Библиотека задач по Python | тесты, код, задания

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

Что делает asyncio.gather(..., return_exceptions=True)? 👾 — Отменяет все задачи при первом исключении 👍 — Возвращает исключения как элементы результата, не прерывая остальные задачи 🥰 — Полностью скрывает исключения и возвращает None ⚡️ — Автоматически перезапускает упавшие задачи Библиотека задач по Python

У вас есть Python-сервис, обрабатывающий большие объёмы данных. При профилировании видно, что программа тратит много времени на создание временных коллекций при работе с map, filter и list comprehensions. Какой подход поможет уменьшить расход памяти и повысить эффективность? 👾 — Переписать код на while-циклы с индексами 👍 — Использовать генераторы и выражения-генераторы вместо создания списков 🥰 — Заменить map и filter на вложенные for-циклы ⚡️ — Принудительно вызывать gc.collect() после каждой итерации Библиотека задач по Python

Что помогает делать встроенная функция в контексте классов? 👾 — Определяет имя объекта любого значения 👍 — Определяет идентификаторы класса любого значения 🥰 — Определяет описание класса любого встроенного типа ⚡️ — Определяет описание класса любого встроенного типа, определенного пользователем Библиотека задач по Python

Что выведет код? 👾 — 0.5 👍 — 0 🥰 — 0.0 ⚡️ — Error Библиотека задач по Python

В Python-сервисе нужно обрабатывать очень большие объёмы данных построчно из файлов размером в десятки гигабайт. Какой подход наиболее правильный, чтобы избежать проблем с памятью? Варианты ответа: 👾 — Использовать readlines() для чтения всего файла в список 👍 — Читать файл построчно через итератор (for line in file:) 🥰 — Сначала загрузить файл в pandas.DataFrame, а затем обрабатывать ⚡️ — Использовать json.load() для загрузки файла в память Библиотека задач по Python

Как внутри вложенной функции изменить переменную из внешней (но не глобальной) области? 👾 — global x 👍 — nonlocal x 🥰 — Просто x = ... — изменит замыкание автоматически ⚡️ — locals()['x'] = ... Библиотека задач по Python

У вас есть Python-сервис, обрабатывающий большие объёмы данных. При профилировании видно, что программа тратит много времени на создание временных коллекций при работе с map, filter и list comprehensions. Какой подход поможет уменьшить расход памяти и повысить эффективность? 👾 — Переписать код на while-циклы с индексами 👍 — Использовать генераторы и выражения-генераторы вместо создания списков 🥰 — Заменить map и filter на вложенные for-циклы ⚡️ — Принудительно вызывать gc.collect() после каждой итерации Библиотека задач по Python

У вас есть сервис на Python, который должен параллельно обрабатывать CPU-bound задачи (например, шифрование файлов). Какой из подходов обеспечит реальный прирост производительности? 👾 — Использовать threading.Thread для распараллеливания задач 👍 — Применить asyncio и await для конкурентного выполнения 🥰 — Использовать multiprocessing или ProcessPoolExecutor ⚡️ — Запускать задачи в concurrent.futures.ThreadPoolExecutor Библиотека задач по Python

У вас есть высоконагруженное Django-приложение. Пользователи жалуются на медленные отклики при работе с ORM-запросами. Какой из подходов будет наиболее правильным для оптимизации? 👾 — Использовать select_related и prefetch_related для оптимизации запросов и уменьшения количества обращений к базе 👍 — Заменить все ORM-запросы на чистый SQL, так как он всегда быстрее 🥰 — Увеличить таймаут подключения к базе данных ⚡️ — Отключить транзакции, чтобы ускорить коммиты Библиотека задач по Python

Вы случайно закоммитили секретные данные (пароль/ключ API) в публичный репозиторий. Какой из подходов наиболее правильный для удаления этой информации из истории? 👾 — Выполнить git reset --hard и закоммитить снова 👍 — Удалить файл локально и сделать новый коммит с исправлением 🥰 — Использовать git filter-repo (или git filter-branch) для переписывания истории и удалить секреты из всех прошлых коммитов ⚡️ — Просто добавить секрет в .gitignore, чтобы он больше не попадал в коммиты Библиотека задач по Python

Что выведет код? 👾 — [7, 19, 45, 89] 👍 — [2, 4, 22, 72] 🥰 — [4, 7, 19, 2, 89, 45, 72, 22] ⚡️ — [2, 4, 7, 19, 22, 45, 72, 89] Библиотека задач по Python

