Python вопросы с собеседований

🚀 Python Pro совет Хотите красиво печатать JSON прямо в терминале? Необязательно ставить внешние утилиты — всё есть в стандартной библиотеке:

# Форматирование JSON из файла
python -m json.tool data.json

# Или из пайплайна
cat data.json | python -m json.tool | less

💡 Очень удобно, когда нужно быстро проверить структуру или отладить API-ответ. Можно добавить | jq для ещё более гибкой фильтрации.

🔍 Marker — инструмент от Datalab.to, который быстро и точно превращает документы в Markdown + JSON Что умеет Marker: - Поддержка PDF, изображений, PPTX, DOCX, XLSX, HTML, EPUB и др. - Форматирует таблицы, формы, уравнения, математические выражения, ссылки, кодовые блоки. - Извлекает изображения из документов. - Убирает колонтитулы, заголовки, другие артефакты форматирования. - Есть бета-версия для “структурированного извлечения” на основе схемы JSON. - Можно включить LLM-модуль, чтобы повысить точность в сложных местах (например, объединение таблиц, корректное форматирование). Преимущества: - Быстрота + точность по сравнению с конкурентами (Mathpix, Llamaparse и др.). - Работает и без LLM, но с флагом --use_llm становится ещё лучше. - Можно запускать локально, на серверах, GPU / CPU, использовать параллельную обработку. Ограничения и нюансы: - Сложные макеты и вложенные таблицы / формы ещё не всегда обрабатываются идеально. - Иногда требуется OCR, особенно если PDF плохо “разложен” на текст. Кому полезно: - Тем, кто работает с научными статьями, отчётами, бухгалтерскими документами, презентациями и хочет автоматизировать преобразование в читаемый формат. - Для RAG-pipelines, документации и любых задач, где надо извлечь структуру и контент. https://github.com/datalab-to/marker

🐍 Ещё один небанальный Python-совет В Python можно использовать __enter__ и __exit__, чтобы превратить объект в контекстный менеджер — даже для вещей, которые обычно так не используют. Например: автоматически замерять время выполнения блока кода:

import time

class Timer:
    def __enter__(self):
        self.start = time.time()
        return self
    def __exit__(self, *args):
        print(f"⏱ Время выполнения: {time.time() - self.start:.4f} c")

with Timer():
    sum([i**2 for i in range(10_000_000)])

👉 Теперь любой код внутри with Timer(): автоматически измеряется. Этот приём удобно применять для логирования, отката транзакций или даже временной подмены настроек.

🖥Как у вас с Django? Чтобы отвечать на этот вопрос «изи», рекомендуем Яндекс Лицей и его программу «Веб-разработка на Django». Он для учащихся школ и колледжей. Почему рекомендуем: ✔️Подход: первые пару месяцев лекции + практика, начиная с третьего — командный проект. ✔️Глубина: будете сами создавать веб-приложения и сайты с нуля, разберётесь в тонкостях ввода от пользователей и верной проверки данных. ✔️Дополнительный бонус: после обучения получите именной сертификат, который может добавить баллы при поступлении в вузы-партнеры. Обучение бесплатное, но нужно пройти отбор до 23 сентября. 👉 Переходим и регистрируемся по ссылке

🚀 Индивидуальный IPython в Docker: советы от Frank Wiles Хочешь, чтобы твоя IPython-среда в Docker была настроена под тебя, но не мешала коллегам? Вот лёгкий и гибкий способ: 1. Используй IPYTHONDIR и Docker Compose: - В .env: IPYTHONDIR=/code/attic/ipython/ - В .gitignore: attic/ - В Docker Compose: подключай .env и твой проект как volume, чтобы IPython создавал конфигурацию в attic/ipython/profile_default/ :contentReference[oaicite:0]{index=0}. 2. Настройка по вкусу: - В ipython_config.py можно задать стиль редактирования (например, `c.editing_mode = "vi"`). - Автоматически импортируй часто используемые библиотеки через c.InteractiveShellApp.exec_lines = [...] или скрипты в папке startup/, пронумерованные по порядку загрузки :contentReference[oaicite:1]{index=1}. 3. Предзагрузка данных для удобной работы: Например, при работе с Django можно автоматически загрузить dev-данные. Скрипт 20-load-devdata-assignment.py внутри startup/ пытается получить объект Assignment и связанные с ним данные, делая работу в IPython удобнее :contentReference[oaicite:2]{index=2}. 4. Собственный инструмент для рутины: Автор реализовал класс URLFinder, который извлекает UUID из строки URL, красиво их отображает с помощью библиотеки rich — и позволяет получить нужный UUID по индексу (`ids(0)`, ids(1) и т.п.) :contentReference[oaicite:3]{index=3}. Вывод: Настройка IPython в Docker — это просто, удобно и лично. И это не навязывает изменения команде. Даже маленький инструмент вроде URLFinder может существенно упростить рутину. Опубликовано 19 августа 2025 года автором Frank Wiles, основателем REVSYS и бывшим президентом Django Software Foundation . Если хочешь, могу добавить краткий пример docker-compose.yaml или показать фрагмент скрипта URLFinder — скажи! https://frankwiles.com/posts/customize-ipython-docker/ -

