Python вопросы с собеседований

🖥 Практическая задача. Разработать функции для работы с приоритетной очередью Запрограммировать функции для работы с приоритетной очередью. Очередь запросов формируется согласно приоритету, снятие выполняется подряд, начиная с младших адресов ( то есть с начала очереди). Очередь должна представлять из себя массив, в котором должен выполняться сдвиг после каждого чтения и сдвиг — после достижения границы памяти, которая выделена для очереди. Приоритет: минимальное значение числового параметра, при совпадении параметров — LIFO. Пишите свое решение в комментариях👇 @python_job_interview

😎 Подборка сайтов для поиска работы по всему миру 🚀Франция https://candidat.pole-emploi.fr/espacepersonnel/ https://www.indeed.fr https://www.monster.fr 🚀Германия https://stellenmarkt.sueddeutsche.de/ https://www.arbeitsagentur.de/ https://www.monster.de/ https://www.horizontjobs.de/ 🚀Италия https://www.careerjet.it/ http://www.monster.it/ https://it.indeed.com/ https://www.infojobs.it/ 🚀Испания https://www.infojobs.net/ https://www.monster.es/ https://www.infoempleo.com/ 🚀США www.indeed.com https://www.careerbuilder.com/ http://craiglist.com/ www.monster.com https://www.vacancyopen.com/ 🚀Чехия https://www.jobs.cz/ https://www.profesia.cz/ https://www.prace.cz/ https://www.dobraprace.cz/ www.dzob.cz 🚀Польша https://www.pracuj.pl/ https://www.jobs.pl https://gazetapraca.pl/ www.gowork.pl 🚀Великобритания https://www.indeed.co.uk https://www.monster.co.uk/advertise-a-job/ https://www.cv-library.co.uk/ 🚀Швеция https://www.monster.se/ https://www.jobbsafari.se/ https://www.metrojobb.se/ 🚀Австралия http://jobsearch.gov.au www.seek.com.au www.careerone.com.au 🚀Венгрия https://nofluffjobs.com/hu/ 🚀Канада www.workopolis.com http://www.canadajobs.com http://ca.indeed.com http://www.monster.ca/ 🚀Латвия https://www.cv.lv/lv/ 🚀Турция http://www.yenibiris.com/ http://www.kariyer.net/ https://turkey.xpatjobs.com/ #vacancy #job @python_job_interview

101 вопрос, на которые должен ответить Python-разработчик Готовитесь к собеседованию? Или просто изучаете Python? В этой статье собраны наиболее популярные вопросы по Python, которые помогут проверить ваши знания и подтянуть пробелы: https://tproger.ru/articles/101-vopros-python-razrabotchiku/ #python

101 вопрос, на который должен ответить Python-разработчик Если вы программируете на Python, проверьте свои знания в подборке из 101 вопроса для Python-разработчиков, на которые должен знать ответы любой специалист: ▪ Читать @python_job_interview