Ваш Python-сервис должен обрабатывать большое количество одновременных HTTP-запросов. Вы замечаете, что при использовании потоков прироста производительности почти нет. Какой подход наиболее правильный? 👾 — Увеличить количество потоков в ThreadPoolExecutor, чтобы нагрузить CPU 👍 — Перейти на asyncio или uvloop, чтобы эффективно обрабатывать I/O-bound задачи без блокировок 🥰 — Использовать multiprocessing, создавая процесс на каждый запрос ⚡️ — Запускать gc.collect() вручную чаще, чтобы ускорить выполнение потоков Библиотека задач по Python

😱 Если ваш продукт не умеет отдавать данные в формате, понятном AI-агенту, то вас просто не существует Скрипт не будет кликать по красивым кнопкам в браузере, он уйдёт к конкуренту с нормальным API. Перестроить архитектуру под машинных клиентов — это уже не хайп, а необходимое условие сохранения конкурентоспособности. Как адаптировать продукт и не исчезнуть из выдачи: — интегрировать MCP и A2A-взаимодействие, чтобы агенты могли вас читать; — научиться контролировать стоимость (лимиты, кэш, роутинг между моделями); — настроить AgentOps: трейсинг, логирование и отлов регрессий. Всё это ждёт вас на обновлённом курсе «Разработка AI-агентов». Мы специально сделали фокус на утилитарном инжиниринге и production-ready решениях. Кстати, до 29 марта можно забрать курс с большой скидкой, и стоит поторопиться — мест на потоке всё меньше. Зафиксировать цену и начать деплоить агентов без слива бюджета 👈

Какой язык шаблонов используется по умолчанию в Django? 👾 — Django Template Language 👍 — HTML 🥰 — Jinja ⚡️ — XML Библиотека задач по Python

Какое из следующих утверждений верно? 👾 — Неприватный метод в суперклассе может быть переопределен 👍 — Метод подкласса может быть переопределен суперклассом 🥰 — Приватный метод в суперклассе может быть переопределен ⚡️ — Переопределение невозможно в Python Библиотека задач по Python

Начать рассказывать интервьюеру, как вы ловко дёргаете ручки API через базовый LangChain. Звучит как отличный план, да? Нет, это мгновенный отказ. В свежем отчёте по рынку GPU говорится, что 54% компаний стопают ИИ-внедрения тупо из-за конских затрат на инфраструктуру. На серверах более 70% стоимости — это видеокарты. Поэтому на собесах сейчас спрашивают не про красивые промпты, а про жёсткую экономику агентов. По сути, от вас ждут понимания, как лимитировать ресурсы на лету, роутить запросы и дебажить отказы через механизм time-travel в LangGraph. Если вы до сих пор собираете ботов в ноутбуках, гляньте обновлённый курс «Разработка ИИ-агентов» — фокус там смещён с игрушечных концепций на суровый энтерпрайз. Что требуют от мидлов и выше: — интеграция мультиагентных систем по стандарту MCP; — суровый AgentOps: метрики, трейсинг, защита от деградации пайплайнов; — локальный деплой Open Source под 152-ФЗ (без этого в финтех можно даже не стучаться). Прямо сейчас можно урвать курс с увесистой скидкой (49 000 ₽ 62 990 ₽ за базовый тариф и 99 000 ₽ 124 990 ₽ за продвинутый трек), но стоит поторопиться — на потоке осталось всего 5 мест. 👉 Подтянуть архитектуру до уровня прода

Чем functools.cached_property отличается от @property? 👾 — Всегда вычисляет заново при каждом доступе 👍 — Вычисляет один раз на экземпляр и кеширует; можно сбросить del obj.attr 🥰 — Делит кеш между всеми экземплярами класса ⚡️ — Автоматически кэширует результаты корутин Библиотека задач по Python

Зачем в multiprocessing на Windows нужен if __name__ == "__main__":? 👾 — Чтобы было быстрее 👍 — Чтобы избежать рекурсивного спавна: Windows использует spawn и повторно импортирует модуль; гард не даст выполнить модульный код в дочернем процессе 🥰 — Нужен для совместимости с Python 2 ⚡️ — Он отключает GIL в дочерних процессах Библиотека задач по Python

Чем typing.Any отличается от object? 👾 — Any — то же самое, что object 👍 — Any совместим со всем и «протекает» проверки; object — верхний тип, но требует явных проверок/кастов для специфичных методов 🥰 — object запрещает присваивания переменных других типов ⚡️ — Any делает объект неизменяемым Библиотека задач по Python