Библиотека задач по Python | тесты, код, задания

Что делает subprocess.run(cmd, check=True)? 👾 — Печатает вывод в реальном времени 👍 — Бросает CalledProcessError, если код выхода ≠ 0 🥰 — Автоматически убивает процесс через 10 секунд ⚡️ — Включает shell=True по умолчанию Библиотека задач по Python

Кажется, мы окончательно перешли от игрушек к суровому AgentOps Приглашаем на наш обновлённый курс по разработке ИИ-агентов. Никакой воды про «будущее нейросетей», только инженерный подход. На курсе мы: — пошагово строим готовые системы на LangGraph, CrewAI и MCP; — настраиваем кэширование и роутинг, чтобы бот не сожрал токены; — разбираемся со стейтом, учимся дебажить через time-travel и прикручиваем human-in-the-loop; — выводим RAG в прод так, чтобы безопасники не завернули архитектуру из-за 152-ФЗ. В пекло скучные лекции про общую инфраструктуру — сразу фокусируемся на агентных фреймворках и написании кода. Занятия ведут бывалые лиды из Газпромбанка и Альфы, набившие шишки на реальных задачах.

Кстати, на днях мы пилили агента в прямом эфире, если пропустили — есть запись вебинара.

Сегодня последний день, когда можно забрать курс по старым ценам. Базовый тариф сейчас стоит 49 000 ₽ (вместо 62 990 ₽), продвинутый трек — 99 000 ₽ (вместо 124 990 ₽). Если не хочется отдавать всю сумму сразу, есть рассрочка. Торопитесь — на потоке осталось всего 5 мест! → Зафиксировать цену и перейти к сборке своих агентов

Какой из следующих модулей необходимо импортировать для обработки вычислений даты и времени в Python? 👾 — datetime 👍 — date 🥰 — time ⚡️ — timedate Библиотека задач по Python

Что выведет код сверху? 👾 — 3 👍 — 3.5 🥰 — Error Библиотека задач по Python

Самый востребованный навык в ИТ в 2026-м — навык создания ИИ-агентов Мы полностью переработали курс «Разработка AI-агентов» под реалии 2026 года. Никакой долгой теории — с самого начала пишем код. Обучать и делиться набитыми шишками будут эксперты-практики из Газпромбанка, Альфа-Банка и других бигтехов. В программе: — архитектура автономных систем с тестированием, ReAct-циклами и контролем токенов; — практическая работа с актуальными фреймворками LangGraph, AutoGen, MCP и CrewAI; — настройка продвинутого RAG для парсинга документов и точного поиска; — внедрение решений с учётом действующего законодательства (152-ФЗ); — дипломная работа, за основу которой можно взять свой рабочий проект или задачу, которую предложим мы. Эксперты поделятся инсайтами из реального продакшна — тем, о чём вам никогда не расскажет ни одна нейросеть.

Запись первого открытого вебинара, на котором мы вместе с руководителем AI-направления в Альфа-Банке Полиной Полуниной пилили агента в прямом эфире.

Ах да, чуть не забыли! Дарим промокод AGENTSWEB на скидку 10 000 рублей и два курса сверху при покупке до 15 марта 🎁 → Стать AI-инженером

Нужно вызвать блокирующую функцию (нет async-аналога) из обработчика на asyncio, не блокируя event loop. Что выбрать? 👾 — Просто вызвать функцию напрямую в корутине 👍 — await asyncio.to_thread(func, *args, **kwargs) 🥰 — Обернуть функцию в async def и вызвать await func() ⚡ — Запустить функцию через time.sleep для «уступки» циклу Библиотека задач по Python

Чем отличается copy.copy от copy.deepcopy? 👾 — Обе делают глубокую копию 👍 — copy копирует только контейнер, вложенные объекты — по ссылке; deepcopy рекурсивно копирует всё 🥰 — Обе лишь увеличивают счётчик ссылок ⚡️ — deepcopy быстрее, поэтому всегда лучше Библиотека задач по Python

Нужно запустить долгую корутину и дать вызывающему коду таймаут, но при истечении времени задача не должна отменяться, а продолжить выполняться в фоне. Что выбрать? 👾 — await asyncio.wait_for(op(), timeout=5) 👍 — t = asyncio.create_task(op()); await asyncio.wait_for(asyncio.shield(t), timeout=5) 🥰 — Запуск через ThreadPoolExecutor ⚡ — await asyncio.gather(op(), return_exceptions=True) с таймаутом Библиотека задач по Python

