Python вопросы с собеседований

Как сделать помощника, который помнит контекст? Голосовые ассистенты и LLM-сервисы — это круто, но... они часто не знают контекста. Или забывают, что вы им сказали полминуты назад. Что, если помощник действительно помнил бы: — кто вы — что вы уже спрашивали — и какие у вас были кейсы в прошлом? На вебинаре Яндекса расскажут, как это реализовать через RAG + YDB: 🧠 память с помощью эмбеддингов 🔍 векторный поиск с фильтрацией ⚙️ масштабируемое и быстрое решение на SQL Подходит как для внутренних ИИ-сервисов, так и для клиентских продуктов.

⚡ NVIDIA показала 7 простых «приемов» на Python, которые мгновенно ускоряют Data Science-пайплайны — без переписывания кода. 🔹 В чём идея? Многие привычные библиотеки (pandas, NumPy, scikit-learn) можно заменить их GPU-версией, сохранив API. Это даёт прирост скорости в десятки раз. 🟠 Drop-in замены в коде: - pandas → %load_ext cudf.pandas - polars → .collect(engine="gpu") - scikit-learn → %load_ext cuml.accel - xgboost → device="cuda" - umap → %load_ext cuml.accel - hdbscan → %load_ext cuml.accel - networkx → %env NX_CUGRAPH_AUTOCONFIG=True 🚀 Плюсы: - Минимальные изменения кода (API почти идентичен). - GPU-ускорение: от 10х до 100х быстрее на больших данных. - Отлично подходит для ETL, ML и обработки сигналов. Если ты работаешь с большими данными в Python, достаточно «заменить импорт» и получить колоссальный прирост скорости без боли и переписывания кода. 🚀 Подробнее: developer.nvidia.com/blog/7-drop-in-replacements-to-instantly-speed-up-your-python-data-science-workflows @data_analysis_ml

🖥 Нужно временно отключить все принты — например, в проде или при юнит-тестах? Этот трюк нужен, чтобы временно отключить принты не удаляя и не комментируя строки вручную. На экране простой способ сделать это через контекстный менеджер — без сторонних библиотек и без комментирования строк.

import sys, os
from contextlib import contextmanager

@contextmanager
def suppress_print():
    saved = sys.stdout
    sys.stdout = open(os.devnull, 'w')
    yield
    sys.stdout.close()
    sys.stdout = saved

Пример:

print("Это видно")
with suppress_print():
    print("А это — нет")
print("Снова видно")

🧠 Почему asyncio вызывает боль? Потому что даже простая ошибка может сломать всю цепочку задач. 🐍 tinyio — это минималистичный event loop для Python (всего ~200 строк), который работает через yield, а не await, и делает асинхронность прозрачной. Что умеет: • yield вместо await: проще отлаживать и понимать • Параллельный запуск: yield [task1(), task2()] • Фоновые задачи: yield {task1(), task2()} • Прерывание всех задач при одной ошибке • Встроенные Lock, Semaphore, Event, timeout Пример:

def slow_add(x):
    yield tinyio.sleep(1)
    return x + 1

def main():
    a, b = yield [slow_add(1), slow_add(2)]
    return a + b

Loop().run(main())  # → 5

Когда нужно просто и понятно — tinyio делает то, что должен. Никакой магии. 🔗 https://github.com/patrick-kidger/tinyio @pythonl

🚀 УСКОРЕНИЕ КОДА ЗА СЧЁТ ЛОКАЛЬНЫХ ПЕРЕМЕННЫХ 💡 Используй локальные переменные внутри циклов — это может ускорить выполнение на 20–30%, особенно в критичных по времени участках. Почему это работает? В Python доступ к локальной переменной быстрее, чем к глобальной или объектной, потому что локальные хранятся в массиве, а не в словаре. Пример:

# Медленно: обращение к свойствам объекта в цикле
class Processor:
    def __init__(self, data):
        self.data = data

    def compute(self):
        total = 0
        for item in self.data:
            total += item * item
        return total

# Быстрее: кэшируем ссылку на data как локальную переменную
class Processor:
    def __init__(self, data):
        self.data = data

    def compute(self):
        data = self.data  # локальная переменная
        total = 0
        for item in data:
            total += item * item
        return total