👩‍💻 Пример скачивания Yotube-видео по ссылке с помощью библиотеки Pytube! @python_job_interview

🚀 Умная система мониторинга Alerta Alerta — это масштабируемый инструмент мониторинга, который легко настраивается и принимает оповещения из различных источников. Он предлагает быструю визуализацию данных с возможностью глубокого анализа. 🚀 Основные моменты: - Масштабируемая архитектура - Минимальная конфигурация - Поддержка MongoDB и PostgreSQL - Удобная веб-консоль для визуализации - Легкая интеграция с облачными платформами 📌 GitHub: https://github.com/alerta/alerta #python

✔️ OpenAI выпустила Codex-CLI 0.36 с новым GPT-5-Codex Теперь система динамически выбирает время «размышлений»: на простые запросы отвечает почти мгновенно, а на сложных проектах может работать часами — вплоть до 7 часов подряд, выполняя рефакторинг, исправляя ошибки и доводя решение до финала. Одним из главных нововведений стала функция codex resume, позволяющая возобновлять старые сессии. Также обновили интерфейс: появилось анимированное онбординг-руководство, улучшены отображение статусов и обработка прерываний. Важным изменением стала и новая система авторизации с более надёжной работой API-ключей и кастомных провайдеров. По производительности GPT-5-Codex показывает заметный скачок. На бенчмарке SWE-bench модель набирает 74,5%, обгоняя GPT-5 high. На внутренних тестах по рефакторингу результат вырос с 34% до 51%, что говорит о серьёзном улучшении качества работы с большими кодовыми базами. OpenAi ✔️ Релиз TimesFM 2.5 от Google Google Research представила TimesFM 2.5 — обновлённую версию Time Series Foundation Model для прогнозирования временных рядов. В версии 2.5 разработчики улучшили точность по сравнению с 2.0 и значительно расширили максимальную длину контекста, что позволяет обрабатывать более сложные и длинные временные зависимости. Особое достижение — первое место в рейтинге GiFT-Eval: TimesFM 2.5 заняла лидирующую позицию сразу по всем метрикам среди zero-shot foundation-моделей, подтвердив статус одной из самых точных систем для анализа временных рядов. Github ✔️ OpenAI и Anthropic: инструменты используются по-разному и приносят разные результаты Согласно новому анализу от TipRanks, компании OpenAI и Anthropic показали, что их ИИ-инструменты применяются в существенно разных контекстах — и дают разные эффекты. OpenAI в основном используется для создания контента, разработки кода и поддержки творческих задач, где гибкость и масштабируемость — ключевые аргументы. Его модели помогают пользователям генерировать текст, автоматизировать рабочие процессы и решать задачи, требующие воображения и нестандартного подхода. Anthropic, напротив, чаще применяют в областях, где особенно важны точность, контроль бессознательных смещений и высокая надёжность — например, в юридических, медицинских или регулируемых средах. В таких сценариях делают упор на безопасность, на минимизацию ошибок и на возможность аудита и объяснений того, как пришёл к решению ИИ. Отчёт подчёркивает: разные компании и пользователи выбирают OpenAI или Anthropic не просто на основе производительности, но и в зависимости от ценностей — что важнее: скорость и творческий потенциал или строгие гарантии и прозрачность. Эксперты TipRanks полагают, что оба подхода — сильны в своих нишах. Поскольку спрос на ИИ-решения растёт, смешанные и гибридные модели применений, вероятно, станут всё более популярными: когда часть задач решается с помощью гибкого и креативного ИИ, а часть — с помощью инструментов повышенной эмпатии и осторожности. Отчет ✔️ Reve выпустили свой нейрофотошоп Reve представили AI-редактор изображений, который уже окрестили «текстовым фотошопом». В отличие от конкурентов, здесь почти нет цензуры, а ограничения на генерацию трудно заметить. Функция Image creator & remixer позволяет создавать и перерабатывать изображения на основе текстовых подсказок. Интерактивный drag-and-drop редактор даёт возможность перемещать, масштабировать и изменять объекты прямо мышкой — так, как в привычных графических редакторах. Вместо стандартного поля для ввода появился чат-ассистент, превращающий взаимодействие в диалог, что облегчает настройку и доработку картинок. Reve ✔️ Alphabet впервые достигла рыночной капитализации в $3 трлн Компании Alphabet, материнской структуры Google, впервые удалось преодолеть отметку в $3 трлн стоимости на бирже. Акции выросли на 4 % на фоне судебного решения по антимонопольному делу, по которому не потребовалось разделение бизнеса (Chrome и Android). Сильный рост показали облачная служба и заинтересованность инвесторов в AI-продуктах, особенно модели Gemini. Новость @ai_machinelearning_big_data #news #ai #ml