🖥 Задача реализовать алгоритм Jump Search Jump Search похож на бинарный поиск тем, что он также работает с отсортированным массивом и использует аналогичный подход «разделяй и властвуй» для поиска по нему. Его можно классифицировать как усовершенствованный алгоритм линейного поиска, поскольку он зависит от линейного поиска для выполнения фактического сравнения при поиске значения. В заданном отсортированном массиве мы ищем не постепенно по элементам массива, а скачкообразно. Если у нас есть размер прыжка, то наш алгоритм будет рассматривать элементы входного списка lys в следующем порядке: lys[0], lys[0+jump], lys[0+2jump], lys[0+3jump] и так далее. Решение С каждым прыжком мы сохраняем предыдущее значение и его индекс. Когда мы находим множество значений (блок), где lys[i] < element < lys[i + jump], мы выполняем линейный поиск с lys[i] в качестве самого левого элемента и lys[i + jump] в качестве самого правого элемента в нашем множестве: import math def JumpSearch (lys, val): length = len(lys) jump = int(math.sqrt(length)) left, right = 0, 0 while left < length and lys[left] <= val: right = min(length - 1, left + jump) if lys[left] <= val and lys[right] >= val: break left += jump; if left >= length or lys[left] > val: return -1 right = min(length - 1, right) i = left while i <= right and lys[i] <= val: if lys[i] == val: return i i += 1 return -1 Поскольку это сложный алгоритм, давайте рассмотрим пошаговое вычисление для следующего примера: >>> print(JumpSearch([1,2,3,4,5,6,7,8,9], 5)) Jump search сначала определит размер прыжка путем вычисления math.sqrt(len(lys)). Поскольку у нас 9 элементов, размер прыжка будет √9 = 3. Далее мы вычисляем значение переменной right. Оно рассчитывается как минимум из двух значений: длины массива минус 1 и значения left + jump, которое в нашем случае будет 0 + 3 = 3. Поскольку 3 меньше 8, мы используем 3 в качестве значения переменной right. Теперь проверим, находится ли наш искомый элемент 5 между lys[0] и lys[3]. Поскольку 5 не находится между 1 и 4, мы идем дальше. Затем мы снова делаем расчеты и проверяем, находится ли наш искомый элемент между lys[3] и lys[6], где 6 — это 3 + jump. Поскольку 5 находится между 4 и 7, мы выполняем линейный поиск по элементам между lys[3] и lys[6] и возвращаем индекс нашего элемента: 4 Временная сложность jump search равна O(√n), где √n — размер прыжка, а n — длина списка. Таким образом, с точки зрения эффективности jump search находится между алгоритмами линейного и бинарного поиска. Единственное наиболее важное преимущество jump search по сравнению с бинарным поиском заключается в том, что он не опирается на оператор деления (/). В большинстве процессоров использование оператора деления является дорогостоящим по сравнению с другими основными арифметическими операциями (сложение, вычитание и умножение), поскольку реализация алгоритма деления является итеративной. Стоимость сама по себе очень мала, но когда количество искомых элементов очень велико, а количество необходимых операций деления растет, стоимость может постепенно увеличиваться. Поэтому jump search лучше бинарного поиска, когда в системе имеется большое количество элементов: там даже небольшое увеличение скорости имеет значение. Чтобы ускорить jump search, мы могли бы использовать бинарный поиск или какой-нибудь другой алгоритм для поиска в блоке вместо использования гораздо более медленного линейного поиска. 👉 Пишите ваше решение в комментариях👇 @python_job_interview

Курс «Английский для разработчиков» Яндекс Практикума Для тех, кто хочет изменить свою профессиональную жизнь и работать в международной команде. Обучение построено не вокруг абстрактной теории, а вокруг рабочих ситуаций и полезных для карьеры навыков: ✋Стендапы. Подготовитесь обсуждать задачи, задавать вопросы и просить о помощи. 👨‍💻 Работа с заказчиками. Научитесь презентовать решения, говорить про баги и фичи. 📣 Митапы. Сможете понимать на слух доклады и выступать сами. 😎 Собеседования. Научитесь рассказывать про свой опыт, понимать вопросы и тактично переспрашивать. 👯 Неформальное общение с коллегами. Сможете рассказать о своих интересах, опыте, планах на будущее. 💻 Код-ревью. Сможете описать сделанное, дать обратную связь, тактично отстоять своё мнение. Запишитесь на бесплатную консультацию. Кураторы определят ваш уровень языка и расскажут подробнее про обучение.

