Библиотека задач по Python | тесты, код, задания

🫣 Боитесь математики в ML? Думаете, для этого нужно вспоминать университетские интегралы и решать сложные уравнения? У нас хорошая новость: машинное обучение — это в первую очередь инженерная практика, а не математическая олимпиада. Здесь важнее понимать суть, а не выводить формулы. Именно на таком подходе — через логику, интуицию и наглядные примеры — и построен наш курс «ML для старта в Data Science», где мы объясняем всё на пальцах, без боли и зубрёжки. Регистрируйтесь, пока есть свободные места 😉

Какое утверждение о системе зависимостей FastAPI корректно при использовании Depends, BackgroundTasks и ContextVar в асинхронном контексте? 👾 — Все зависимости в FastAPI создаются один раз при запуске приложения и переиспользуются между запросами, если они объявлены через Depends 👍 — Использование ContextVar внутри зависимости гарантирует корректное изолированное состояние на каждый HTTP-запрос, даже при высокой степени параллелизма 🥰 — BackgroundTasks могут быть объявлены внутри зависимости, но они не будут выполнены, если не проброшены явно в APIRouter ⚡️ — Асинхронные зависимости с yield (context managers) поддерживаются FastAPI только при использовании Python 3.12 и выше Библиотека задач по Python

Что делает os.rename()? В Python функция os.rename() используется для переименования файла или директории в операционной системе. Она входит в модуль os. Библиотека задач по Python

🤔 Зачем вообще понимать, как работает ML? Сейчас многие просто запускают модельку в sklearn — и радуются точности 0.92.

Вроде всё работает… но почему? А когда сломается — что делать?

Машинное обучение — это система, которую можно понять. Если знаешь, что делает градиентный спуск, зачем нужен бустинг и как дерево принимает решения — ты не просто «запускаешь», ты управляешь моделью. 👉 Мы сделали курс, чтобы в это было реально въехать: — без сложных формул; — с интуитивными объяснениями; — от простого к сложному. Если хочешь перейти от «гуглю код» к «понимаю, как это работает» — ты по адресу! ❗Стартуем в сентябре — бронируй место на курсе уже сейчас

Каким будет результат следующего выражения: -31 % 10? Результатом выражения -31 % 10 будет 9. Это происходит потому, что для отрицательных чисел оператор % возвращает остаток от деления первого числа на второе немного другим образом. -31 % 10 = -3 — 1/10 и в ответ мы получим 10 — 1 = 9. Библиотека задач по Python

В каких ситуациях возникает исключение NotImplementedError? Исключение NotImplementedError возникает, когда метод или функция должны быть реализованы в подклассе, но не были реализованы. Это может произойти, когда родительский класс определяет метод, но не реализует его сам, а оставляет это для подклассов. В этом случае, если подкласс не реализует метод, он будет вызывать исключение NotImplementedError. Это может быть полезно для отладки, чтобы убедиться, что все необходимые методы реализованы в подклассах. Это также может возникнуть в других ситуациях, например, если вы пытаетесь использовать неопределенную функцию или метод. Библиотека задач по Python

Какой из следующих модулей необходимо импортировать для обработки вычислений даты и времени в Python? 👾 — cdatetime 👍 — date 🥰 — time ⚡️ — timedate Библиотека задач по Python

Какое(-ие) из следующих утверждений верно(-ы) в контексте Django 4.2+, если используется PostgreSQL, кастомный middleware и ATOMIC_REQUESTS=True для базы данных? 👾 — Если в кастомном middleware происходит исключение после get_response() (в process_response()), то транзакция, инициированная ATOMIC_REQUESTS, уже завершена 👍 — Использование @transaction.atomic внутри представления (view) поверх ATOMIC_REQUESTS=True приводит к конфликту и вызывает исключение 🥰 — Механизм prefetch_related() эффективнее select_related() в случае ForeignKey-связей один-к-одному ⚡️ — Если DEBUG=True, то middleware X-Content-Type-Options: nosniff не будет добавлен, даже если SecurityMiddleware активен Библиотека задач по Python

Пока рынок ищет PostgreSQL-специалистов, вы можете стать одним из них 8606 вакансий и зарплаты от 160 тысяч рублей для Middle+ специалистов — PostgreSQL переживает настоящий бум. Компании массово мигрируют на эту СУБД, ища альтернативы ушедшим с рынка решениям. И катастрофически не хватает экспертов, которые умеют не просто писать запросы, а проектировать отказоустойчивые системы. → Большинство разработчиков знают PostgreSQL поверхностно — пишут базовые запросы и надеются, что «как-нибудь заработает». А потом тушат пожары из-за неоптимальной архитектуры, блокировок и падений производительности. Звучит знакомо? Курс «PostgreSQL для администраторов баз данных и разработчиков» научит вас мыслить системно. Вы освоите настройку кластеров, организацию резервного копирования, оптимизацию запросов и работу с большими данными. Это те навыки, за которые платят serious money. Три месяца интенсивной практики под руководством экспертов из Wildberries и других крупных компаний — и вы сможете претендовать на позицию Middle+ с соответствующей зарплатой. Старт уже 31 июля, но сначала нужно пройти вступительное тестирование. Скидка 10% действует только до конца месяца — времени на раздумья почти не осталось. → Проверьте свой уровень знаний и получите доступ к эксклюзивной цене на обучение: https://clc.to/eoi3wQ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

