Python вопросы с собеседований
Open in Telegram
Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd
Show more
Network:📈 Analytical overview of Telegram channel Python вопросы с собеседований
Channel Python вопросы с собеседований (@python_job_interview) in the Russian language segment is an active participant. Currently, the community unites 24 822 subscribers, ranking 5 258 in the Technologies & Applications category and 26 472 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 24 822 subscribers.
According to the latest data from 25 August, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -44 over the last 30 days and by 0 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 6.01%. Within the first 24 hours after publication, content typically collects 2.76% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 492 views. Within the first day, a publication typically gains 684 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 6.
- Thematic interests: Content is focused on key topics such as github, api, собеседование, git, docker.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Вопросы с собеседований по Python
@workakkk - админ
@machinelearning_interview - вопросы с собесдований по Ml
@pro_python_code - Python
@data_analysis_ml - анализ данных на Python
@itchannels_telegram - 🔥 главное в ит
РКН: clck.ru/3FmrFd”
Thanks to the high frequency of updates (latest data received on 29 August, 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.
24 822
Subscribers
No data24 hours
+637 days
-4430 days
Posts Archive
🖥 Полезный репозиторий на Github, в котором собраны вопросы с собеседований по всевозможным IT сферам!
🔍 Что есть?
🌟 Фронтенд
🌟 Бэкенд
🌟 DevOps
🌟 Android - разработка
🌟 Fullstack
🔥 И многое другое!
🔗 Смотрим здесь: *клик*
@python_job_interview
❓ Как вы можете использовать
asyncio для написания асинхронного кода в Python, и какие преимущества и недостатки вы видите в использовании асинхронного программирования по сравнению с многопоточностью? Приведите примеры.
❗️ asyncio — это стандартная библиотека Python для написания асинхронного кода. Она позволяет использовать синтаксис async и await, чтобы писать неблокирующий код. Вот простой пример использования asyncio:
import asyncio
async def fetch_data(url):
print(f"Fetching data from {url}...")
await asyncio.sleep(2) # Имитация сетевого запроса
print(f"Data from {url} fetched.")
return f"Data from {url}"
async def main():
urls = ["http://example.com/1", "http://example.com/2", "http://example.com/3"]
tasks = [fetch_data(url) for url in urls]
results = await asyncio.gather(*tasks)
print(results)
asyncio.run(main())
Пост для тех, кто прямо сейчас ищет работу Python-разработчиком или хочет усилить свои скиллы, чтобы перейти на новый грейд ⬇️
Сегодня знакомим вас с проектом IT Mentor, для которых гарантии трудоустройства — это не просто рекламный слоган, а принцип работы 🔥
Вместе с опытными менторами Senior-уровня вы можете изучить Python с нуля или закрыть пробелы в знаниях всего за 6 месяцев и ничего за это не платить! До выхода на работу 👉🏻 оплата за полный цикл обучения происходит только в конце курса и только для студентов, которые смогли трудоустроиться.
В программе самый актуальный стек:
— основыPython,
— Django,
— Базы данных,
— FastApi
— Git,
— Опыт разработки на проекте в команде под руководством лида.
Стартовая зарплата выпускника курса "Python-разработчик" — 200-230 тыс.р 💸., а сообщество студентов и менторов всегда готово прийти на помощь не только во время учебы, но и с реальными рабочими трудностями.
Хотите присоединиться к группе и узнать больше о курсе? Переходите по ссылке и оставляйте заявку на сайте 📲 https://clck.ru/3DoJnh
*Количество мест ограничено.
Реклама. ИП Тюльников, ИНН 526223159257.
🖥 Визуализация частот слов с помощью Python
@python_job_interview
❓ Назовите различия между Django, Pyramid и Flask
❗️ Ответ :
🌟 Flask — это «микрофреймворк», изначально созданный для небольших приложений с более простыми требованиями. В Flask вам придется использовать внешние библиотеки. Flask готов к использованию "из коробки"
🌟 Pyramid создан для более крупных приложений. Он обеспечивает гибкость и позволяет разработчику использовать правильные инструменты для своего проекта. Разработчик может выбрать базу данных, структуру URL, стиль шаблонов и многое другое. Pyramid — это сильно настраиваемый инструмент
🌟 Django также может использоваться для более крупных приложений, как и Pyramid. Он включает ORM
@python_job_interview
+1
💼 Обратное собеседование (reverse-interview) это список вопросов для соискателей.
Пункты не упорядочены и могут быть неприменимы к конкретной должности или виду работы. Вначале это был просто список вопросов, но со временем он стал включать ещё и те вещи, которых хотелось бы видеть больше, и «красные флажки», то есть вещи, которых хочется избегать. Ещё я обратил внимание, что многие люди, которых я собеседовал, не задавали эти вопросы, и, я думаю, это были упущенные возможности.
