ru
Feedback

Не попадитесь на канал ботавода! Telemetrio находит и помечает такие каналы 👉 Хотите видеть метку — оформите подписку

Python вопросы с собеседований

Python вопросы с собеседований

Открыть в Telegram

Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd

Больше

📈 Аналитический обзор Telegram-канала Python вопросы с собеседований

Канал Python вопросы с собеседований (@python_job_interview) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 24 847 подписчиков, занимая 5 341 место в категории Технологии и приложения и 26 133 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 24 847 подписчиков.

Согласно последним данным от 16 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 8, а за последние 24 часа — -16, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.15%. В первые 24 часа после публикации контент обычно набирает 2.81% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 1 528 просмотров. В течение первых суток публикация набирает 699 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 8.
  • Тематические интересы: Контент сосредоточен на ключевых темах, таких как github, api, собеседование, git, docker.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“Вопросы с собеседований по Python @workakkk - админ @machinelearning_interview - вопросы с собесдований по Ml @pro_python_code - Python @data_analysis_ml - анализ данных на Python @itchannels_telegram - 🔥 главное в ит РКН: clck.ru/3FmrFd”

Благодаря высокой частоте обновлений (последние данные получены 17 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.

24 847
Подписчики
-1624 часа
-497 дней
+830 дней
Архив постов
Python в 33 раза медленнее C++? Честный тест против Go и Rust Один и тот же алгоритм на четырёх языках: считаем простые числа до 5 миллионов. C++, Rust и Go укладываются в 1,4 секунды, чистый Python тратит 47. Но стоит сменить алгоритм и взять NumPy, и тот же ответ получается за 0,02 секунды. https://www.youtube.com/shorts/br62ibju8mQ
17 нояб., 06:25

Одна правка документа перегрузила PostgreSQL. Как в Django переделали кеш Команда Джонни Метца хранила в Redis готовый список документов для каждого пользователя. Когда крупный клиент изменил одну общую запись, обработчик сбросил кеш тысяч пользователей. Их следующие запросы почти одновременно пошли в PostgreSQL, и API несколько минут работал медленнее. Кеш разделили. Для пользователя хранят только ID доступных ему документов. Каждый документ лежит в Redis в одном экземпляре, а Django забирает нужные записи пачкой через get_many. Поле can_edit вычисляют при сборке ответа с учётом прав конкретного пользователя. Теперь при переименовании документа достаточно удалить один ключ doc:<id>. TTL увеличили до семи дней. Ключи удаляют после коммита через transaction.on_commit: если удалить ключ раньше, параллельный запрос может снова положить в кеш старые данные. При промахе читают из primary, чтобы в кеш не попала устаревшая версия с отстающей реплики. За три месяца внедрения трафик вырос примерно на 40%, средняя задержка упала примерно на 40%, а число запросов к БД в секунду сократилось вдвое. На обычном пике API обслуживает около 1 100 запросов в секунду, доля попаданий в кеш составляет 97%. https://johnnymetz.com/posts/caching-at-scale-in-django/
15 нояб., 08:06

5 самых дорогих багов в истории: какая ошибка стоила $5,4 млрд? От перепутанных фунтов и ньютонов в NASA до обновления CrowdStrike, после которого 8,5 млн компьютеров с Windows упали в синий экран. Разбираем, как одна строка кода сожгла ракету, обнулила биржевую компанию за 45 минут и заставила Intel менять процессоры. https://www.youtube.com/shorts/JWYBWH0kmgE?feature=share
14 нояб., 07:29

Python научился разбирать JSON со скоростью 65,7 ГБ/с. И всё это в одном процессе Здесь показано как использовать свободную м
Python научился разбирать JSON со скоростью 65,7 ГБ/с. И всё это в одном процессе Здесь показано как использовать свободную многопоточность Python 3.14 и библиотеку fastsimdjson для экстремально быстрой обработки JSON. В эксперименте обработали 7,6 ГБ данных и 2,2 млн событий GitHub. Результаты на сервере с 64 ядрами Intel Xeon: | Парсер | Скорость | |---|---:| | Python `json` | 3,17 ГБ/с | | `msgspec` | 24,6 ГБ/с | | `fastsimdjson` | 29,8 ГБ/с | | `fastsimdjson` Lazy | **65,7 ГБ/с** | На одном ядре Lazy-режим показал 2,13 ГБ/с против 0,18 ГБ/с у стандартного json. В чём секрет? fastsimdjson использует SIMD-оптимизации и многопоточность. А режим lazy=True создаёт Python-объекты только для тех полей JSON, которые действительно нужны программе. В результате обработка 7,6 ГБ данных заняла около 0,12 секунды. Установка:

