation" Непривычный синтаксис, который легко принять за ошибку, хотя это обычная возможность языка.