Библиотека задач по Python | тесты, код, задания

Как используется конструкция try — except? Какие ещё блоки для обработки исключений существуют? try: Этот блок используется, чтобы обернуть код, который может вызвать исключение. except: В этом блоке пишется код, который будет выполнен, если в блоке try возникнет исключение. Можно указать несколько блоков except. else: Этот блок выполняется, если в блоке try не возникло исключений, то есть всё сработало без ошибок. finally: Данный блок выполняется всегда после try, except и else, независимо от того, появилось исключение или нет (например, содержит инструкцию по закрытию файла). Библиотека задач по Python

Иногда реально ощущение, что нас держат в Матрице. Большинство сидит, читает статьи про ML, смотрит ролики «как это работает» — и всё. ❗ Сегодня последний день промокода Lastcall (−5000 ₽). Уже завтра стартует первый вебинар по Машинному обучению — полный набор для выхода из Матрицы. Кто готов вырваться из симуляции и ворваться в сезон найма? 👾 — я уже в команде Нео 👍 — хочу красную таблетку 🤔 — пока думаю, но интересно 👉 Забронируй место сейчас

В Python-сервисе нужно обрабатывать большое количество CPU-bound задач (например, шифрование или обработку изображений). Вы используете ThreadPoolExecutor, но прироста производительности почти нет. Какой подход будет правильным? 👾 — Увеличить количество потоков в пуле до числа ядер × 10 👍 — Использовать ProcessPoolExecutor или multiprocessing, чтобы обойти GIL 🥰 — Переписать задачи на asyncio, чтобы они выполнялись конкурентно ⚡️ — Вставить вызовы gc.collect() внутри цикла, чтобы ускорить потоки Библиотека задач по Python

⚡️ Будь как этот гений с картинки — предлагай свои условия работодателю, а не наоборот! Кто нужен?

Senior ML-Engineer с опытом работы более 6 месяцев в FAANG компаниях. Требование: разработать кросс-платформенное приложение-трекер зарплат с AI-распознаванием вакансий по резюме.

Но если вы пока джун — я бы предложил: - Full-time контракт: 180к/мес после курса + опцион на карьеру в топ-компаниях - Либо фикс за проект: стань ML-инженером за 39к вместо 44к с промокодом LASTCALL 🔗 Старт 9 сентября

Что выведет код? 👾 — False 👍 — True 🥰 — Error Библиотека задач по Python

🎮 КВЕСТОВАЯ ЛИНИЯ: «Путь Data Scientist'а» ⮕ Твой стартовый набор искателя данных:

Python — твое легендарное оружие (урон по багам +∞) Математика — твой базовый интеллект (влияет на понимание алгоритмов) Машинное обучение — твое дерево навыков (открывает новые способности)

⚡️ АКТИВЕН ВРЕМЕННЫЙ БАФФ: «Щедрость наставника» Эффект: –30% к цене полного набора ДСника Было: 121.800 ₽ → Стало: 84.900 ₽ ☞ Что ждет тебя в этом квесте

— Получение артефактов: портфолио проектов и сертификаты— Прокачка от новичка до Senior Data Scientist— Босс-файты с реальными задачами из индустрии— Доступ к гильдии единомышленников

📎 Забрать бафф Рассрочки: 3 мес | 6 мес | 12 мес

Ваш Python-сервис обрабатывает большое количество сетевых запросов. При профилировании видно, что он простаивает, ожидая I/O. Какой подход наиболее правильный для повышения производительности? 👾 — Увеличить количество потоков в ThreadPoolExecutor 👍 — Перейти на asyncio/uvloop и использовать асинхронные драйверы для работы с I/O 🥰 — Запускать каждый запрос в отдельном процессе через multiprocessing ⚡️ — Чаще вызывать gc.collect() для освобождения памяти Библиотека задач по Python

😎 Сколько баллов набрали вы? Голосуйте, какой у вас уровень разработчика: 😁 — 5-12 баллов (стажер) 👍 — 13-25 баллов (джуниор) ⚡️ — 26-40 баллов (джуниор+) 👏 — 41-60 баллов (миддл) 🔥 — 61-80 баллов (миддл+) 🎉 — 81-100 баллов (сеньор) 🤩 — 100+ баллов (тимлид) Но вот в чем прикол — опытный разработчик набирает баллы не случайными косяками, а осознанными решениями. 👉 Научим, как быстро прокачаться от стажера до сеньора

Вы обрабатываете большие массивы числовых данных в Python, и профилирование показывает, что большинство времени тратится на циклы for со встроенными типами. Какой подход наиболее правильный для оптимизации? 👾 — Разбить массивы на списки поменьше и обрабатывать их по частям 👍 — Использовать специализированные библиотеки (например, NumPy), которые выполняют векторные операции вне GIL 🥰 — Переписать цикл на вложенные list comprehension ⚡️ — Принудительно запускать gc.collect() после каждой итерации Библиотека задач по Python

Переворачиваем календарь — а там скидки, которые уже закончились. Но мы их вернули на последний день 🤔 До 00:00 третьего сентября (цены как до 1 сентября): ▪️ Математика для Data Science — 35.199 ₽ вместо 44.900 ₽ ▪️ Алгоритмы и структуры данных — 31.669 ₽ вместо 39.900 ₽ ▪️ Основы IT — 14.994 ₽ вместо 19.900 ₽ ▪️ Архитектуры и шаблоны — 24.890 ₽ вместо 32.900 ₽ ▪️ Python — 24.990 ₽ вместо 32.900 ₽ ▪️ ML для Data Science — 34.000 ₽ вместо 44. 000 ₽ ▪️ AI-агенты — 49.000 ₽ вместо 59.000 ₽ 👉 Хватаем скидки из прошлого P.S. Машину времени одолжили у дяди Миши