# Прирост в скорости особенно заметен при больших объёмах данных```

🔥 Полный гайд по подготовке к собеседованиям по программированию в 2025 году Подготовка к собеседованиям по программированию постоянно развивается. Компании используют всё более сложные задачи, включающие алгоритмы, структуры данных, проектирование систем и вопросы о поведении кандидата. В 2025 году собеседования остаются серьёзным испытанием: от вас ждут не только знания, но и умение объяснять свои мысли, работать с ограниченным временем и применять системный подход. В этом руководстве мы собрали лучшие практики подготовки, советы по решению сложных задач и примеры вопросов, чтобы вы смогли уверенно подойти к собеседованию. 🔜 Читать подробнее

Как сказать рутине STOP? Ускорьте рабочие процессы и освободите время для более интересных дел — с помощью курса Слёрма «Python для инженеров» 👈 Это обучение, заточенное на инженеров — в нём нет ничего лишнего, только то, что необходимо именно вам. На курсе вы научитесь: 🔹 писать эффективный и поддерживаемый код; 🔹 писать Kubernetes-операторы и модули для Ansible; 🔹 создавать, использовать и тестировать свои API; 🔹 взаимодействовать с инструментами CI/CD, CVS и DevOps системами. Есть бесплатный демодоступ. Старт 11 августа. Занять своё место на курсе — по ссылке.

🖥 Python Developer Stack — вся мощь Python-разработки в одном посте Хочешь понять, какие инструменты реально нужны Python-разработчику? Лови универсальную шпаргалку по лучшим библиотекам и технологиям — от новичка до синьора. 📦 Управление пакетами → pip, conda, poetry — устанавливай, обновляй, фиксируй зависимости без боли. 🧠 AI & ML → TensorFlow, PyTorch, Scikit-learn — машинное обучение и нейросети. → NumPy, Pandas, Matplotlib, Seaborn — анализ и визуализация данных. ⚙️ Автоматизация и AI-агенты → LangGraph, CrewAI — создание LLM-агентов и пайплайнов. → Airflow, Celery, Luigi — ETL, очереди задач и планировщики. 🌐 Веб-фреймворки → Django, Flask, FastAPI — под любой масштаб. → Tornado, Pyramid — для сложных архитектур. 📊 Базы данных → PostgreSQL, MySQL, MongoDB, SQLite, Redis, Cassandra — SQL и NoSQL. ✍️ Тестирование → Pytest, Unittest, nose2 — пишем надёжный и протестированный код. 🔍 Web Scraping → BeautifulSoup, Scrapy, Selenium, Playwright — вытаскиваем данные даже с "закрытых" сайтов. 🤓 DevOps и деплой → Docker, Kubernetes, AWS, Heroku, GCP, Azure — всё для продакшн-сборок. ⌨️ IDE и редакторы → VS Code, PyCharm, Jupyter, Spyder — выбирай, где удобнее кодить. 💡 Git и CI/CD → Git, GitHub, GitLab, Bitbucket — контроль версий и автоматизация сборок. 🔥 Это не просто список. Это твой ориентир в мире Python. Сохрани, чтобы не искать дважды. #python #разработка #шпаргалка #devtools #cheatsheet

Как сказать рутине STOP? Ускорьте рабочие процессы и освободите время для более интересных дел — с помощью курса Слёрма «Python для инженеров» 👈 Это обучение, заточенное на инженеров — в нём нет ничего лишнего, только то, что необходимо именно вам. На курсе вы научитесь: 🔹 писать эффективный и поддерживаемый код; 🔹 писать Kubernetes-операторы и модули для Ansible; 🔹 создавать, использовать и тестировать свои API; 🔹 взаимодействовать с инструментами CI/CD, CVS и DevOps системами. Есть бесплатный демодоступ. Старт 11 августа. Занять своё место на курсе — по ссылке.

