Библиотека задач по Python | тесты, код, задания

Почему в многопоточном Python-приложении прироста скорости для CPU-bound задач почти не видно? 👾 — Потому что интерпретатор Python не умеет распараллеливать задачи 👍 — Потому что работает Global Interpreter Lock (GIL), который позволяет исполнять байткод только одному потоку 🥰 — Потому что потокам всегда не хватает памяти для стека ⚡️ — Потому что asyncio нужно использовать вместо потоков Библиотека задач по Python

Что верно про BackgroundTasks? 👾 — Выполняются после отправки ответа в том же процессе; не переживают рестарт 👍 — Гарантированно завершатся даже при рестарте воркера 🥰 — Работают только в синхронных обработчиках ⚡️ — Запускаются в отдельном процессе multiprocessing Хотите глубже изучить основы Python? Добро пожаловать на курс: https://proglib.academy/python Библиотека задач по Python

Что возвращает a[:] для списка? 👾 — Новую (поверхностную) копию ⚡️ — Ссылку на исходный список 🥰 — Новую глубокую копию Библиотека задач по Python

Не просто import openai, а полноценная архитектура Задача: написать бота, который отвечает на вопросы по внутренней базе знаний компании со ссылками на источники. Решение новичка: отправить вопрос в API. Решение профи: GraphRAG-пайплайн с реранкингом, проверкой фактов и фильтрацией галлюцинаций. На курсе мы учим писать код уровня продакшн. На вебинарах разбираем ошибки в реализации, оптимизируем запросы и настраиваем логирование. Твой инструментарий: 👉 Modern Python (Pydantic v2, Type Hints); 👉 LangChain & LangGraph (Stateful Architectures); 👉 FastAPI (для сервивинга агентов). Прокачать навыки на реальных задачах

Что гарантирует GIL в CPython? 👾 — Отсутствие гонок данных в пользовательском коде ⚡️ — Параллельное выполнение CPU-bound задач в потоках 🥰 — Единовременное выполнение байткода одним потоком интерпретатора 👍 — Что все I/O операции неблокирующие Библиотека задач по Python

Задача: автоматизировать workflow с помощью LLM Обычные скрипты работают по жёсткой логике. Агенты умеют принимать решения. На курсе мы учим писать именно таких «умных» ботов на Python. Инструменты: — LangGraph для сложной логики; — векторные БД для долгосрочной памяти; — AgentOps для контроля качества. Курс стартовал, но вы успеваете. Вводная лекция доступна бесплатно — там база по архитектуре и промпт-инжинирингу. Смотреть лекцию Присоединиться к группе

Вы работаете с высоконагруженным Python-сервисом. При профилировании заметили, что использование list приводит к избыточным копированиям данных и росту потребления памяти. Какой подход будет наиболее правильным для оптимизации? 👾 — Использовать tuple вместо list, так как они быстрее и занимают меньше памяти 👍 — Применить генераторы и итераторы (yield, generator expressions), чтобы обрабатывать данные лениво 🥰 — Хранить данные в глобальной переменной, чтобы избежать повторных аллокаций ⚡️ — Переписать часть логики на Cython, чтобы ускорить операции с массивами Библиотека задач по Python

Что выведет этот код? True False Error

Что выведет код сверху? 100 25 50 Error

Что выведет код? 25 29 29 35 Error None

Задача: Написать агента с памятью Обычный скрипт забывает переменные после завершения. Агент на LangGraph должен помнить контекст неделями. Используйте MemorySaver или базу данных (Postgres/Redis) как бэкенд для графа. Граф сохраняет state после каждого шага. Это позволяет поставить агента «на паузу», ждать ввода от человека и продолжить с того же места. Хотите научиться писать такой код? Записаться на курс Пример архитектуры: Смотрите вводный урок бесплатно.

Что такое pickling и unpickling? Модуль pickle принимает любой объект Python, преобразует его в строковое представление и сохраняет в файл с помощью функции dump, такой процесс называется pickling. Процесс извлечения исходных объектов Python из сохраненного строкового представления называется unpickling. Библиотека задач по Python

Каким будет результат выполнения кода? 👾 — 3 1 👍 — 1 3 🥰 — Error ⚡️ — Другое Библиотека задач по Python

Задача: Агент с самокоррекцией (Self-Correction) ТЗ: Написать агента, который пишет код, запускает тесты, и если они падают — правит код. В линейном скрипте это будет ад из if/else. В LangGraph это изящный цикл: Generate -> Test -> (if error) -> Fix -> Test. — управляемый поток; — state хранит историю попыток; — безопасность (лимит итераций). Учим кодить такие паттерны. Курс уже идёт. Записаться на курс Смотреть певрую лекцию

Что выведет код? 3 11 5 6 Error

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.

Как заставить Python-скрипт принимать решения самостоятельно? Ответ — через агентские архитектуры. Пока обычные программы следуют жестким алгоритмам, ИИ-агенты используют LLM для адаптации и выбора инструментов под задачу. Научитесь строить автономные системы на курсе «Углубленные AI-агенты». Что вы освоите: — разработка мультиагентных пайплайнов на Python; — работа с LangGraph, CrewAI и AutoGen; — создание кастомных инструментов (Tools) для агентов; — деплой и масштабирование готовых решений. Поток уже в пути, но у вас есть шанс успеть. 🚀 Записаться на основной курс Если сомневаетесь — просто посмотрите вводное занятие.

Что выведет код? True True False True False False True False Error

📁Данные есть везде, но доступны далеко не всегда. Каталоги, цены, отчёты, контент конкурентов — всё это лежит на веб-страницах, а не в удобных API. Если вы работаете с Python и данными, умение извлекать информацию из интернета становится не дополнительным навыком, а базовым рабочим инструментом. На открытом уроке OTUS разберём практический веб-скрейпинг на Python: от работы с requests и BeautifulSoup до использования Selenium для динамических сайтов. Покажем, как извлекать данные, очищать их, сохранять в удобном формате и выстраивать устойчивые сценарии сбора информации. Вы поймёте, как автоматизировать сбор данных для анализа, мониторинга и интеграций со сторонними сервисами. Отдельно обсудим типовые ограничения — блокировки, CAPTCHA, нестабильную верстку — и реальные подходы к их обходу. 📆Встречаемся 5 февраля в 20:00 МСК в преддверии старта курса «Python Developer. Professional». Регистрация открыта: https://otus.pw/GZMi/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576,erid 2VtzqwSKuVM

🐍 Что такое сцепление исключений? Сцепление исключений представляет собой метод, который позволяет сохранить первоначальную причину ошибки при её дополнительной обработке. Когда возникает исключение, его можно перехватить с помощью блока try/except и затем вызвать другое исключение в процессе обработки. При этом первоначальное исключение сохраняется как причина для нового. Это предоставляет следующие преимущества: — При обработке нового исключения сохраняется доступ к стеку вызовов и данным первоначального исключения. — Можно добавить дополнительную информацию в новое исключение, не теряя оригинальных данных. — Сохраняется иерархия исключений, что позволяет видеть полную цепочку возникновения ошибки. Библиотека задач по Python