Библиотека собеса по Java | вопросы с собеседований

🤷‍♂️ Что важнее в хорошем курсе: программа или люди, которые её создают? У Proglib Academy вышел пост о том, на каком опыте построен новый курс по AI для разработчиков 🦴

❓ Что такое Autoboxing и Unboxing? Autoboxing — автоматическое преобразование примитива в класс-обёртку (int → Integer). Unboxing — обратное преобразование (Integer → int). Удобно, но есть подводные камни — возможен NullPointerException при unboxing null — снижает производительность (создание объектов) — проблемы с == (сравнивает ссылки, а не значения) 🐸 Библиотека собеса по Java #core

❓ В чём разница между IO и NIO? IO (Input/Output) — это традиционная модель потоков, использующая блокирующие операции для чтения и записи данных, что может привести к задержкам, если операция занимает много времени. NIO (New IO) был введён в JDK 1.4 для улучшения производительности, предлагая неблокирующие каналы и буферы, а также поддержку асинхронных операций, что позволяет эффективно работать с большими объёмами данных или многими соединениями одновременно. 🐸 Библиотека собеса по Java #core

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат. 1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами. 2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова. Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них. 📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION). На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥 🔗 Регистрация 🏃‍♀️ Proglib Academy

❓ Какие объекты стоит использовать для ключей в HashMap? Ключи должны быть иммутабельными, а также правильно реализовывать методы equals() и hashCode(). 🐸 Библиотека собеса по Java

🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться! Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу. 💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.

🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽! Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом 🔗 Занять место и забрать 3 курса

🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе. Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций. Что внутри урока:

- Устройство LLM. - Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.). - Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.

После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning. 👉Смотреть закрытый урок на YouTube Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться. 🔗 Занять место на курсе

❓ Расскажите о нагрузочном тестировании? Нагрузочное тестирование — это проверка поведения системы под различными уровнями нагрузки. Цель — понять, как приложение работает при большом количестве одновременных пользователей или запросов. Основные проверки: — время отклика при росте нагрузки; — максимальное количество пользователей, которое система выдерживает; — точку деградации производительности; — стабильность при длительной работе. Используем инструменты, например, JMeter, Gatling или K6. 🐸 Библиотека собеса по Java #tests

🚀 Уже завтра стартует новый поток курса «ИИ-агенты»! Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний. Старт уже завтра! Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока! Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой. 🔗 Пройти демо-урок и занять место на курсе

❓ Что такое propagation у @Transactional? Propagation — политика того, как метод с аннотацией @Transactional будет взаимодействовать с существующей транзакцией. Виды: ▪️ REQUIRED (по умолчанию): использует существующую транзакцию или создаёт новую, если её нет ▪️ REQUIRES_NEW: всегда создаёт новую транзакцию, при этом приостанавливая текущую ▪️ SUPPORTS: действует в рамках текущей транзакции, если есть, иначе без транзакции ▪️ MANDATORY: бросает исключение, если нет текущей транзакции ▪️ NEVER: запрещает наличие транзакции, если уже есть, бросает исключение ▪️ NESTED: создаёт «вложенную» транзакцию (savepoint внутри основной) 🐸 Библиотека собеса по Java #spring

💬 Обратная связь Проверяем динамику роста комьюнити :) Ваш текущий грейд: 🔥 — Senior 👍🏼 — Middle ❤️ — Junior 😁 — Ещё учусь 🐸 Библиотека собеса по Java

🤨 Как заставить AI-агента не ломать архитектуру, а нормально писать код? Мы привыкли общаться с ИИ промптами, но для автономных систем это путь к бесконечным циклам и сливу бюджета. Чтобы убрать хаос, инженеры переходят на Spec-Driven Development (SDD). Вот как этот подход меняет работу агента на практике: 🔹Контракт вместо текста. Сначала пишется строгая спецификация (JSON-схема/OpenAPI) и автотесты. Агент зажат в рамки интерфейсов, за которые физически не может выйти. 🔹Контроль на шагах. Внутри петли Think-Act-Observe агент сверяет действия со спецификацией. 🔹Саморефлексия. Если ИИ нарушил типы или «додумал» лишнее, тест падает. Агент получает ошибку в контекст и сам правит код, не выходя за рамки ТЗ. Это лишь база того, как укротить ИИ-разработку. Если вы хотите глубоко внедрить эту методологию, научиться проектировать архитектурные контракты и собирать отказоустойчивые системы —оставляйте заявку на наш новый курс по Spec-Driven Development. Стартуем совсем скоро🙂

✔️ Concurrency-тест: пул потоков копит задачи до OOM Нагрузка выросла, latency пополз вверх, потом OutOfMemoryError 👇 📦 Задание — code review Сервис обрабатывает входящие события асинхронно.

