Библиотека задач по Python | тесты, код, задания

В FastAPI вы кладёте correlation-id в contextvars.ContextVar в middleware. В логах он есть в хэндлерах, но иногда пропадает в коде, который выполняется через run_in_executor и в фоновых задачах asyncio.create_task(...). Что делать правильно? 👾 — Заменить ContextVar на глобальную переменную с мьютексом 👍 — Создавать фоновые задачи после установки ContextVar, а для run_in_executor запускать функцию через contextvars.copy_context().run(func, *args) для переноса контекста 🥰 — Перейти на threading.local(), он автоматически работает и в потоках, и в тасках ⚡️ — Включить uvloop — он сам перенесёт контекст в фоновые задачи и executor Библиотека задач по Python

🔥 Последняя неделя перед стартом курса по AI-агентам Старт курса уже 15го числа! Если вы планировали вписаться — сейчас ПОСЛЕДНИЙ шанс забронировать место На курсе: — разложим LLM по косточкам: токенизация, SFT, PEFT, инференс — соберём RAG и научимся оценивать его адекватно — построим настоящую мультиагентную систему — архитектуру, которая умеет расти — разберём CoPilot, сломаем через prompt injection (спасибо Максу) — и наконец, посмотрим, как это работает в MCP и реальных кейсах 📍 Это 5 живых вебинаров + раздатка + домашки + чат с преподавателями И главное — возможность реально разобраться, как проектировать системы на LLM, а не просто «поиграться с API» Промокод на 5.000₽: LASTCALL 👉 Курс здесь

Uvicorn/FastAPI-сервис использует asyncio и сторонние библиотеки, под капотом создающие потоки. Для CPU-bound задач вы подключили multiprocessing, но периодически ловите подвисания/краши при старте воркеров. Какой способ старта процессов корректнее выбрать? 👾 — fork — самый быстрый, поэтому всегда лучший выбор на Linux 👍 — spawn — запуск чистого интерпретатора, безопасен при наличии потоков/мьютексов у родителя 🥰 — forkserver — ничего не меняет относительно потоков, просто сложнее ⚡️ — Любой — способы эквивалентны на Linux Библиотека задач по Python

В Python что произойдёт при использовании изменяемого объекта (например, списка) как значения по умолчанию в аргументах функции? 👾 — Ошибка компиляции, так делать нельзя 👍 — Один и тот же объект будет использоваться для всех вызовов функции 🥰 — Каждый вызов функции будет создавать новый список автоматически ⚡️ — Значение по умолчанию всегда копируется при вызове функции Библиотека задач по Python

В Python при сравнении объектов с оператором is и == есть разница. Что наиболее корректно? 👾 — is сравнивает значения объектов, а == — их идентичность в памяти 👍 — is проверяет идентичность (один и тот же объект в памяти), == — равенство значений 🥰 — Оба оператора работают одинаково, разницы нет ⚡️ — is всегда быстрее и потому используется вместо == Библиотека задач по Python

Как используется конструкция try — except? Какие ещё блоки для обработки исключений существуют? try: Этот блок используется, чтобы обернуть код, который может вызвать исключение. except: В этом блоке пишется код, который будет выполнен, если в блоке try возникнет исключение. Можно указать несколько блоков except. else: Этот блок выполняется, если в блоке try не возникло исключений, то есть всё сработало без ошибок. finally: Данный блок выполняется всегда после try, except и else, независимо от того, появилось исключение или нет (например, содержит инструкцию по закрытию файла). Библиотека задач по Python

Иногда реально ощущение, что нас держат в Матрице. Большинство сидит, читает статьи про ML, смотрит ролики «как это работает» — и всё. ❗ Сегодня последний день промокода Lastcall (−5000 ₽). Уже завтра стартует первый вебинар по Машинному обучению — полный набор для выхода из Матрицы. Кто готов вырваться из симуляции и ворваться в сезон найма? 👾 — я уже в команде Нео 👍 — хочу красную таблетку 🤔 — пока думаю, но интересно 👉 Забронируй место сейчас

В Python-сервисе нужно обрабатывать большое количество CPU-bound задач (например, шифрование или обработку изображений). Вы используете ThreadPoolExecutor, но прироста производительности почти нет. Какой подход будет правильным? 👾 — Увеличить количество потоков в пуле до числа ядер × 10 👍 — Использовать ProcessPoolExecutor или multiprocessing, чтобы обойти GIL 🥰 — Переписать задачи на asyncio, чтобы они выполнялись конкурентно ⚡️ — Вставить вызовы gc.collect() внутри цикла, чтобы ускорить потоки Библиотека задач по Python

⚡️ Будь как этот гений с картинки — предлагай свои условия работодателю, а не наоборот! Кто нужен?