⚡️ Depyler — транспилятор Python → Rust, созданный для высокой производительности и энергосбережения. Он переводит код Python в безопасный и быстрый Rust, снижая энергопотребление на 75–85%. Проект сделан без технического долга и соответствует строгим принципам качества (Toyota Way). Основные возможности Транспиляция ядра - Разбор Python AST и преобразование в HIR для безопасных трансформаций - Интеллектуальный вывод типов с поддержкой аннотаций - Автоматическая работа с памятью: владение и заимствование - Direct Rules Engine — перевод конструкций Python в Rust по шаблонам - Оптимизация строк — интернирование часто используемых литералов Производительность и эффективность - Энергопотребление на 75–85% ниже по сравнению с Python - Бинарная оптимизация: LTO, strip, panic=abort - Работа со строками без лишних копирований (через `Cow`) - Использование LLVM-бэкенда для агрессивной оптимизации - Авто-интернирование строк, встречающихся более 3 раз Безопасность и верификация - Property-based тестирование для проверки семантической эквивалентности - Анализ памяти: защита от use-after-free и гонок данных - Автовставка проверок границ при необходимости - Контрактное программирование: верификация предусловий и постусловий - Архитектура, готовая к формальной проверке (SMT) Интеграция ИИ - Поддержка MCP v1.0 (модель контекстного протокола) - Интерактивный AI-режим для подсказок в транспиляции - Рекомендации по аннотациям и оптимизации - Оценка сложности миграции Инструменты разработчика - Поддержка LSP (VSCode, Neovim и др.) - Отладка с сопоставлением исходников - Профилирование и оптимизация «горячих точек» - Автогенерация документации API из Python 🔗 Репозиторий: https://github.com/paiml/depyler

🖥 Гайд по собеседованию Python-разработчика (Middle) 2025 года В этом гайде собраны реальные и актуальные вопросы из интервью в крупных технологических компаниях и стартапах (Google, Amazon, Stripe, Booking и др.). Каждая тема разобрана через призму того, что именно проверяют интервьюеры, как лучше структурировать ответ и какие подводные камни важно учитывать. 👉 Гайд: https://uproger.com/gajd-po-sobesedovaniyu-python-razrabotchika-middle-2025-goda/

🚀 Автоматизация задач на Python за пару строк Вместо ручного запуска можно поручить Python выполнять действия по расписанию. Библиотека schedule делает это максимально просто 👇

import schedule
import time

def greet():
    print("⏰ Hello! Time to learn Python!")

schedule.every(5).seconds.do(greet)

while True:
    schedule.run_pending()
    time.sleep(1)

💡 Каждые 5 секунд скрипт будет выводить напоминание. Можно легко заменить на любое действие: запуск бэкапов, парсинг сайтов или проверку API.