pip install fastsimdjson
Для эксперимента использовался Python 3.14.6 в free-threaded-сборке без GIL. Бенчмарк: https://github.com/lemire/fastsimdjson Исследование: https://lemire.me/blog/2026/10/12/parsing-json-at-tens-of-gigabytes-per-second-in-python/
13 нояб., 08:04

Python: задача, на которой легко ошибиться даже опытному разработчику 🧠 Что выведет этот код?

a = [0, 1, 2]
i = 0

i, a[i] = 1, a[i] + 10

print(a, i)
Варианты: A

[10, 1, 2] 1
B

[0, 10, 2] 1
C

[0, 1, 12] 1
D

IndexError
Здесь проверяется неочевидная особенность Python: порядок вычисления правой части множественного присваивания и последовательность присваивания целевых переменных. У задачи есть подвох, связанный с тем, в какой момент Python вычисляет индекс a[i]. Какой вариант правильный? Объясните порядок выполнения по шагам.
10 нояб., 10:20

🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
10 нояб., 08:19

Python: одна строка, которая изменит список, а потом выбросит исключение Что выведет этот код?

data = ([1, 2],)

try:
    data[0] += [3]
except TypeError:
    print("Ошибка!")

print(data)
Варианты: A

Ошибка!
([1, 2],)
B

Ошибка!
([1, 2, 3],)
C

([1, 2, 3],)
D

TypeError: 'tuple' object does not support item assignment
Здесь проверяется сразу несколько особенностей Python: неизменяемость кортежей, изменяемость вложенных объектов и поведение оператора +=. Какой вариант правильный и почему?
08 нояб., 05:11

10 лет программирования на Python за 10 минут. База, которая сэкономит тебе годы Всё, что обычно понимаешь только через годы работы и код-ревью: как Python хранит данные, питонический стиль, структуры данных, декораторы, генераторы, dataclass, обработка ошибок, типы и тесты, uv и pyproject.toml, профилирование, asyncio и numpy. Без синтаксиса для новичков, только опыт. 00:00 Вступление 00:16 Год 1. Как Python хранит данные 01:10 Год 2. Пиши по-питоновски 01:58 Год 3. Структуры данных 02:47 Год 4. Функции как объекты 03:41 Год 5. Генераторы 04:30 Год 6. ООП по-питоновски 05:22 Год 7. Ошибки и ресурсы 06:01 Год 8. Типы и тесты 06:42 Год 9. Окружение и проекты 07:27 Год 10. Производительность 08:12 Итоги https://www.youtube.com/watch?v=yQH3Hoo7JeM
07 нояб., 07:17

Зачем вам Hugo и Jekyll? На Python теперь можно собрать статический сайт в три строки Разработчик nanodjango показал, как превратить Django в генератор статических сайтов без сложной конфигурации и десятков файлов. Всё приложение:

from nanodjango import Django

app = Django()
app.pages("/", path="pages")
Устанавливаем зависимости:

pip install nanodjango django-nanopages django-distill
Теперь достаточно положить Markdown-файлы в папку pages/. Они автоматически превращаются в страницы с поддержкой Django-шаблонов. Что особенно интересно: - Markdown и HTML с поддержкой frontmatter. - Автоматическая перезагрузка страниц при редактировании. - Генерация статического сайта одной командой. - Поддержка Django ORM, моделей и админки. - Возможность превратить проект в полноценное веб-приложение без переписывания с нуля. Сборка HTML:

nanodjango manage website.py distill generate \
  --output-directory=output/ --collectstatic
Самая необычная возможность: можно управлять контентом через Django Admin и базу данных, а на выходе получать обычные статические HTML-файлы без серверной логики. Подойдёт для документации, блогов, лендингов и небольших сайтов. https://nanodjango.dev/blog/2026-10-static-site-builder/
02 нояб., 04:57

