Библиотека задач по Python | тесты, код, задания

👨‍💻Kafka часто пугает. Её считают избыточной, сложной и слишком энтерпрайзной — особенно если раньше вы работали с очередями или кэшем. В результате Kafka либо появляется в проекте слишком рано, либо не используется там, где без неё уже не обойтись. На открытом уроке OTUS разберём Kafka без мифов и абстракций — с фокусом на практическую работу из Python-приложений. Обсудим, когда проекту действительно пора смотреть в сторону Kafka и почему это не RabbitMQ и не Redis. Разберём базовые понятия Kafka на практике: producer, consumer, ключи, consumer groups. Вы поймёте, в каких сценариях Kafka является подходящим решением, а в каких она только усложнит архитектуру. Научитесь отправлять и читать события из Python-приложений, разберётесь с типичными проблемами — дубли, потери, зависшие сообщения. ⚡️Встречаемся 19 февраля в 20:00 МСК в преддверии старта курса «Python Developer. Professional». Регистрация открыта: https://otus.pw/w94F/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

Что выведет код? 👾 — {1} 👍 — {9} 🥰 — {KeyError} 👏 — {1} или {9} Библиотека задач по Python

Что выведет код: print(type({}) is set) 👾 — False 👍 —True 🥰 — None ⚡️ — Ничего Библиотека задач по Python

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

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

Что верно для Python ≥3.7 про завершение генератора и yield from? 👾 — raise StopIteration(x) эквивалентен return x; yield from игнорирует значение 👍 — Явный raise StopIteration внутри генератора превращается в RuntimeError (PEP 479), а return x задаёт StopIteration.value=x; выражение yield from sub() возвращает это x 🥰 — return x приводит к RuntimeError; корректно только raise StopIteration(x) ⚡️ — yield from всегда возвращает None Библиотека задач по Python

Почему в многопоточном Python-приложении прироста скорости для CPU-bound задач почти не видно? 👾 — Потому что интерпретатор Python не умеет распараллеливать задачи 👍 — Потому что работает Global Interpreter Lock (GIL), который позволяет исполнять байткод только одному потоку 🥰 — Потому что потокам всегда не хватает памяти для стека ⚡️ — Потому что asyncio нужно использовать вместо потоков Библиотека задач по Python

Что верно про BackgroundTasks? 👾 — Выполняются после отправки ответа в том же процессе; не переживают рестарт 👍 — Гарантированно завершатся даже при рестарте воркера 🥰 — Работают только в синхронных обработчиках ⚡️ — Запускаются в отдельном процессе multiprocessing Хотите глубже изучить основы Python? Добро пожаловать на курс: https://proglib.academy/python Библиотека задач по Python

Что возвращает a[:] для списка? 👾 — Новую (поверхностную) копию ⚡️ — Ссылку на исходный список 🥰 — Новую глубокую копию Библиотека задач по Python

Не просто import openai, а полноценная архитектура Задача: написать бота, который отвечает на вопросы по внутренней базе знаний компании со ссылками на источники. Решение новичка: отправить вопрос в API. Решение профи: GraphRAG-пайплайн с реранкингом, проверкой фактов и фильтрацией галлюцинаций. На курсе мы учим писать код уровня продакшн. На вебинарах разбираем ошибки в реализации, оптимизируем запросы и настраиваем логирование. Твой инструментарий: 👉 Modern Python (Pydantic v2, Type Hints); 👉 LangChain & LangGraph (Stateful Architectures); 👉 FastAPI (для сервивинга агентов). Прокачать навыки на реальных задачах

Что гарантирует GIL в CPython? 👾 — Отсутствие гонок данных в пользовательском коде ⚡️ — Параллельное выполнение CPU-bound задач в потоках 🥰 — Единовременное выполнение байткода одним потоком интерпретатора 👍 — Что все I/O операции неблокирующие Библиотека задач по Python

Задача: автоматизировать workflow с помощью LLM Обычные скрипты работают по жёсткой логике. Агенты умеют принимать решения. На курсе мы учим писать именно таких «умных» ботов на Python. Инструменты: — LangGraph для сложной логики; — векторные БД для долгосрочной памяти; — AgentOps для контроля качества. Курс стартовал, но вы успеваете. Вводная лекция доступна бесплатно — там база по архитектуре и промпт-инжинирингу. Смотреть лекцию Присоединиться к группе

Вы работаете с высоконагруженным Python-сервисом. При профилировании заметили, что использование list приводит к избыточным копированиям данных и росту потребления памяти. Какой подход будет наиболее правильным для оптимизации? 👾 — Использовать tuple вместо list, так как они быстрее и занимают меньше памяти 👍 — Применить генераторы и итераторы (yield, generator expressions), чтобы обрабатывать данные лениво 🥰 — Хранить данные в глобальной переменной, чтобы избежать повторных аллокаций ⚡️ — Переписать часть логики на Cython, чтобы ускорить операции с массивами Библиотека задач по Python

Что выведет этот код? True False Error

Что выведет код сверху? 100 25 50 Error

Что выведет код? 25 29 29 35 Error None

Задача: Написать агента с памятью Обычный скрипт забывает переменные после завершения. Агент на LangGraph должен помнить контекст неделями. Используйте MemorySaver или базу данных (Postgres/Redis) как бэкенд для графа. Граф сохраняет state после каждого шага. Это позволяет поставить агента «на паузу», ждать ввода от человека и продолжить с того же места. Хотите научиться писать такой код? Записаться на курс Пример архитектуры: Смотрите вводный урок бесплатно.

Что такое pickling и unpickling? Модуль pickle принимает любой объект Python, преобразует его в строковое представление и сохраняет в файл с помощью функции dump, такой процесс называется pickling. Процесс извлечения исходных объектов Python из сохраненного строкового представления называется unpickling. Библиотека задач по Python

Каким будет результат выполнения кода? 👾 — 3 1 👍 — 1 3 🥰 — Error ⚡️ — Другое Библиотека задач по Python

Задача: Агент с самокоррекцией (Self-Correction) ТЗ: Написать агента, который пишет код, запускает тесты, и если они падают — правит код. В линейном скрипте это будет ад из if/else. В LangGraph это изящный цикл: Generate -> Test -> (if error) -> Fix -> Test. — управляемый поток; — state хранит историю попыток; — безопасность (лимит итераций). Учим кодить такие паттерны. Курс уже идёт. Записаться на курс Смотреть певрую лекцию