📖 Типовая задача на собеседование Python Условие задачи: Напишите функцию, которая возвращает n-ое число Фибоначчи. Числа Фибоначчи определяются следующим образом: — F(0) = 0 — F(1) = 1 — F(n) = F(n-1) + F(n-2) для n > 1 Примеры: — Для n = 10 ожидается результат 55 — Для n = 15 — 610 Решение:

def fibonacci(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        a, b = 0, 1
        for _ in range(2, n + 1):
            a, b = b, a + b
        return b

# Тестирование
print(fibonacci(10))  # 55
print(fibonacci(15))  # 610

Пояснение: 1️⃣ При n = 0 и n = 1 функция возвращает предопределённые значения 0 и 1 соответственно. 2️⃣ Для n > 1 используются две переменные a и b, которые хранят предыдущие числа Фибоначчи. На каждом шаге цикла они обновляются: a принимает значение b; b — сумму a + b. После завершения цикла возвращается b, содержащее искомое число. 3️⃣ Время работы: O(n), так как требуется n итераций. Память: O(1), потому что используются только две переменные. Пишите свои варианты решения в комментариях 👇 @python_job_interview

🐍 Печатай переменные с их именами без повторов — с помощью f‑строк и := (walrus operator) Вместо этого:

print(f"x = {x}, y = {y}, z = {z}")

Пиши так:

print(f"{x=}, {y=}, {z=}")

x=42, y='hello', z=[1, 2, 3]

🔥 А ещё лучше — используем := (оператор моржа) для печати и присваивания одновременно:

print(f"{(n := len(mylist))=}")

✅ Это одновременно сохранит len(mylist) в n и выведет его:

n=5

Хочешь знать, что происходит внутри ИТ крупного банка? Команда ПСБ рассказывает о работе и жизни в блоке ИТ!   🔹 Знакомься с командой, их проектами и хобби 🔹 Участвуй в активностях: митапы, конференции, спорт 🔹 Читай и комментируй экспертные статьи   Подписывайся на канал  ИТ ПСБ !

🐍 Задача: Реализация декоратора `@smart_cache` с интеллектуальным кэшированием 📌 Описание Реализуйте декоратор @smart_cache, который кэширует результаты функции с учетом следующих требований: 1. Интеллектуальная очистка кэша — автоматически удаляет старые записи при превышении лимита 2. Поддержка разных стратегий вытеснения — LRU, LFU, FIFO 3. Таймаут кэша — автоматическое удаление записей по времени 4. Метрики использования — сбор статистики по попаданиям/промахам 5. Потокобезопасность — корректная работа в многопоточной среде 6. Поддержка методов классов — корректная работа с self и cls 🧩 Пример использования

import time
from threading import Thread

@smart_cache(maxsize=100, strategy='LRU', ttl=300, collect_stats=True)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

class MathUtils:
    @smart_cache(maxsize=50, strategy='LFU', ttl=600)
    def expensive_calc(self, x, y):
        time.sleep(0.1)  # Имитация тяжелых вычислений
        return x ** y + y ** x

# Использование
print(fibonacci(10))  # Вычисление
print(fibonacci(10))  # Из кэша

# Получение статистики
stats = fibonacci.cache_stats()
print(f"Cache hits: {stats['hits']}, misses: {stats['misses']}")

# Принудительная очистка
fibonacci.cache_clear()

# Многопоточное использование
def worker():
    for i in range(5):
        fibonacci(i)

threads = [Thread(target=worker) for _ in range(3)]
for t in threads:
    t.start()
for t in threads:
    t.join()

🛠 Требования к реализации - Используйте только стандартную библиотеку Python - Поддержка Python 3.7+ - Все стратегии вытеснения должны быть реализованы (LRU, LFU, FIFO) - TTL должен работать как для отдельных записей, так и глобально - Статистика должна включать: hits, misses, evictions, current_size - Декоратор должен корректно работать с kwargs, *args - Потокобезопасность через threading.Lock или аналоги 🧪 Бонусное задание Реализуйте методы: - cache_info() — подробная информация о текущем состоянии кэша - cache_warmup(**kwargs) — предварительное заполнение кэша - cache_persist(filename) — сохранение кэша в файл - cache_load(filename) — загрузка кэша из файла @python_job_interview

⚡️ Почему лучшие разработчики всегда на шаг впереди? Потому что они знают, где брать настоящие инсайд! Оставь “программирование в вакууме” в прошлом, выбирай свой стек — подпишись и погружайся в поток идей, лайфхаков и знаний, которые не найдёшь в открытом доступе. ИИ: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Devops: t.me/DevOPSitsec Базы данных: t.me/sqlhub Мл собес t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii МЛ: t.me/machinelearning_ru Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/java_library 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 Физика: t.me/fizmat SQL: t.me/databases_tg 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 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🖥 Chatgpt для кода в тг: @Chatgpturbobot - 📕Ит-книги: https://t.me/addlist/BkskQciUW_FhNjEy 💼ИТ-вакансии t.me/addlist/_zyy_jQ_QUsyM2Vi Подпишись, чтобы всегда знать, куда двигаться дальше!