Разделы вопросов:
- Технологии
- Должность
- Команда
- Ваши будущие коллеги
- Компания
- Бизнес
- Удалённая работа
- Офисная работа
- Компенсация
- Больничный, декретный период, отпуск
📌 Вопросы
@python_job_interview
👩💻 Ускорь Pandas в 20 раз, изменив всего одну строчку кода! 🔥
💡 Pandas часто бывает медленным из-за ограничений, таких как одноядерные вычисления и громоздкие DataFrame-ы. Но есть простое решение: FireDucks — библиотека с таким же API, как у Pandas, которая решает эти проблемы и значительно ускоряет обработку данных.
❓ Как ускорить Pandas?
🌟 Просто замените импорт библиотеки:
❌ Было:
import pandas as pdimport fireducks.pandas as pd
👩💻 Пет-проект на Python за 50 минут. Курс по FastAPI для начинающих (2024)
💡 В видео рассматривается создание простого проекта на Python с использованием FastAPI. Обсуждаются основные концепции, такие как маршрутизация, обработка запросов и использование зависимости. Программа охватывает создание RESTful API, работу с параметрами, развертывание приложения через Docker а также интеграцию с базой данных. Также приведены советы по развертыванию приложения и тестированию. Это видео подходит для начинающих, желающих быстро освоить FastAPI
🕞 Продолжительность: 50:00
🇷🇺 Видео на русском языке!
🔗 Ссылка: *клик*
#курс #python #docker #fastapi
@python_job_interview
Repost from Machinelearning
🌟 Awesome-list советов по поступлению в аспирантуру и научной работе.
Репозиторий GitHub "advice", в котором содержится обширная коллекция ссылок на ресурсы, предлагающие советы по различным аспектам поступления в аспирантуру, проведения исследований и жизни в аспирантуре, в основном в области информатики, NLP и ML.
Автор репозитория - Shaily Bhatt, аспирант первого года обучения в Институте языковых технологий CMU и бывший сотрудник NLU Group в Google Research (Индия).
Содержание:
Заявки в аспирантуру:
🟢общие советы по заявкам;
🟢советы, специфичные для программ MS;
🟢советы по заявкам на предварительные докторские программы;
🟢советы о том, стоит ли получать докторскую степень;
🟢советы по выбору учебных заведений и научных руководителей.
Исследования:
🟠общие советы по исследованиям;
🟠советы для аспирантов;
🟠идеи для исследований;
🟠советы по написанию работ;
🟠советы по рецензированию;
🟠советы по чтению;
🟠советы по публикации и конференциям;
🟠советы по динамике отношений между научным руководителем и аспирантом;
🟠советы по научно-исследовательским стажировкам;
🟠советы по нетворкингу;
🟠советы по выступлениям и презентациям;
🟠советы по продуктивности;
🟠советы по борьбе с синдромом самозванца;
🟠советы по инструментам для исследований.
В репозитории также есть раздел "Список списков", в котором собраны ссылки на другие полезные ресурсы.
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #Resources #Github #Awesome
❓ Как реализовать менеджер контекста в Python с помощью класса? В каких случаях его стоит использовать? Приведите пример его реализации и покажите, как он работает
❗️Менеджеры контекста позволяют правильно управлять ресурсами, например, открытием и закрытием файлов, установлением и завершением соединений с базами данных или блокировкой и освобождением ресурсов в многопоточном программировании. Классический способ создания менеджера контекста — использование конструкции with. Менеджеры контекста помогают упрощать код и предотвращают утечки ресурсов, так как гарантируют выполнение завершающих действий даже при возникновении исключений.
Для создания менеджера контекста с помощью класса необходимо определить два метода:
enter() — код, выполняемый при входе в контекст (with).
exit(self, exc_type, exc_val, exc_tb) — код, выполняемый при выходе из контекста, даже если внутри возникло исключение.
💡Пример:
Допустим, у нас есть класс DatabaseConnection, который имитирует подключение к базе данных. Менеджер контекста будет обеспечивать автоматическое подключение и отключение от базы данных:
class DatabaseConnection:
def __init__(self, db_name):
self.db_name = db_name
def __enter__(self):
# Действия при входе в контекст
print(f"Connecting to database '{self.db_name}'...")
self.connection = f"Connection to {self.db_name}"
return self.connection # Возвращаем объект соединения
def __exit__(self, exc_type, exc_val, exc_tb):
# Действия при выходе из контекста (закрытие соединения)
print(f"Closing connection to '{self.db_name}'...")
self.connection = None
return False # Если возникло исключение, не подавлять его
# Использование менеджера контекста
with DatabaseConnection('test_db') as conn:
print(f"Using {conn} to execute queries...")Connecting to database 'test_db'... Using Connection to test_db to execute queries... Closing connection to 'test_db'...💡Объяснение 🌟Метод enter() открывает соединение и возвращает его. 🌟Метод exit() автоматически вызывается при выходе из блока with и закрывает соединение. 🌟Если в блоке with возникнет исключение, оно будет передано в exit(), но не будет подавлено (return False). @python_job_interview
Ищем автора эталонного кода! 💎
Если вы уверены, что вашему коду подходит звание «Эталонный», а вам — звание «Автор самого красивого кода», то приглашаем принять участие в Конкурсе красоты кода 2.0 и выиграть классные призы от Сбера: iPhone 16 и умную колонку SberBoom.