Какой язык шаблонов используется по умолчанию в Django? 👾 — Django Template Language 👍 — HTML 🥰 — Jinja ⚡️ — XML Библиотека задач по Python

Ваш Python-сервис должен обрабатывать большое количество одновременных HTTP-запросов. Вы замечаете, что при использовании потоков прироста производительности почти нет. Какой подход наиболее правильный? 👾 — Увеличить количество потоков в ThreadPoolExecutor, чтобы нагрузить CPU 👍 — Перейти на asyncio или uvloop, чтобы эффективно обрабатывать I/O-bound задачи без блокировок 🥰 — Использовать multiprocessing, создавая процесс на каждый запрос ⚡️ — Запускать gc.collect() вручную чаще, чтобы ускорить выполнение потоков Библиотека задач по Python

ПОСЛЕДНИЙ ДЕНЬ❗ КУРСЫ ПОДОРОЖАЮТ ЗАВТРА‼️ — ML за 34к вместо 44к + Python в подарок — Математика → второй доступ в подарок — Ранний доступ к AI-агентам с 15 сентября — И МОЖНО УСПЕТЬ КУПИТЬ ВСЁ ДО ПОДОРОЖАНИЯ 👉 Proglib Academy

В Python-сервисе нужно обрабатывать очень большие объёмы данных построчно из файлов размером в десятки гигабайт. Какой подход наиболее правильный, чтобы избежать проблем с памятью? Варианты ответа: 👾 — Использовать readlines() для чтения всего файла в список 👍 — Читать файл построчно через итератор (for line in file:) 🥰 — Сначала загрузить файл в pandas.DataFrame, а затем обрабатывать ⚡️ — Использовать json.load() для загрузки файла в память Библиотека задач по Python

Можно ли объявить несколько присваиваний в одном выражении? На изображении представлены оба варианта. В первой строке переменные a, b и c получают значения 3, 4 и 5 соответственно, а во второй строке все переменные устанавливаются в значение 3.

🤓 «Сначала выучу Python идеально, а потом пойду в ML» Звучит логично, но на практике — ловушка. Python огромный: фреймворки, библиотеки, нюансы синтаксиса. Учить «всё сразу» можно бесконечно. В итоге — месяцы зубрёжки, а до ML руки так и не доходят. На старте достаточно баз: типы данных, циклы, функции, работа с библиотеками. Всё остальное лучше подтягивать в процессе решения ML-задач. ⚠️ До 1 сентября курсы можно забрать по старым ценам. Это последние выходные, когда: — ML идёт за 34 000 вместо 44 000 ₽ + Python в подарок, — два в одном: оплатите курс по математике и получите второй доступ в подарок, — и главное: можно купить все курсы до подорожания. 👉 ML для старта в Data Science А для будущих Data Scientist’ов у нас ещё: — Базовые модели ML и приложения — Математика для Data Science — AI-агенты для DS-специалистов (2-й поток скоро)

⏰ Осталось 48 часов! Обратный отсчёт пошёл: только до воскресенья 23:59 можно купить курс «AI-агенты для DS-специалистов» и начать учиться уже с 15 сентября. ⚡️ Это ваши +3 недели форы, чтобы спокойно разобраться в самых сложных темах и прийти к первому занятию 7 октября уже подготовленным. 👉 Забрать место

В Django-приложении при росте нагрузки база данных начинает работать медленно из-за большого числа однотипных SQL-запросов. Какой подход наиболее правильный для оптимизации? 👾 — Использовать select_related / prefetch_related для снижения количества запросов 👍 — Переписать все запросы ORM на raw() SQL 🥰 — Увеличить таймаут подключения к базе ⚡️ — Добавить больше воркеров Gunicorn/Uvicorn, чтобы база обрабатывала запросы быстрее Библиотека задач по Python

Помните игру Portal? Вам давали один инструмент — портальную пушку — и с её помощью вы решали десятки головоломок, переворачивая пространство с ног на голову. 🐍 Python — это ваша портальная пушка. Один инструмент, который позволяет вам «сокращать» путь: автоматизировать рутину, парсить сайты, создавать ботов и решать реальные задачи. Наш обновлённый курс по Python — это серия идеально выстроенных тестовых камер. Без сухой теории, но с практическими головоломками. Мы, как GLaDOS (только добрее 😉), проведём вас через 30 уроков, от основ до создания финального проекта — вашего собственного Telegram-бота. И торт — это не ложь. Ваша награда — реальный проект в портфолио и специальная цена 24 990 рублей, которая действует всего 4 дня, до 1 сентября. 👉 Начать тестирование

Вы случайно закоммитили секретные данные (пароль/ключ API) в публичный репозиторий. Какой из подходов наиболее правильный для удаления этой информации из истории? 👾 — Выполнить git reset --hard и закоммитить снова 👍 — Удалить файл локально и сделать новый коммит с исправлением 🥰 — Использовать git filter-repo (или git filter-branch) для переписывания истории и удалить секреты из всех прошлых коммитов ⚡️ — Просто добавить секрет в .gitignore, чтобы он больше не попадал в коммиты Библиотека задач по Python