@Configuration
public class ExecutorConfig {

    @Bean
    public ExecutorService eventExecutor() {
        return Executors.newFixedThreadPool(10);
    }
}

@Service
@RequiredArgsConstructor
public class EventService {

    private final ExecutorService eventExecutor;

    public void handle(Event event) {
        eventExecutor.submit(() -> process(event));
    }
}

▪️ Объясни — Какая очередь стоит за Executors.newFixedThreadPool и почему она опасна под нагрузкой. — Почему задачи бесконтрольно «копятся» и система падает в OutOfMemoryError, а не начинает отбрасывать нагрузку. — Как собрать ThreadPoolExecutor руками: ограниченная очередь, RejectedExecutionHandler, backpressure. Чем плох и newCachedThreadPool в этом сценарии. Ставьте → 🔥, если нравится формат. Если нет → 🌚 💬 Решения под спойлер. Сравним, какое будет лучше. 🐸 Библиотека собеса по Java #practise

❓ Чем отличаются BeanFactory и ApplicationContext? BeanFactory — базовый IoC-контейнер с ленивой инициализацией: бины создаются при первом обращении. ApplicationContext расширяет BeanFactory и добавляет почти всё, чем пользуются на практике: — eager-инициализацию синглтонов при старте; — интернационализацию (MessageSource); — публикацию и обработку событий; — автоматическую регистрацию BeanPostProcessor и BeanFactoryPostProcessor; — интеграцию с AOP и удобную работу с ресурсами. В реальных приложениях используют ApplicationContext. BeanFactory — нишевый вариант для крайне ресурсно-ограниченных сред. 🐸 Библиотека собеса по Java #spring

🔥 Как перестать слепо доверять ИИ и начать им управлять? 1–2 августа на «ИИ-выходных» вы научитесь проектировать архитектуру автономных AI-агентов и контролировать их работу. Что будет в вашем портфолио после обучения: — Вы выйдете с готовым профилем AI-инженера (отлично дополнит ваши LinkedIn и GitHub). — Освоите связку Python, FastAPI, OpenAI API, Docker и PostgreSQL. — Соберете полноценный AI-сервис под вашу личную задачу. Для кого: junior-middle разработчики. Вы пишете на Python, работаете с Git и терминалом (с нуля не подойдет, темп очень быстрый!). 👨‍💻 Спикер: Алексей Жиряков (Сбер, GenAI). Места строго ограничены! 👉 Изучить программу и занять место

❓ Что такое fail-fast итератор и как безопасно удалять элементы во время обхода? fail-fast итератор бросает ConcurrentModificationException, если коллекцию изменили во время итерации в обход самого итератора. Механизм: коллекция хранит счётчик modCount. Итератор запоминает его значение при создании и сверяет на каждом next(). Если структура изменилась и счётчики разошлись — бросается исключение. Это не гарантия защиты, а способ быстро отловить баг. Чтобы безопасно удалять во время обхода: → iterator.remove(); → collection.removeIf(...); → или конкурентные коллекции вроде CopyOnWriteArrayList. 🐸 Библиотека собеса по Java #core

❓ Что такое SOLID? SOLID — это аббревиатура из пяти принципов объектно-ориентированного проектирования, помогающих писать поддерживаемый и расширяемый код. ▪️ S — Single Responsibility Principle (SRP) Каждый класс должен иметь одну и только одну причину для изменения. ▪️ O — Open/Closed Principle (OCP) Сущности должны быть открыты для расширения, но закрыты для модификации. ▪️ L — Liskov Substitution Principle (LSP) Объекты подклассов должны заменять объекты суперклассов без нарушения логики. ▪️ I — Interface Segregation Principle (ISP) Лучше иметь несколько специализированных интерфейсов, чем один общий. ▪️ D — Dependency Inversion Principle (DIP) Модули верхнего уровня не должны зависеть от модулей нижнего уровня. Оба типа должны зависеть от абстракций. 🐸 Библиотека собеса по Java

📹 Из чего на самом деле состоит ИИ-агент? Прикрепили для вас свежую вырезку из вебинара. Внутри, что прячется под капотом агентных систем: от LLM-ядра до вызова внешних инструментов. Обсуждаем, какими бывают агенты (спойлер: далеко не только автономными) и когда какой подход использовать. Готовы перейти от видео к практике и собрать свой первый продакшн-кейс? Прямо сейчас у нас действует акция «3 курса по цене 1»:

🔹 При покупке VIP-тарифа нового потока «Разработка ИИ-агентов» вы получаете в подарок хардкорный курс «AgentOps» + ещё один любой курс Академии на ваш выбор! 🔹 Ваша чистая экономия — 129 000 ₽! Два топовых курса по созданию и контролю агентов обойдутся вам всего в 134 000 ₽ вместо 263 000 ₽. Плюс третий курс бонусом (например, «Математика для AI»).

Сомневаетесь, подойдет ли вам формат? Оставьте заявку и пройдите бесплатный демо-урок, чтобы протестировать платформу перед покупкой. 👉 Пройти демо-урок и забрать 3 курса по цене 1

💰 Почему одним Data Scientist платят больше, чем другим? Дело не только в знании Python и ML-библиотек. Во многих компаниях уровень специалиста оценивают по математической подготовке: теории вероятностей, статистике, линейной алгебре и математическому анализу. Именно эти знания помогают понимать модели, решать более сложные задачи и претендовать на позиции с более высокой оплатой. На курсе «Математика для Data Science» вы изучите разделы, которые используются в работе Data Scientist и ML Engineer. Что вас ждёт: 🔹 40+ видеолекций и 150+ практических заданий на Python 🔹 Проверка домашних работ и обратная связь от преподавателей 🔹 Подготовка к техническим собеседованиям 🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии 👉 Записаться на бесплатный демо-урок

❓ Что такое DTO и чем он отличается от Entity? DTO (Data Transfer Object) — простой объект-контейнер для переноса данных между слоями или по сети, без бизнес-логики. Он делает структуру данных явной и типизированной вместо ассоциативных массивов, удобен для входных и выходных контрактов API. Отличие от Entity: у DTO нет идентичности и поведения, только данные.