Библиотека задач по Python | тесты, код, задания

Какой движок базы данных используется для PostgreSQL в Django? 👾 — django.db.backends.postgresql 👍 — django.db.backends.mysql 🥰 — django.db.backends.oracle ⚡️ — django.db.backends.sqlite3 Библиотека задач по Python

🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане 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.

В FastAPI сервисе при нагрузке появляются предупреждения Unclosed client session/connector is closed, растёт число открытых файловых дескрипторов. Вы используете aiohttp для внешних HTTP-запросов. Какой подход корректный? 👾 — Создавать aiohttp.ClientSession() на каждый запрос и не закрывать — пусть GC разберётся 👍 — Создать один ClientSession на старте приложения (lifespan), переиспользовать во всех хэндлерах и корректно закрыть на shutdown 🥰 — Заменить на синхронный requests внутри run_in_executor — тогда дескрипторы не утекут ⚡️ — Для каждого запроса создавать новый TCPConnector(force_close=True) и сразу закрывать сессию Библиотека задач по Python

🤖 Какие задачи можно действительно доверить ИИ? Уже завтра разберём это на открытом уроке «AI-инструменты в разработке: как писать код быстрее с помощью ассистентов». Спикер — Ольга Лукьянова, руководитель команды поиска и навигации по коду в SourceCraft от Яндекса. После урока вы: 🔹 поймёте, какие задачи стоит делегировать AI уже сегодня; 🔹 научитесь быстрее разбираться в новых проектах и кодовой базе; 🔹 увидите, как выглядит современный workflow разработки с AI; 🔹 узнаете, где AI помогает экономить время, а где всё ещё нужен контроль разработчика. На практике разберём путь от получения задачи до готового Pull Request с использованием AI-инструментов и AI-ревью. 🗓️ 23 июня, 19:00 (МСК) ⏱️ 90 минут 👉 Зарегистрироваться и получить рабочий AI-workflow для своих задач

🤖 AI пишет код за вас? Это самое скучное, что он умеет Основное время разработчик тратит на другое: разобраться в чужой кодовой базе, найти нужный участок проекта, проверить решение, собрать Pull Request. Вот где AI реально экономит часы — если знать, как им пользоваться. 23 июня Ольга Лукьянова покажет это на практике: как с помощью современных AI-инструментов быстро погружаться в незнакомый проект, находить нужный код, реализовывать задачи и проверять результат до ревью коллег. В итоге вы увидите не отдельные приёмы и промпты, а целостный workflow, который можно встроить в свою работу уже на следующий день 🔥 Чтобы лучше погрузиться в тему: 📺 Выступление про SourceCraft 📖 Статья на Хабре 🗓️ Когда: 23 июня, 19:00 (МСК) 👉 Занять место на открытом уроке

В Python-сервисе несколько воркеров пишут данные в общий словарь, иногда значения теряются или состояние становится неконсистентным. Почему так происходит и что правильнее сделать? 👾 — dict в Python всегда потокобезопасен, проблема скорее всего в базе данных 👍 — Операции чтения-изменения-записи не атомарны, нужно использовать lock, очередь или другой механизм синхронизации 🥰 — Нужно просто увеличить количество потоков, чтобы операции выполнялись быстрее ⚡️ — Нужно вызвать gc.collect(), чтобы очистить старые ссылки на словарь Библиотека задач по Python

Что выведет код? 👾 — 9 👍 — [9, 1, 3] 🥰 — [3, 6] ⚡️ — Error Библиотека задач по Python

⏰ Уже сегодня в 19:00 (МСК) стартует открытый урок! Тема:

«Мультиагентные системы: почему большинство архитектур переусложнены»

🔥 За 90 минут разберёмся, когда действительно стоит строить мультиагентную систему, а когда она только добавляет сложность, расходы и новые точки отказа. Поговорим о критериях выбора архитектуры, типичных ошибках и ограничениях современных ИИ-агентов, которые важно учитывать ещё до внедрения в продукт. 🎙️ Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru. 🎁 Для всех участников подготовили промокод на скидку 10 000 ₽ на курс «Разработка ИИ-агентов». 👉 Успей присоединиться к уроку

🔥 Чем больше агентов — тем лучше? Не всегда. Уже завтра поговорим о реальных ограничениях на открытом уроке «Мультиагентные системы: почему большинство архитектур переусложнены». Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru. После урока вы: 🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой; 🔹 поймёте, какие архитектурные ошибки встречаются чаще всего; 🔹 получите практические ориентиры для проектирования и внедрения агентных систем; 🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов. 🗓️ 18 июня, 19:00 (МСК) ⏱️ 90 минут 👉 Зарегистрироваться и получить промокод на 10 000 ₽