Какой из следующих блоков будет выполняться всегда, независимо от того, возникло ли в программе исключение или нет? 👾 — try 👍 — except 🥰 — finally ⚡️ — Ни один из них Библиотека задач по Python

✍🏻 Что такое фабрика декораторов? Фабрика декораторов — это особая разновидность функции высшего порядка, которая возвращает декоратор вместо прямого результата. Главное отличие фабрики декораторов от обычного декоратора в том, что она принимает аргументы, которые могут конфигурировать логику декоратора. Например, фабрика может принимать имя лог-файла, в который будет производиться запись при вызове декорируемой функции. Или уровень логирования вместо простой записи всех вызовов. Такой подход позволяет создавать переиспользуемые и гибко настраиваемые декораторы для решения разных задач. Главные преимущества фабрик декораторов — это возможность абстрагироваться от конкретики реализации, избежать дублирования кода и создавать интуитивный API для декораторов с настройками. Библиотека задач по Python

Какое утверждение о GIL (Global Interpreter Lock) в CPython верно? 👾 — Позволяет многопоточность на многоядерных CPU 👍 — Отсутствует в CPython 🥰 — Сериализует выполнение байт-кода в одном потоке ⚡️ — Ускоряет выполнение async-функций Библиотека задач по Python

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

Что выведет код? 👾 — pYtHoN PrOgRaMmInG 👍 — Python Programming 🥰 — python programming ⚡️ — PYTHON PROGRAMMING Библиотека задач по Python

Что произойдёт при следующем выражении: a = [1, 2, 3]; b = a; a += [4]? 👾 — a и b будут разными списками 👍 — a будет содержать [1, 2, 3], b — [1, 2, 3, 4] 🥰 — a и b будут ссылаться на один и тот же список: [1, 2, 3, 4] ⚡️ — b станет None Библиотека задач по Python

🤔 «Начни сразу с нейросетей — зачем тебе логрегрессия?» Это один из худших советов для начинающего ML-разработчика. Зрелость — это понимать, где простого достаточно, а не тянуть трансформеры на любую задачу из-за хайпа. Классика ML — это не допотопная теория, а база (bias/variance, деревья, метрики), без которой не понять Deep Learning. ⚡️ Хотите освоить этот фундамент на реальных задачах? Приходите на наш курс по классическому ML. Только хардкор, только продовые задачи! 📆 Старт — 12 августа. Для первых 10 участников бонус — специальный лонгрид по теме курса, чтобы вы могли начать разбираться уже сейчас. 🎁 Последний день промокода Earlybird на скидку 10.000₽. 👉 Не упустите шанс!

Какой из следующих подходов наиболее корректен для реализации thread-safe и масштабируемого кэширования в приложении Flask, развернутом в нескольких экземплярах (например, в Docker-контейнерах с Gunicorn)? 👾 — Использовать flask.g для хранения кэшированных значений 👍 — Использовать functools.lru_cache в качестве декоратора для кэшируемых функций 🥰 — Использовать Redis в связке с Flask-Caching и настроить его как backend ⚡️ — Хранить кэш в глобальной переменной Python (global_cache = {}) и использовать mutex Библиотека задач по Python

😤 Устал листать туториалы, которые не складываются в картину У тебя в голове уже есть логрегрессии, деревья, метрики и какая-то PCA, но системного понимания всё нет? Пора с этим разобраться! Наш курс по классическому ML: — научит выбирать адекватные модели под задачу — разложит метрики, переобучение и bias по полочкам — покажет, что скрывается за fit/predict, и что с этим делать 🔔 До 27 июля по промокоду Earlybird — минус 10.000₽ P.S. Первые 10 участников получат эксклюзивный лонгрид, чтобы начать изучать тему ещё до старта курса. 👉 Поменяй свою жизнь: старт карьеры в AI — успей до закрытия набора!

Какие из этих баз данных по умолчанию не поддерживаются Django? 👾 — Postgres 👍 — Mysql 🥰 — Sqlite ⚡️ — Mongodb Библиотека задач по Python

Есть ли в Python сборщик мусора, и, если есть, как он работает? Стандартный интерпретатор использует несколько алгоритмов. 🧹 Подсчёт ссылок. Каждый объект в Python содержит внутренний счётчик ссылок. Когда он падает до нуля, это означает, что на объект больше нет ссылок, его можно удалить. Главный недостаток этого алгоритма — не умеет определять циклические ссылки. 🧹 Алгоритм поиска циклов. Реализован в модуле gc и активируется время от времени, а не постоянно. Если коротко, этот алгоритм периодически ищет объекты, которые ссылаются только друг на друга и не доступны извне. Объекты, признанные недостижимыми, удаляются. Также стоит добавить, что циклический сборщик мусора делит объекты на три поколения в зависимости от того, как долго они существуют в памяти. Новые объекты помещаются в первое поколение. Если они сохраняются после очередного процесса сбора мусора, то перемещаются в следующее по старшинству поколение. Объекты в более старших поколениях проверяются реже. Библиотека задач по Python