⚡️ Прокачивайся через практику: лучшие ресурсы для пет-проектов Хочешь расти как разработчик — пиши код, а не только читай! Вот 4 крутых ресурса, где ты будешь учиться через реальные задачи: App Ideas Список проектов от джуна до про: калькуляторы, трекеры, приложения. Есть примеры и полезные ссылки. 👉 github.com/florinpop17/app-ideas Build Your Own X Хочешь создать свой Git, Redis, Docker или даже ОС? Тут есть всё: гайды, туториалы и код на разных языках. 👉 github.com/codecrafters-io/build-your-own-x Project-Based Learning Обучение в формате "берёшь проект — делаешь". Примеры с пошаговыми инструкциями для разных языков. 👉 github.com/practical-tutorials/project-based-learning Frontend Mentor Получаешь макет — верстаешь сам. Отлично тренирует HTML/CSS/JS. Идеально для портфолио. 👉 frontendmentor.io Пиши код, а не резюме. Эти ресурсы реально двигают вперёд.

Какое ключевое слово служит для объявления функции в Python? a) func b) function c) async d) def Пройдите тест из 5 вопросов, чтобы проверить свои знания в Python 💪

🧩 Задача:

funcs = []

for i in range(3):
    def f():
        return i
    funcs.append(f)

results = [func() for func in funcs]
print(results)

❓ Что будет выведено? Многие ожидают:

[0, 1, 2]

Но Python выведет:

[2, 2, 2]

🧠 Почему так? В Python функции не копируют значения переменных, а запоминают ссылки на них. Когда f() вызывается, она смотрит, чему равен i на момент вызова, а не на момент создания функции. Переменная i в цикле после завершения становится равной 2 — и все три функции ссылаются на одну и ту же переменную i. ✅ Как это исправить? Нужно «захватить» текущее значение i в локальной области видимости через аргумент по умолчанию:

funcs = []

for i in range(3):
    def f(i=i):
        return i
    funcs.append(f)

results = [func() for func in funcs]
print(results)  # [0, 1, 2]

🧠 Чему это учит: Как работают замыкания и области видимости в Python. Почему важно понимать, когда значения «захватываются», а когда — «ссылаются».

E-CUP возвращается. Реальные данные. Масштабные проекты. Большие призы Решайте ML-задачи в стиле Ozon Tech. Девять победителей разделят призовой фонд соревнования — 7 200 000 рублей 🔥 Тест-драйв работы в e-com бигтехе стартует здесь. 🗓 Регистрация: https://cnrlink.com/ecup25pyquestion 💻 Формат участия: онлайн 👥 Команда: от 1 до 5 человек 🎯 Для кого: Data Scientists, ML-специалисты, аналитики данных, дата-инженеры, специалисты Big Data и разработчики, которые интересуются ML/DS. Что вас ждёт: 🔹 Работа над проектом для миллионов пользователей на основе данных от ведущего e-com в России. 🔹 Обмен опытом с экспертами Ozon Tech. 🔹 Эксклюзивный мерч для победителей и подарки для самых активных участников. 🔹 Питчинг — 13 сентября на конференции E-CODE. Ozon Tech предоставит финалистам билеты и оплатит поездку. Три трека E-CUP: 1️⃣ Рекомендации: предсказание следующей покупки пользователя 2️⃣ Логистика: автопланирование курьеров 3️⃣ Контроль качества: автоматическое выявление поддельных товаров Регистрация на платформе Codenrock: https://cnrlink.com/ecup25pyquestion

🧪 Pytest-BDD — фреймворк для Behavior Driven Development на Python. Инструмент позволяет писать тесты в формате Gherkin, используя привычный pytest. Он обладает возможность комбинировать BDD-сценарии с обычными pytest-тестами и фикстурами, что упрощает переход от unit-к интеграционным тестам. Проект поддерживает параметризацию сценариев, различные парсеры аргументов и интеграцию с другими pytest-плагинами. Подходит для проектов, где важно совмещать технические и бизнес-требования в тестах. 🤖 GitHub @python_job_interview