Опытные эксперты определят победителей в пяти категориях: Backend, Frontend, DevOps, AI и Mobile, — а награждение пройдёт на ключевом IT-событии HighLoad в Москве, 2 и 3 декабря.
Больше 40 участников прошлого конкурса стали частью команды Сбера. Возможно, следующим станете именно вы — переходите по ссылке и изучайте подробности!
🖥 Python полный курс для начинающих Урок3 : работа с операторами и Math
🔥Смотреть
▪Урок2
▪Урок 1
▪Лучшие бесплатные курсы и книги по Python в 2024 год
@python_job_interview
❓ Как механизм interning влияет на сравнение строк в Python? Приведите пример, когда использование оператора == и оператора is для строк дает разные результаты. В каких случаях это знание может быть полезно?
❗️ В Python существует механизм interning, который используется для оптимизации хранения и сравнения строк. Interning автоматически применяет к коротким строкам, строкам с символами только из алфавита или строкам, которые часто используются в программе. Это означает, что такие строки могут быть закэшированы, и вместо создания нового объекта Python будет использовать уже существующий.
💡 Когда строка подвергается интернированию, все переменные, которые ссылаются на одну и ту же строку, фактически указывают на один и тот же объект в памяти. В этом случае операторы == (сравнение по значению) и is (сравнение по идентификатору объекта) будут возвращать одинаковый результат. Но если строки не закэшированы или были созданы динамически, то is может вернуть False, даже если строки равны по значению (==).
Пример:
# Строки, созданные вручную (будут интернированы)
a = "hello"
b = "hello"
print(a == b) # True, так как значения строк одинаковы
print(a is b) # True, так как строки интернированы и ссылаются на один объект
# Строки, созданные динамически (не всегда интернированы)
x = "".join(["hel", "lo"])
y = "hello"
print(x == y) # True, значения одинаковы
print(x is y) # False, так как x и y — это разные объекты в памяти
🖥 Быстрый совет Python
Используйте спецификатор
`=` в f-строках, чтобы включить как имя переменной, так и ее значение в форматированную строку.✨
@python_job_interview
💡 Гайд о том, как писать условные выражения с NumPy where()
Это подробный гайд от Real Python, Где показано:
- как написать простейшее условное выражение;
- как сделать выражение с несколькими условиями;
- как использовать транслирование массивов в условных выражениях;
- как не надо использовать np.where().
🔗 Читать
Бросьте вызов своим знаниям Python
А заодно попробуйте себя в перспективной профессии ML-инженера. Присоединяйтесь к бесплатному онлайн-интенсиву «Основы машинного обучения и IoT» от karpov courses, на котором вы создадите своего первого голосового ассистента на Python. Вебинар пройдёт 25 и 26 сентября.
Вы разберётесь в базовой работе ML-инженера: основных понятиях Python и интернета вещей, освоите первичные инструменты машинного обучения и поймёте, чем занимается сфера ML. А по окончанию онлайн-интенсива сделаете проект, который можно даже внести в портфолио.
Регистрируйтесь на бесплатный онлайн-интенсив: https://clc.to/erid_LjN8JwKfa
Реклама. ООО "КАРПОВ КУРСЫ". ИНН 7811764627.
🖥 Python бесплатный курс с нуля
https://www.youtube.com/watch?v=gDsE7Tc_CL8
@python_job_interview
Если вы работаете в области данных, вам предстоит пройти собеседование по SQL
Вот несколько кратких советов которые вы должны знать на собеседовании по SQL.
Начинающим
- Уметь объяснить различные типы объединений. Иногда я видел, что этот вопрос задается рекрутерами в качестве отборочного, чтобы убедиться, что они хотят взять вас на работу.
- Знать, когда в порядке выполнения операций в SQL используется
HAVING, а когда WHERE.
Mid
- Понимать, как использовать оператор CASE внутри функции SUM или COUNT
- Знать, по крайней мере, 1-2 способа оптимизации запроса, и если вы решите, что одним из этих способов является создание индекса в таблице, то вы должны знать, какие плюсы и минусы есть у индекса.
Продвинутым
- Знать, как решить SQL задачу с использованием оконной функции и без нее.
- Понимать и уметь объяснить, что такое коррелированный подзапрос.
- Просто сошлитесь на то, что вы посмотрите на план выполнения запроса. Рекрутеры будут шокированы тем, что вы вообще знаете, что это такое.
@python_job_interview
Изучить Python за полгода, вместо 2 лет?
С нейросетями и университетом Зерокодер это реально.
На сайтах более 11000 вакансий, а средняя зарплата специалиста - 200 000 рублей.
Университет Зерокодер проведет бесплатный вебинар о будущем рынка, возможностях Python и причинах, почему это лучший язык для старта, а также расскажет как решать типичные задачи программиста с помощью нейросетей и упростить изучение Python в разы.
Даже если вы никогда не кодили - приходите, научитесь решать простые задачи на Python прямо на вебинаре. Бонус - работающий без VPN чатбот на основе ChatGPT.
Подробности тут.
Реклама. ООО "ЗЕРОКОДЕР". ИНН 9715401631.
