Python задачи и вопросы
Kanalga Telegram’da o‘tish
Задачи и вопросы с собеседований по python разного уровня сложности По рекламе: @cyberJohnny
Ko'proq ko'rsatish
Tarmoq:1 139
Obunachilar
-124 soatlar
-57 kunlar
-1430 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
![[PYTHON:TODAY]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1e8JKN%2F5465241907756731355%3Fty%3Dx&w=256&q=75)
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Avgust '26
Avgust '260
0 kanalda
Iyul '26
+2
0 kanalda
Get PRO
Iyun '26
+6
0 kanalda
Get PRO
May '26
+2
0 kanalda
Get PRO
Aprel '26
+5
0 kanalda
Get PRO
Mart '26
+4
0 kanalda
Get PRO
Fevral '26
+4
0 kanalda
Get PRO
Yanvar '26
+5
0 kanalda
Get PRO
Dekabr '25
+6
0 kanalda
Get PRO
Noyabr '25
+6
0 kanalda
Get PRO
Oktabr '25
+6
0 kanalda
Get PRO
Sentabr '25
+4
0 kanalda
Get PRO
Avgust '25
+4
0 kanalda
Get PRO
Iyul '25
+2
0 kanalda
Get PRO
Iyun '25
+2
0 kanalda
Get PRO
May '25
+2
0 kanalda
Get PRO
Aprel '25
+8
1 kanalda
Get PRO
Mart '25
+7
0 kanalda
Get PRO
Fevral '25
+5
0 kanalda
Get PRO
Yanvar '25
+11
0 kanalda
Get PRO
Dekabr '24
+10
0 kanalda
Get PRO
Noyabr '24
+6
0 kanalda
Get PRO
Oktabr '24
+57
0 kanalda
Get PRO
Sentabr '24
+25
0 kanalda
Get PRO
Avgust '24
+13
0 kanalda
Get PRO
Iyul '24
+11
0 kanalda
Get PRO
Iyun '24
+17
0 kanalda
Get PRO
May '24
+17
0 kanalda
Get PRO
Aprel '24
+60
0 kanalda
Get PRO
Mart '24
+23
0 kanalda
Get PRO
Fevral '24
+22
0 kanalda
Get PRO
Yanvar '24
+34
0 kanalda
Get PRO
Dekabr '23
+20
0 kanalda
Get PRO
Noyabr '23
+22
0 kanalda
Get PRO
Oktabr '23
+33
0 kanalda
Get PRO
Sentabr '23
+71
0 kanalda
Get PRO
Avgust '23
+8
0 kanalda
Get PRO
Iyul '23
+9
0 kanalda
Get PRO
Iyun '23
+22
0 kanalda
Get PRO
May '23
+17
0 kanalda
Get PRO
Aprel '23
+22
0 kanalda
Get PRO
Mart '23
+28
0 kanalda
Get PRO
Fevral '23
+17
0 kanalda
Get PRO
Yanvar '23
+19
0 kanalda
Get PRO
Dekabr '22
+36
0 kanalda
Get PRO
Noyabr '22
+46
0 kanalda
Get PRO
Oktabr '22
+102
0 kanalda
Get PRO
Sentabr '22
+143
0 kanalda
Get PRO
Avgust '22
+380
0 kanalda
Get PRO
Iyul '22
+197
0 kanalda
Get PRO
Iyun '22
+63
0 kanalda
Get PRO
May '22
+21
0 kanalda
Get PRO
Aprel '22
+41
0 kanalda
Get PRO
Mart '22
+17
0 kanalda
Get PRO
Fevral '22
+19
0 kanalda
Get PRO
Yanvar '22
+24
0 kanalda
Get PRO
Dekabr '21
+157
0 kanalda
Get PRO
Noyabr '21
+181
0 kanalda
Get PRO
Oktabr '21
+64
0 kanalda
Get PRO
Sentabr '21
+44
0 kanalda
Get PRO
Avgust '21
+42
0 kanalda
Get PRO
Iyul '21
+23
0 kanalda
Get PRO
Iyun '21
+9
0 kanalda
Get PRO
May '21
+11
0 kanalda
Get PRO
Aprel '21
+20
0 kanalda
Get PRO
Mart '21
+21
0 kanalda
Get PRO
Fevral '21
+13
0 kanalda
Get PRO
Yanvar '21
+25
0 kanalda
Get PRO
Dekabr '20
+800
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 02 Avgust | 0 | |||
| 01 Avgust | 0 |
Kanal postlari
Какое утверждение о системе зависимостей FastAPI корректно при использовании Depends, BackgroundTasks и ContextVar в асинхронном контексте?