🖥 Задача с собеседования | Уровень: #Easy Условие: Создать функцию которая принимает число и возвращает "Even" для чётных чисел и "Odd" для нечётных. Пример: 2 → "Even" 1 → "Odd" -46 → "Even" 71 → "Odd" 0 → "Even" -123 → "Odd" 👉 Пишите ваше решение в комментариях👇 @python_job_interview

Как обеспечить асинхронную связь между микросервисами? Нужен брокер сообщений, например, Kafka или RabbitMQ. Их особенности и плюсы-минусы обсудим на открытом уроке, который пройдет 🗓 3 апреля в 20:00. На занятии: - ознакомимся с основными принципами работы этих брокеров, - посмотрим на их использование в live demo. 👨‍💻 Спикером выступит Евгений Непомнящий — C++ и Java разработчик, в IT с 2006 года, Oracle Certified Professional. 👉 Для регистрации на урок пройдите вступительное тестирование — https://otus.pw/Zus1/ Занятие является бесплатной пробной частью онлайн-курса «Microservice Architecture». Оплата курса возможна в рассрочку. Реклама. Информация о

🖥 Задача реализовать экспоненциального поиска. Экспоненциальный поиск — это еще один алгоритм поиска, который может быть достаточно легко реализован на Python, по сравнению с jump search и поиском Фибоначчи, которые немного сложны. Он также известен под названиями galloping search, doubling search и Struzik search. Экспоненциальный поиск зависит от бинарного поиска для выполнения окончательного сравнения значений. Алгоритм работает следующим образом: Определяется диапазон, в котором, скорее всего, будет находиться искомый элемент. В этом диапазоне используется двоичный поиск для нахождения индекса элемента. Решение Реализация алгоритма экспоненциального поиска на Python: def ExponentialSearch(lys, val): if lys[0] == val: return 0 index = 1 while index < len(lys) and lys[index] <= val: index = index * 2 return BinarySearch( lys[:min(index, len(lys))], val) Используем функцию, чтобы найти значение: >>> print(ExponentialSearch([1,2,3,4,5,6,7,8],3)) Рассмотрим работу алгоритма пошагово. Проверяем, соответствует ли первый элемент списка искомому значению: поскольку lys[0] равен 1, а мы ищем 3, мы устанавливаем индекс равным 1 и двигаемся дальше. Перебираем все элементы в списке, и пока элемент с текущим индексом меньше или равен нашему значению, умножаем значение индекса на 2: index = 1, lys[1] равно 2, что меньше 3, поэтому значение index умножается на 2 и переменной index присваивается значение 2. index = 2, lys[2] равно 3, что равно 3, поэтому значение index умножается на 2 и переменной index присваивается значение 4. index = 4, lys[4] равно 5, что больше 3. Условие выполнения цикла больше не соблюдается и цикл завершает свою работу. Затем выполняется двоичный поиск в полученном диапазоне (срезе) lys[:4]. В Python это означает, что подсписок будет содержать все элементы до 4-го элемента, поэтому мы фактически вызываем функцию следующим образом: >>> BinarySearch([1,2,3,4], 3) Функция вернет следующий результат: 2 Этот результат является индексом искомого элемента как в исходном списке, так и в срезе, который мы передаем алгоритму бинарного поиска. Экспоненциальный поиск выполняется за время O(log i), где i — индекс искомого элемента. В худшем случае временная сложность равна O(log n), когда искомый элемент — это последний элемент в массиве (n — это длина массива). Экспоненциальный поиск работает лучше, чем бинарный, когда искомый элемент находится ближе к началу массива. На практике мы используем экспоненциальный поиск, поскольку это один из наиболее эффективных алгоритмов поиска в неограниченных или бесконечных массивах. 👉 Пишите ваше решение в комментариях👇 @python_job_interview

🧬 Примите участие в международной конференции Data Fusion 2023 от ВТБ, которая пройдёт 13-14 апреля. Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки. Первый день конференции будет посвящен аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений. Программа 14 апреля адресована data science специалистам и исследователям. Темы докладов и сессий распределены по трем стримам: «ML+», «AI Classic», «ML Environment». На конференции представят новейшие технологии и инструменты, а также будут проведены практические сессии и выступления ведущих предприятий. Не пропустите возможность улучшить свои навыки и расширить свои знания в области Data Science. Участие в конференции бесплатное. Успейте зарегистрироваться по ссылке: https://cnrlink.com/datafusion69