🖥 Полезный совет по Python В Python можно писать собственные контекстные менеджеры с помощью декоратора contextlib.contextmanager. Это позволяет красиво управлять ресурсами (файлами, соединениями, блокировками) без лишнего кода.

from contextlib import contextmanager
import time

@contextmanager
def timer(name: str):
    start = time.time()
    try:
        yield
    finally:
        end = time.time()
        print(f"[{name}] elapsed: {end - start:.4f} sec")

# Использование
with timer("heavy calc"):
    sum(i * i for i in range(10_000_000))

🔥 Фишка: можно легко оборачивать любой ресурс (БД, сокет, API) и гарантировать его закрытие или освобождение. Это делает код чище и надёжнее.

🔥Прими участие в Хакатоне Т1 в Нижнем Новгороде и поборись за призовой фонд 600 000 рублей! 📅 Когда: 19 – 22 сентября 🌐 Формат: онлайн + финал на площадке  Участвуй, если ты: 🔹студент тех/ИТ-направлений; 🔹развиваешься в dev, аналитике, дизайне, AI/DS/ML, DevOps; 🔹сможешь быть в Нижнем Новгороде 22-09. Выбери свой кейс: 🔸PingTower — сервис круглосуточного отслеживания доступности сайтов и мгновенных уведомлений о сбоях, позволяющий бизнесу не терять клиентов. 🔸HR Консультант — ИИ-консультант для карьерных сценариев и поиска талантов по умным фильтрам. Почему стоит участвовать: 🔻Кейс в портфолио и полезная обратная связь от менторов Т1; 🔻Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний; 🔻Реальный опыт командной работы. Регистрация открыта!   ➡️ Успей до 17 сентября по ссылке   Ты не из Нижнего Новгорода? Смотри расписание хакатонов в других городах.  #реклама О рекламодателе

⚡️ Библиотека EasyOCR для распознавания текста на картинках Поддерживает 80+ языков. Выдаёт результат в виде списка, каждый элемент которого представляет собой координаты ограничивающей рамки, обнаруженный текст и уровень уверенности модели. Установка: pip install easyocr 🟢Репозиторий

🔥 Полезный Python-трюк для работы с сетями: `ipaddress` в стандартной библиотеке Когда нужно быстро проверить IP-адреса, маски подсетей или принадлежность хоста сети — не обязательно тянуть внешние пакеты. В Python уже есть мощный модуль ipaddress.

import ipaddress

# Создаём сеть
net = ipaddress.ip_network("192.168.1.0/24")

# Проверяем, входит ли IP в сеть
print(ipaddress.ip_address("192.168.1.42") in net)  # True
print(ipaddress.ip_address("10.0.0.5") in net)      # False

# Перебираем все адреса подсети
for ip in net.hosts():
    print(ip)
    break  # выведет первый адрес

# Работаем с IPv6 так же просто
ipv6 = ipaddress.ip_network("2001:db8::/32")
print(ipaddress.ip_address("2001:db8::1") in ipv6)  # True

📌 Чем полезно Проверка принадлежности адреса подсети Удобный парсинг IPv4 и IPv6 Генерация диапазонов IP Всё встроено в Python — никаких сторонних зависимостей 🔥 Отлично подходит для написания сетевых тулзов, firewall-скриптов, DevOps-автоматизации и тестов. #Python #Networking #Tips #DevOps

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 11 сентября (уже в четверг!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. 🔍Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

🐍 Полезные фишки парсинга в Python 1️⃣ Парсинг JSON без лишних усилий

import json

data = '{"name": "Alice", "age": 25}'
parsed = json.loads(data)
print(parsed["name"])  # Alice

2️⃣ HTML/XML-парсинг с BeautifulSoup

from bs4 import BeautifulSoup

html = "<h1>Hello <b>Python</b></h1>"
soup = BeautifulSoup(html, "html.parser")
print(soup.h1.text)  # Hello Python

3️⃣ Парсинг аргументов командной строки с argparse

import argparse

parser = argparse.ArgumentParser()
parser.add_argument("--name")
args = parser.parse_args()
print(f"Hello, {args.name}")

4️⃣ Быстрый CSV-парсинг

import csv

with open("data.csv") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row["username"], row["score"])

5️⃣ Регулярки для гибкого текста

import re

text = "Email: test@example.com"
match = re.search(r"\w+@\w+\.\w+", text)
print(match.group())  # test@example.com

🔥 Эти трюки помогают парсить JSON, HTML, CSV, аргументы CLI и даже “грязный” текст. Подойдут как для скриптов, так и для продакшн-кода. 👉 Сохрани, чтобы не забыть!