👾 — Все зависимости в FastAPI создаются один раз при запуске приложения и переиспользуются между запросами, если они объявлены через Depends
👍 — Использование ContextVar внутри зависимости гарантирует корректное изолированное состояние на каждый HTTP-запрос, даже при высокой степени параллелизма
🥰 — BackgroundTasks могут быть объявлены внутри зависимости, но они не будут выполнены, если не проброшены явно в APIRouter
⚡️ — Асинхронные зависимости с yield (context managers) поддерживаются FastAPI только при использовании Python 3.12 и выше
Библиотека задач по Python
| 2 | Разработчику нужен стабильный результат, DevOps — контроль инфраструктуры, техлиду — правила для всей команды. Собрали это в одном посте 👇 | 38 |
| 3 | 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 | 47 |
| 4 | Когда название файла уже само по себе считается техническим долгом 😧 | 49 |
| 5 | Есть ли в Python сборщик мусора, и, если есть, как он работает?
Стандартный интерпретатор использует несколько алгоритмов.
🧹 Подсчёт ссылок. Каждый объект в Python содержит внутренний счётчик ссылок. Когда он падает до нуля, это означает, что на объект больше нет ссылок, его можно удалить. Главный недостаток этого алгоритма — не умеет определять циклические ссылки.
🧹 Алгоритм поиска циклов. Реализован в модуле gc и активируется время от времени, а не постоянно. Если коротко, этот алгоритм периодически ищет объекты, которые ссылаются только друг на друга и не доступны извне. Объекты, признанные недостижимыми, удаляются.
Также стоит добавить, что циклический сборщик мусора делит объекты на три поколения в зависимости от того, как долго они существуют в памяти. Новые объекты помещаются в первое поколение. Если они сохраняются после очередного процесса сбора мусора, то перемещаются в следующее по старшинству поколение. Объекты в более старших поколениях проверяются реже.
Библиотека задач по Python | 55 |
| 6 | 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 | 52 |
| 7 | Курс для тех, кто хочет перестать просто «пользоваться AI» и начать выстраивать с ним нормальный процесс разработки 🥳 | 1 |
| 8 | 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 | 74 |
| 9 | Как поддерживать «прибавить x на [l,r]» и «минимум на [l,r]» за O(log n)?
👾 — Префиксные суммы
👍 — Дерево Фенвика
🥰 — Сегментное дерево с ленивой пропагацией
⚡️ — Несортированная куча
Библиотека задач по Python | 77 |
| 10 |  🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться!
Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу.
💼 Главная фишка: финальный проект в портфолио:
В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.
🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽!
Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом
🔗 Занять место и забрать 3 курса (https://clc.to/o7ZCfQ) | 4 |
| 11 |  Что выведет код сверху?
👾 — 0 1
👍 — 0
🥰 — 1
Библиотека задач по Python | 90 |
| 12 |  🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт
По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе.
Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций.
Что внутри урока:
- Устройство LLM.
- Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.).
- Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.
После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning.
👉Смотреть закрытый урок на YouTube (https://clc.to/BSABpQ)
Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться.
🔗 Занять место на курсе (https://clc.to/s8QztA) | 1 |
| 13 |  Что выведет код сверху?
👾 — TypeError
👍 — apple banana
🥰 — 4 3
⚡️ — {"apple": 4, "banana": 3} {"apple": 4, "banana": 3}
Библиотека задач по Python | 78 |
| 14 |  🚀 Уже завтра стартует новый поток курса «ИИ-агенты»!
Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний.
Старт уже завтра!
Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока!
Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой.