⏳ Часовая готовность: создаём ИИ-агента в прямом эфире В 19:00 МСК в рамках нашего курса «Разработка AI-агентов» стартует вебинар «ИИ-агенты в продакшене: от хайпа к деньгам». Спикер — Полина Полунина, руководитель AI-направления в Альфа-Банке. Будет live-демо работающего агента, реальные метрики из корпоративной среды и честный разбор архитектурных граблей — без воды и «успешного успеха». Всем зрителям эфира дадим эксклюзивный промокод AGENTS на скидку 10 000 ₽ на любой тариф курса. 👉 Занять место на вебинаре

☝️ Уже сегодня: ИИ-агенты в продакшене — инженерный подход к интеграции LLM Индустрия активно обсуждает потенциал нейросетей, способных автоматизировать бизнес-процессы и заменить целые отделы. Однако реальное внедрение агентов в production вскрывает серьёзные проблемы: разработчикам приходится бороться с непредсказуемыми галлюцинациями моделей, нестабильными API и сложной интеграцией в существующую архитектуру. Сегодня в 19:00 МСК в рамках нашего курса «Разработка AI-агентов» мы проведём открытый вебинар «ИИ-агенты в продакшене: от хайпа к деньгам». Спикер — Полина Полунина, руководитель AI-направления в Альфа-Банке. Будем говорить о нейросетях с позиции жёсткой инженерии. Разберём три реальных кейса из сурового банковского энтерпрайза, напишем и запустим агента прямо в эфире, честно обсудим грабли, на которые наступает бизнес при интеграции LLM. Тем, кто придёт на эфир, дадим промокод AGENTS на скидку 10 000 ₽ на любой тариф курса. 👉 Занять место на вебинаре

Ваш Python-сервис обрабатывает большое количество сетевых запросов. При профилировании видно, что он простаивает, ожидая I/O. Какой подход наиболее правильный для повышения производительности? 👾 — Увеличить количество потоков в ThreadPoolExecutor 👍 — Перейти на asyncio/uvloop и использовать асинхронные драйверы для работы с I/O 🥰 — Запускать каждый запрос в отдельном процессе через multiprocessing ⚡️ — Чаще вызывать gc.collect() для освобождения памяти Библиотека задач по Python

Что делает yield from subgen? 👾 — Просто вызывает подгенератор и возвращает список 👍 — Делегирует итерацию/send/throw/close подгенератору и получает его return как результат (PEP 380) 🥰 — Запускает подгенератор параллельно в другом потоке ⚡️ — Гарантирует выполнение в отдельном процессе Библиотека задач по Python

Что даёт @dataclass(frozen=True)? 👾 — Глубоко делает неизменяемыми и все вложенные объекты 👍 — Запрещает присваивания атрибутов (иммутабельность на уровне класса) и при eq=True по умолчанию делает экземпляр хешируемым 🥰 — Автоматически копирует все мутируемые аргументы конструктора ⚡️ — Включает slots и уменьшает память Библиотека задач по Python

Какой файл содержит настройки проекта Django? 👾 — settings.py 👍 — config.py 🥰 — app_config.py ⚡️ — project_setup.py Библиотека задач по Python

👍 На курсе по контролируемой разработке AI-агентов мы будем разбирать ровно то, о чём говорит Владислав в голосовом, но уже в формате системной практики. 📅 Старт курса — 20 апреля. Если хотите разобраться, как строить управляемые агентные системы: ➡️ Присоединяйтесь. P.S. С первого занятия будет практика: код и разбор реальных ошибок, а не только теория.

Что выведет код? 👾 — pYtHoN PrOgRaMmInG 👍 — Python Programming 🥰 — python programming ⚡️ — PYTHON PROGRAMMING Библиотека задач по Python

Какой из следующих блоков будет выполняться всегда, независимо от того, возникло ли в программе исключение или нет? 👾 — try 👍 — except 🥰 — finally ⚡️ — Ни один из них Библиотека задач по Python

Что делает параметр response_model в декораторе маршрута? (FastAPI) 👾 — Ограничивает типы входных параметров ⚡️ — Валидирует и сериализует ответ, отсекая лишние поля 🥰 — Меняет код ответа по умолчанию 👍 — Включает автодокументацию Библиотека задач по Python

Что означает RPO? 👾 — Максимально допустимая длительность простоя 👍 — Цель по времени восстановления сервиса 🥰 — Максимально допустимая потеря данных во времени ⚡️ — Среднее время до отказа Библиотека задач по Python