📄️️️️️️ Agent Harness Course 2026 - как построить своего AI-агента с нуля Пошаговый курс на ~8 недель (1–2 часа в день): от
📄️️️️️️ Agent Harness Course 2026 - как построить своего AI-агента с нуля Пошаговый курс на ~8 недель (1–2 часа в день): от одного запроса к LLM до агента с инструментами, памятью, субагентами, защитой и тестами - и финального проекта. Свой учебный харнес на чистом Python без единой зависимости, 7 запускаемых уроков, финальный проект, 19 тестов и разбор архитектуры настоящего open-source агента. Ai Ml — материал переработан, структурирован и дополнен кодом, схемами и справочниками. Курс не учит «пользоваться ещё одним фреймворком». Он показывает, из чего сделан любой агент — Claude Code, Codex, Cursor, Devin, LearnHarness — и даёт собрать каждую деталь руками. После этого любой фреймворк читается за вечер, а любой баг агента - объясним. https://github.com/justxor/agent-harness-course/
31 окт., 09:00

Одна библиотека для сериализации и проверки данных в Python 🔥 msgspec объединяет работу с JSON, MessagePack и валидацию типо
Одна библиотека для сериализации и проверки данных в Python 🔥 msgspec объединяет работу с JSON, MessagePack и валидацию типов. Что внутри: - Быстрая сериализация. - Проверка данных по типам. - Поддержка JSON и MessagePack. - Типизированные структуры Python. Установка: pip install msgspec Стоит присмотреться, если в проекте много обмена структурированными данными и хочется совместить их обработку с проверкой. https://github.com/msgspec/msgspec
31 окт., 05:23

Django 6.1: загрузка связанных данных по требованию, каскадное удаление силами БД и новая настройка почты. Релиз вышел 5 августа. Три основных изменения: 1. Новые режимы загрузки полей FETCH_PEERS при обращении к незагруженному полю получает данные сразу для объектов из того же QuerySet. Это помогает бороться с N+1:

from django.db import models

books = Book.objects.fetch_mode(models.FETCH_PEERS)

for book in books:
    print(book.author.name)
В этом примере Django выполняет два запроса: за книгами и за их авторами. Режим `FETCH_RAISE` вместо неявного запроса выбрасывает исключение – полезно для обнаружения неожиданных обращений к БД. 2. Удаление на уровне базы Для ForeignKey.on_delete появились `DB_CASCADE`, `DB_SET_NULL` и `DB_SET_DEFAULT`. Логику выполняет сама БД через SQL ON DELETE. Нюанс: `DB_CASCADE` не вызывает сигналы `pre_delete` и `post_delete`. 3. Несколько почтовых бэкендов Настройка `MAILERS` позволяет описывать разные подключения словарём, а при отправке выбирать нужное через using. Перед обновлением проверьте версии БД: нужны PostgreSQL 15+, MySQL 8.4+, MariaDB 10.11+ или SQLite 3.37+. https://www.djangoproject.com/weblog/2026/aug/05/django-61-released/
28 окт., 06:04

LRU-кэш на Python: разбор задачи с собеседования (O(1), OrderedDict, TTL) Разбираем LRU-кэш на Python за O(1): двусвязный спи
LRU-кэш на Python: разбор задачи с собеседования (O(1), OrderedDict, TTL) Разбираем LRU-кэш на Python за O(1): двусвязный список и хеш-таблица, решение через OrderedDict, TTL и потокобезопасность. Код, тесты и типичные ошибки. LRU-кэш (Least Recently Used) - одна из самых популярных задач на собеседованиях Python-разработчиков уровня middle и senior. Она короткая, но сразу показывает, понимает ли кандидат сложность алгоритмов, умеет ли комбинировать структуры данных и пишет ли чистый код. В этой статье разберём задачу по шагам: от наивного решения к оптимальному за O(1), затем к Pythonic-версии через OrderedDict и к усложнениям, которые любят давать интервьюеры. https://uproger.com/lru-cache-python-sobesedovanie/
26 окт., 07:04