🖥 Auto-resume-raising – программа для автоматического подъема резюме на HeadHunter каждые 4 часа Альтернатива платной услуге Продвижение.LITE от HeadHunter 🖥 Github: https://github.com/sergo-code/hh-ru-auto-resume-raising #github #python @python_job_interview

🖥 Задача реализовать алгоритм интерполяционного поиска нтерполяционный поиск — это еще один алгоритм «разделяй и властвуй», аналогичный бинарному поиску. В отличие от бинарного поиска, он не всегда начинает поиск с середины. Интерполяционный поиск вычисляет вероятную позицию искомого элемента по формуле: index = low + [(val-lys[low])*(high-low) / (lys[high]-lys[low])] В этой формуле используются следующие переменные: lys — наш входной массив. val — искомый элемент. index — вероятный индекс искомого элемента. Он вычисляется как более высокое значение, когда значение val ближе по значению к элементу в конце массива (lys[high]), и более низкое, когда значение val ближе по значению к элементу в начале массива (lys[low]). low — начальный индекс массива. high — последний индекс массива. Алгоритм осуществляет поиск путем вычисления значения индекса: Если значение найдено (когда lys[index] == val), возвращается индекс. Если значение val меньше lys[index], то значение индекса пересчитывается по формуле для левого подмассива. Если значение val больше lys[index], то значение индекса пересчитывается по формуле для правого подмассива. Решение: def InterpolationSearch(lys, val): low = 0 high = (len(lys) - 1) while low <= high and val >= lys[low] and val <= lys[high]: index = low + int(((float(high - low) / ( lys[high] - lys[low])) * ( val - lys[low]))) if lys[index] == val: return index if lys[index] < val: low = index + 1; else: high = index - 1; return -1 Если мы используем функцию для вычисления: >>> print(InterpolationSearch([1,2,3,4,5,6,7,8], 6)) Наши начальные значения будут следующими: val = 6, low = 0, high = 7, lys[low] = 1, lys[high] = 8, index = 0 + [(6-1)*(7-0)/(8-1)] = 5 Поскольку lys[5] равно 6, что является искомым значением, мы прекращаем выполнение и возвращаем результат: 5 Если у нас большое количество элементов и наш индекс не может быть вычислен за одну итерацию, то мы продолжаем пересчитывать значение индекса после корректировки значений high и low. Временная сложность интерполяционного поиска равна O(log log n), когда значения распределены равномерно. Если значения распределены неравномерно, временная сложность для наихудшего случая равна O(n) — так же, как и для линейного поиска. Интерполяционный поиск лучше всего работает на равномерно распределенных, отсортированных массивах. В то время как бинарный поиск начинает поиск с середины и всегда делит массив на две части, интерполяционный поиск вычисляет вероятную позицию элемента и проверяет индекс, что повышает вероятность нахождения элемента за меньшее количество итераций. 👉 Пишите ваше решение в комментариях👇 @python_job_interview

Задача для новичков. Собеседование. Напишите программу на Python для сортировки списка кортежей с использованием лямбда-функции. Пример: Исходный список кортежей: [('Русский', 88), ('Физика', 90), ('Алгебра', 97), ('История', 82)] Отсортированный список кортежей: [('История', 82), ('Русский', 88), ('Физика', 90), ('Алгебра', 97)] Ваши ответы пишите в комментариях, а свой вариант мы опубликуем позже. #новичок #coбес Задача для новичков. Собеседование. Напишите программу на Python для сортировки списка кортежей с использованием лямбда-функции. Пример: Исходный список кортежей: [('Русский', 88), ('Физика', 90), ('Алгебра', 97), ('История', 82)] Отсортированный список кортежей: [('История', 82), ('Русский', 88), ('Физика', 90), ('Алгебра', 97)] Ваши ответы пишите в комментариях, а свой вариант мы опубликуем позже. #новичок #coбес @python_job_interview