✔️ Alibaba инвестировала $140 млн в ИИ-роботов Alibaba Group и Alibaba Cloud возглавили консорциум по финансированию шэньчжэньского стартапа X Square Robot (осн. 2023). Участвовали HSG, Meituan и Legend Star. Это часть стратегии Alibaba — компания планирует вложить $53 млрд в ИИ-инфраструктуру. Цель сделки — новое поколение «умной робототехники», где ИИ отвечает за автономность и принятие решений. Инвестиция также отражает курс Китая на ускоренное развитие сектора ИИ и робототехники. mktnews.com ✔️ Unitree Robotics готовится к IPO ($7 млрд) Китайский производитель гуманоидных роботов Unitree планирует выйти на шанхайскую биржу STAR Market в IV квартале. Цель — оценка $7 млрд (почти в 6 раз выше июльского раунда). Компания — лидер в Китае по производству роботов-гуманоидов, её продукция используется в университетах и на публичных мероприятиях. Unitree уже прибыльна: выручка >1 млрд юаней ($140 млн). За спиной — Alibaba, Tencent и Geely. Успешное IPO станет ключевым индикатором интереса инвесторов к физическим воплощениям ИИ. reuters.com ✔️ Google снизила цены на Veo 3 и добавила 1080p Стоимость генерации видео в Veo 3 упала: стандартная версия — с $0.75 до $0.40 за секунду (-47%), Veo 3 Fast — до $0.15 (-62.5%). Теперь поддерживаются вертикальные форматы (9:16) и качество 1080p. Обе модели стабильны и доступны через Gemini API. Это сигнал к масштабированию и ценовой конкуренции на рынке видео-ИИ. Veo 3 уже применяется в проектах Invisible Studio, Saga, Mosaic для ускорения контент-продакшена. X.com ✔️ Claude получил доступ к данным смартфона Anthropic расширила возможности ассистента Claude на мобильных устройствах. При разрешении пользователя ИИ теперь может использовать геолокацию, календарь и другие данные для планирования мероприятий и рекомендаций. Это шаг к созданию по-настоящему персональных ИИ-агентов, работающих с контекстом пользователя. Такой подход усиливает конкуренцию среди мобильных ассистентов и закрепляет тренд интеграции ИИ в повседневные процессы. Скачать ✔️ Anthropic поддержала калифорнийский законопроект SB 53 Компания официально выступила в поддержку инициативы сенатора Скотта Винера, регулирующей передовые ИИ-системы. Ключевые положения: • публикация принципов безопасности и прозрачности • уведомление о критических инцидентах в течение 15 дней • защита осведомителей и санкции за нарушения • порог для регулирования — >10²⁶ FLOPs Anthropic отмечает, что закон закрепляет уже применяемые практики и создаёт равные условия для конкуренции. Это первый случай открытой поддержки крупной ИИ-лабораторией регуляторных инициатив. anthropic.com ✔️ Google обновила NotebookLM - Флэшкарты и квизы: формат «вопрос–ответ» + тесты с настройкой сложности. -Reports: авто-рекомендации форматов (блог, white paper, стади-гайд и др.), кастомизация промптов. - ИИ-подкасты: новые режимы — Deep Dive, Brief, Critique, Debate; поддержка всех языков. Примеры, видео, квиза и карточек прикрепили к посту. Notebooklm @ai_machinelearning_big_data #news #ai #ml

🚀 PySentry — это сверхбыстрый сканер уязвимостей для Python-проектов, написанный на Rust, который справляется с аудитом зависимостей быстро и надёжно. Основное: - Автоматически анализирует файлы зависимостей: uv.lock, poetry.lock, Pipfile.lock, pyproject.toml, Pipfile, requirements.txt и др. - Сверяет зависимости с базами уязвимостей: PyPA Advisory Database, PyPI JSON API, OSV.dev - Поддерживает вывод в формате: человекочитаемом, JSON, SARIF или Markdown — отлично подходит для CI/CD и IDE-интеграций (например, GitHub Security) - Написан на Rust с асинхронной обработкой, многоуровневым кэшированием и оптимизированной резолюцией — очень быстро и эффективно uvx pysentry-rs /path/to/project 🟢 Github