👨🏻‍💻 AI в бэкенд-задачах — на Podlodka Backend Crew Код теперь может написать агент, но за результат всё ещё отвечаете вы.
+4
👨🏻‍💻 AI в бэкенд-задачах — на Podlodka Backend Crew Код теперь может написать агент, но за результат всё ещё отвечаете вы. Организаторы Podlodka Backend Crew собрали конференцию о том, как работать с бэкендом после того, как AI написал код. Причём в программе нет докладов в жанре «у нас все получилось» — только реальная практика. Конференция пройдёт с 26 по 30 октября. 🧠️️️️ Участники сезона: • Разберут пулл‑реквесты от агента и попробуют предотвратить возможные инциденты на рулетке кейсов • Выяснят, какие неожиданные ловушки скрываются в OpenAPI и на что обращать внимание при разработке контрактов • Разберут антипаттерны в AI-юнит-тестах, узнают, как их избежать с помощью современных инструментов, и заберут себе новый агентский скилл • Спроектируют бэкенд дейтинг-приложения на архитектурной кате и решат, где в нём действительно нужен AI. Формат Podlodka Backend Crew — комфортный онлайн: 5 дней, утренние и вечерние сессии в Zoom. Отдельный плюс — цена: заметно ниже привычных конференций, при этом вы не просто слушаете о чужом опыте, а разбираете PR и отвечаете за релиз, проектируете систему в команде и расследуете чужие провалы. Такого вовлечения не получить на обычной конференции. 🔗 Изучайте программу и присоединяйтесь: https://podlodka.io/becrew Промокод на скидку для подписчиков backendcrew
26 окт., 03:52
08 нояб., ~05:28

photo content
23 окт., 08:02

Как выучить Python с нуля в 2026 году: пошаговый план для начинающих Пошаговый план изучения Python с нуля: установка, синтак
Как выучить Python с нуля в 2026 году: пошаговый план для начинающих Пошаговый план изучения Python с нуля: установка, синтаксис, первые проекты, ошибки новичков и ответы на частые вопросы. С примерами кода. Python — один из самых популярных языков программирования в мире. В этой статье - пошаговый план, как выучить Python с нуля: от установки до первых проектов, с примерами кода, типичными ошибками новичков и ответами на частые вопросы. https://uproger.com/kak-vyuchit-python-s-nulya/
23 окт., 06:44

LLM в 200 раз быстрее: скоринг вместо генерации Как превратить открытую LLM в быстрый локальный движок решений через скоринг
LLM в 200 раз быстрее: скоринг вместо генерации Как превратить открытую LLM в быстрый локальный движок решений через скоринг следующего токена в SGLang: код, тесты на Qwen и сравнение с генерацией. Многие вызовы LLM в продакшене вообще не требуют нового текста. Приложение заранее знает все допустимые ответы, и модели остается только выбрать один из них. Классический пример: тикет в поддержку «С меня дважды списали деньги за одну и ту же подписку», который нужно отправить в биллинг, техподдержку или отдел доступа к аккаунтам. https://uproger.com/lokalnaya-llm-jev-skoring-sglang/
22 окт., 04:42

В Python 3.15 одна звёздочка заменяет вложенный цикл Раньше для объединения списков писали:

rows = [[1, 2], [3], [4, 5]]

flat = [x for row in rows for x in row]
Теперь достаточно:

flat = [*row for row in rows]
# [1, 2, 3, 4, 5]
Двойная звёздочка объединяет словари:

configs = [
    {"debug": False, "timeout": 10},
    {"timeout": 30},
]

config = {**part for part in configs}
# {'debug': False, 'timeout': 30}
При совпадении ключей побеждает последнее значение — удобно собирать настройки из нескольких источников. Распаковка убирает один уровень вложенности. В Python 3.14 такой синтаксис внутри comprehensions вызовет SyntaxError. https://peps.python.org/pep-0798/
21 окт., 10:01

Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи? Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке. Собрали подборку полезных материалов под разные направления: ➡️ Аналитикам: — Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨 — Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥 ➡️ Разработчикам: — Go и System Design в Ozon 🔵, GO в Авито😎 — Банк алгоритмических собеседований из BigTech ➡️ ML/AI-инженерам: — Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎 — 10 кейсов по ML System Design в Т-Банке 🟨 ➡️ Тем, кто ищет первую стажировку: — Как получить стажировку в 2026 году — Где взять опыт, если его нет В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech. Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа ПОСТУПАШКИ ПОДПИСАТЬСЯ
21 окт., 07:48
03 нояб., ~15:50

photo content
20 окт., 08:09