⚠️Пройдите тест на углубленные знания в сфере Machine Learning. Professional — https://otus.pw/PQaK/ 🔓 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «Machine Learning. Professional» от OTUS и его партнера — Сбера ⏰ Время прохождения теста ограничено 30 минут 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Серьезное портфолио с проектами и возможность претендовать на Junior+ и Middle позиции Data Scientist Протестируйте обучение на открытом уроке: ✅ Один в поле не воин: методы ансамблирования в машинном обучении — https://otus.pw/E23g/ 👉 ПРОЙТИ ТЕСТ: https://otus.pw/PQaK/

Автор этого резюме утверждает, что оно понравилось гигантам вроде Microsoft, Google, Amazon. Добрые люди решили детально разобрать его и выделить ключевые моменты: Розовым — глаголы действия, с них начинается каждый bullet point; Желтым — hard skills по вашей специальности; Оранжевый — показатель понимания бизнеса и реального опыта в (игровой) индустрии; Зеленый — рабочие достижения, самая ценная часть резюме; Голубой — сертификаты «Кенгуру» impact и всякие личные награды и достижения; Фиолетовый — ссылки на портфолио. Теперь вы знаете, как грамотно составить резюме.

🖥 Задача. Подготовка экспедиции на Марс N кандидатов готовятся к двум космическим экспедициям на Марс. Поскольку экспедиции будут продолжаться несколько лет, а их участники окажутся в замкнутом пространстве небольшого объёма, то важное значение приобретает психологическая совместимость членов экипажа. Путём тестирования были установлены пары кандидатов, присутствие которых в одной и той же экспедиции было бы нежелательным. Результаты тестирования отражены в таблице размера NxN. Если на пересечении -той строки и $j$-го столбца таблицы находится знак «+», то участие -го и $j$-го кандидатов в одной экспедиции нежелательно. Составьте программу, разделяющую кандидатов на две группы для участия в экспедициях. Если такое разделение невозможно, программа должна выводить сообщение «No solution». В противном случае, программа должна выводить номера кандидатов, принадлежащих первой группе. Первой группой мы будем считать группу, в которой меньше кандидатов. Естественно, хорошо написанная программа должна стремиться к тому, чтобы размеры групп не очень сильно отличались. Поэтому, если возможно несколько разбиений на группы, программа должна выбирать разбиение с минимальной разностью количеств кандидатов в группах. При этом в случае, если разбиений с минимальной разницей всё равно получается несколько, для определённости выбирается разбиение, в котором первая группа лексикографически меньше, чем первые группы остальных разбиений. Программа должна считывать со стандартного потока ввода количество кандидатов и матрицу размера NxN. Например, для входных данных 8 - - + - - - - - - - - + - - - - + - - - - - - + - + - - - + - - - - - - - - - - - - - + - - - - - - - - - - - + - - + - - - + - программа должна выводить 1 2 6 8 👉 Пишите ваше решение в комментариях👇 @python_job_interview

Поиск мажоритарного элемента Условие задачи: Дан массив nums размера n. Требуется вернуть мажоритарный элемент. Мажоритарный элемент - это элемент, который появляется более n / 2 раз. Вы можете быть уверены, что мажоритарный элемент всегда существует в массиве. Примеры: Ввод: nums = [4,2,4] Вывод: 4 Ввод: nums = [8, 8, 6, 6, 6, 8, 8] Вывод: 8 Решение задачи

​Ресурсы с задачами по программированию 1. LeetCode поддерживает более 16 языков программирования. Пользователи могут сами выбирать уровень сложности задачи. 2. HackerRank — платформа, где кроме базовых задач можно выбрать задачи в разных областях: SQL, алгоритмы, AI и т.д. 3. Codewars представляет алгоритмические и практические задачи, связанные с шаблонами проектирования. 4. TopCoder — сообщество программистов, где любят решать головоломки. На сайте иногда проходят турниры. 5. CodinGame — платформа, где решение задачи сопровождается визуализацией в стиле видеоигр.