Как в FastAPI (SQLAlchemy 2.0 async) корректно обеспечить «сеанс на запрос» с авто-rollback при исключении и гарантированным закрытием соединения? 👾 — Создать один глобальный AsyncSession и шарить его между хэндлерами 👍 — Использовать зависимость с yield 🥰 — Открывать/закрывать сессию вручную в каждом хэндлере try/except ⚡️ — Класть сессию в app.state на старте приложения и переиспользовать Библиотека задач по Python

🤖 Большинство материалов по ИИ-агентам устаревают быстрее, чем многие курсы успевают обновить программу Инструменты, подходы и фреймворки меняются постоянно. Поэтому важно не просто собрать демо-агента, а понимать архитектуру, ограничения и практики, которые используются в продакшене. 🚀 30 июня стартует курс «Разработка ИИ-агентов». ⏳ До 20 июня действует сниженная цена. За 8 недель под руководством практиков из бигтеха вы соберёте собственного AI-агента, который работает с API, использует память, подключается к внешним сервисам и решает реальную задачу. Что разберём: 🔹 архитектуру AI-агентов и надёжный вывод; 🔹 LangGraph и оркестрацию workflow; 🔹 MCP и работу с внешними инструментами; 🔹 RAG-системы; 🔹 AgentOps, observability и evals; 🔹 безопасность и защиту от prompt injection; 🔹 мультиагентные системы и A2A. На курсе отдельно разбираем вопросы надёжности, безопасности и контроля агентных систем. 👉 Узнать программу и забронировать место со скидкой

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

💻 3 курса по цене одного — собери стек для оффера в топовую IT-компанию Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем. Одно направление закрывает только часть задачи. Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥 Собери стек навыков под свою цель: 🔹 подготовка к сильным компаниям (алгоритмы, архитектура); 🔹 переход в AI-направление (ИИ-агенты, AgentOps); 🔹 развитие в ML и Data Science (математика, основы ML); 🔹 новый оффер и рост дохода. Полученные знания применяешь в работе уже во время обучения. ⏳ Акция действует 48 часов — 13 и 14 июня. 👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель.

Что выведет код? 👾 — 9 👍 — [9, 1, 3] 🥰 — [3, 6] ⚡️ — Error Библиотека задач по Python

📊 Хотите войти в Data Science, но математика кажется самым сложным этапом? На практике большинство джунов спотыкаются не о Python, а о математическую базу: ▪️ Теорию вероятностей и статистику ▪️ Линейную алгебру ▪️ Математический анализ ▪️ Комбинаторику Именно на этих темах строятся машинное обучение, аналитика данных и рекомендательные системы. Освойте ключевые разделы математики, которые используются в Data Science и Machine Learning на курсе «Математика для Data Science». Что вас ждет: 🔹 40+ видеолекций и 150+ практических заданий на Python 🔹 Проверка домашних работ и обратная связь от преподавателей 🔹 Подготовка к задачам с технических собеседований 🔹 Программа от преподавателей ВМК МГУ, НИУ ВШЭ и экспертов индустрии Курс подойдет разработчикам, аналитикам и всем, кто планирует развиваться в Data Science и Machine Learning. 👉 Записаться на бесплатный демо-урок

В каком типе данных сохраняются *args при передаче в функцию? 👾 — Список 👍 — Кортеж 🥰 — Словарь ⚡ — Ничего из вышеперечисленного Библиотека задач по Python

Как работает select_related в Django ORM? 👾 — Выполняет отдельный запрос для каждой связанной модели 👍 — Делает SQL JOIN и подтягивает связанные объекты сразу 🥰 — Кэширует связанные объекты в памяти на уровне Python ⚡️ — Автоматически превращает ForeignKey в ManyToMany Библиотека задач по Python

Что выведет код сверху? 👾 — Ошибок нет 👍 — Деление на ноль! 🥰 — ZeroDivisionError ⚡️ — Ничего Библиотека задач по Python

⚡️ Продолжаем знакомить вас с экспертами курса AgentOps! — Сергей Нотевский расскажет, как выстроить FinOps для AI-продуктов: оптимизировать затраты на разработку и продакшен, внедрить model routing, semantic cache и систему алертов для контроля расходов — Эмиль Сатаев разберет Context Engineering: управление контекстом, защиту от prompt injection, работу с длинными контекстами и построение безопасного пайплайна входа для AI-систем — Михаил Бондаревский покажет, как подготовить инфраструктуру для AI-агентов: Docker, sandboxing, streaming, docker-compose и воспроизводимое окружение для разработки и продакшена — Мурат Хажгериев расскажет про Enterprise Integrations & MCP: когда MCP действительно нужен, как подключать внешние сервисы и реализовывать интеграции с OAuth2 delegation — Герман Сабиров разберет Governance & Compliance для AI-систем: data flow, audit logs, требования 152-ФЗ, локализацию данных и построение compliance-подхода на уровне архитектуры Курс для backend-разработчиков, тимлидов и LLM инженеров о том, как внедрять AI-логику в бэкенд IT-продуктов и сохранять стабильность сервиса. 👉 Изучить обновленную программу AgentOps и занять 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