Senior ML-Engineer с опытом работы более 6 месяцев в FAANG компаниях. Требование: разработать кросс-платформенное приложение-трекер зарплат с AI-распознаванием вакансий по резюме.

Но если вы пока джун — я бы предложил: - Full-time контракт: 180к/мес после курса + опцион на карьеру в топ-компаниях - Либо фикс за проект: стань ML-инженером за 39к вместо 44к с промокодом LASTCALL 🔗 Старт 9 сентября

Что выведет код? 👾 — False 👍 — True 🥰 — Error Библиотека задач по Python

🎮 КВЕСТОВАЯ ЛИНИЯ: «Путь Data Scientist'а» ⮕ Твой стартовый набор искателя данных:

Python — твое легендарное оружие (урон по багам +∞) Математика — твой базовый интеллект (влияет на понимание алгоритмов) Машинное обучение — твое дерево навыков (открывает новые способности)

⚡️ АКТИВЕН ВРЕМЕННЫЙ БАФФ: «Щедрость наставника» Эффект: –30% к цене полного набора ДСника Было: 121.800 ₽ → Стало: 84.900 ₽ ☞ Что ждет тебя в этом квесте

— Получение артефактов: портфолио проектов и сертификаты— Прокачка от новичка до Senior Data Scientist— Босс-файты с реальными задачами из индустрии— Доступ к гильдии единомышленников

📎 Забрать бафф Рассрочки: 3 мес | 6 мес | 12 мес

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

😎 Сколько баллов набрали вы? Голосуйте, какой у вас уровень разработчика: 😁 — 5-12 баллов (стажер) 👍 — 13-25 баллов (джуниор) ⚡️ — 26-40 баллов (джуниор+) 👏 — 41-60 баллов (миддл) 🔥 — 61-80 баллов (миддл+) 🎉 — 81-100 баллов (сеньор) 🤩 — 100+ баллов (тимлид) Но вот в чем прикол — опытный разработчик набирает баллы не случайными косяками, а осознанными решениями. 👉 Научим, как быстро прокачаться от стажера до сеньора

Вы обрабатываете большие массивы числовых данных в Python, и профилирование показывает, что большинство времени тратится на циклы for со встроенными типами. Какой подход наиболее правильный для оптимизации? 👾 — Разбить массивы на списки поменьше и обрабатывать их по частям 👍 — Использовать специализированные библиотеки (например, NumPy), которые выполняют векторные операции вне GIL 🥰 — Переписать цикл на вложенные list comprehension ⚡️ — Принудительно запускать gc.collect() после каждой итерации Библиотека задач по Python

Переворачиваем календарь — а там скидки, которые уже закончились. Но мы их вернули на последний день 🤔 До 00:00 третьего сентября (цены как до 1 сентября): ▪️ Математика для Data Science — 35.199 ₽ вместо 44.900 ₽ ▪️ Алгоритмы и структуры данных — 31.669 ₽ вместо 39.900 ₽ ▪️ Основы IT — 14.994 ₽ вместо 19.900 ₽ ▪️ Архитектуры и шаблоны — 24.890 ₽ вместо 32.900 ₽ ▪️ Python — 24.990 ₽ вместо 32.900 ₽ ▪️ ML для Data Science — 34.000 ₽ вместо 44. 000 ₽ ▪️ AI-агенты — 49.000 ₽ вместо 59.000 ₽ 👉 Хватаем скидки из прошлого P.S. Машину времени одолжили у дяди Миши

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

ПОСЛЕДНИЙ ДЕНЬ❗ КУРСЫ ПОДОРОЖАЮТ ЗАВТРА‼️ — ML за 34к вместо 44к + Python в подарок — Математика → второй доступ в подарок — Ранний доступ к AI-агентам с 15 сентября — И МОЖНО УСПЕТЬ КУПИТЬ ВСЁ ДО ПОДОРОЖАНИЯ 👉 Proglib Academy

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

Можно ли объявить несколько присваиваний в одном выражении? На изображении представлены оба варианта. В первой строке переменные a, b и c получают значения 3, 4 и 5 соответственно, а во второй строке все переменные устанавливаются в значение 3.