uk
Feedback

Не попадись на ботовода! Telemetrio знаходить і позначає такі канали мітками 👉 Хочеш бачити мітку, оформляй підписку

Python вопросы с собеседований

Python вопросы с собеседований

Відкрити 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

Показати більше

📈 Аналітичний огляд Telegram-каналу Python вопросы с собеседований

Канал Python вопросы с собеседований (@python_job_interview) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 24 847 підписників, посідаючи 5 341 місце в категорії Технології та додатки та 26 133 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 24 847 підписників.

За останніми даними від 16 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 8, а за останні 24 години на -16, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 6.15%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.81% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 1 528 переглядів. Протягом першої доби публікація в середньому набирає 699 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
  • Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як github, api, собеседование, git, docker.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”

Завдяки високій частоті оновлень (останні дані отримано 17 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.

24 847
Підписники
-1624 години
-497 днів
+830 днів
Архів дописів
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 лист, 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 лист, 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 лист, 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 лист, 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 лист, 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 лист, 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 лист, 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 лист, 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 лист, 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 жовт, 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 жовт, 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 жовт, 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 жовт, 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 жовт, 03:52
08 лист, ~05:28

photo content
23 жовт, 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 жовт, 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 жовт, 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 жовт, 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 жовт, 07:48
03 лист, ~15:50

photo content
20 жовт, 08:09