🔗 Пройти демо-урок и занять место на курсе (https://clc.to/BsVWCw) | 1 |
| 15 | Что даёт asyncio.TaskGroup по сравнению с gather?
👾 — Запускает задачи параллельно и скрывает исключения
👍 — При первом исключении отменяет остальные, дожидается их и выбрасывает ошибку после with
🥰 — Выполняет задачи строго последовательно
⚡️ — Требует вручную вызывать cancel() для каждой задачи при ошибке
Библиотека задач по Python | 76 |
| 16 |  🤨 Как заставить AI-агента не ломать архитектуру, а нормально писать код?
Мы привыкли общаться с ИИ промптами, но для автономных систем это путь к бесконечным циклам и сливу бюджета. Чтобы убрать хаос, инженеры переходят на Spec-Driven Development (SDD).
Вот как этот подход меняет работу агента на практике:
🔹Контракт вместо текста. Сначала пишется строгая спецификация (JSON-схема/OpenAPI) и автотесты. Агент зажат в рамки интерфейсов, за которые физически не может выйти.
🔹Контроль на шагах. Внутри петли Think-Act-Observe агент сверяет действия со спецификацией.
🔹Саморефлексия. Если ИИ нарушил типы или «додумал» лишнее, тест падает. Агент получает ошибку в контекст и сам правит код, не выходя за рамки ТЗ.
Это лишь база того, как укротить ИИ-разработку. Если вы хотите глубоко внедрить эту методологию, научиться проектировать архитектурные контракты и собирать отказоустойчивые системы —оставляйте заявку (https://clc.to/3s3EKw) на наш новый курс по Spec-Driven Development. Стартуем совсем скоро🙂 | 5 |
| 17 |  🔥 Как перестать слепо доверять ИИ и начать им управлять?
1–2 августа на «ИИ-выходных» вы научитесь проектировать архитектуру автономных AI-агентов и контролировать их работу.
Что будет в вашем портфолио после обучения:
— Вы выйдете с готовым профилем AI-инженера (отлично дополнит ваши LinkedIn и GitHub).
— Освоите связку Python, FastAPI, OpenAI API, Docker и PostgreSQL.
— Соберете полноценный AI-сервис под вашу личную задачу.
Для кого: junior-middle разработчики. Вы пишете на Python, работаете с Git и терминалом (с нуля не подойдет, темп очень быстрый!).
👨💻 Спикер: Алексей Жиряков (Сбер, GenAI).
Места строго ограничены!
👉 Изучить программу и занять место (https://clc.to/-hMISg) | 1 |
| 18 |  Что выведет код?
👾 — Moscow
👍 — 12
🥰 — Saint Petersburg
⚡️ — Nizhny Novgorod
Библиотека задач по Python | 92 |
| 19 | Чем корректно отдавать большой поток данных?
👾 — Response с JSON
👍 — StreamingResponse
🥰 — FileResponse всегда загружает весь файл в память
⚡️ — HTMLResponse
Библиотека задач по Python | 81 |
| 20 |  📹 Из чего на самом деле состоит ИИ-агент?
Прикрепили для вас свежую вырезку из вебинара. Внутри, что прячется под капотом агентных систем: от LLM-ядра до вызова внешних инструментов. Обсуждаем, какими бывают агенты (спойлер: далеко не только автономными) и когда какой подход использовать.
Готовы перейти от видео к практике и собрать свой первый продакшн-кейс?
Прямо сейчас у нас действует акция «3 курса по цене 1»:
🔹 При покупке VIP-тарифа нового потока «Разработка ИИ-агентов» вы получаете в подарок хардкорный курс «AgentOps» + ещё один любой курс Академии на ваш выбор!
🔹 Ваша чистая экономия — 129 000 ₽! Два топовых курса по созданию и контролю агентов обойдутся вам всего в 134 000 ₽ вместо 263 000 ₽. Плюс третий курс бонусом (например, «Математика для AI»).
Сомневаетесь, подойдет ли вам формат? Оставьте заявку и пройдите бесплатный демо-урок, чтобы протестировать платформу перед покупкой.
👉 Пройти демо-урок и забрать 3 курса по цене 1 (https://clc.to/h6HOiw) | 1 |
