В продакшн Django-приложении пользователи жалуются на «N+1 проблему» при выборках связанных объектов. Как вы будете диагностировать и устранять её?
Проверю SQL-запросы через django-debug-toolbar или логирование ORM. Если вижу множественные запросы для связанных моделей — перепишу код с использованием select_related (для ForeignKey/OneToOne) или prefetch_related (для ManyToMany/Reverse FK). При необходимости — вынесу тяжёлые выборки в кастомные SQL-запросы или оптимизирую структуру модели.
Библиотека собеса по Python
Библиотека собеса по Python
🤖 Ваш ИИ-агент съедает бюджет на токены и падает при сбоях API?
Пора переходить на новый уровень. Открыли продажи курса по AgentOps — управлению ИИ-агентами в рабочих процессах.
Рынок требует инженеров, которые умеют:
• Контролировать метрики и качество ответов;
• Эффективно работать с RAG-архитектурой;
• Строить системы, готовые к реальным нагрузкам.
Обучение займет 6-12 недель под руководством практиков с опытом в AI и Data Science в крупных IT-компаниях, таких как Яндекс, Сбер, МТС, Huawei, Raft и др.
🎁 Можно подождать, пока про AgentOps начнут говорить все. Или зайти сейчас — НА 30% ДЕШЕВЛЕ!
🔥 Забрать скидку и изучить программу.
Пора переходить на новый уровень. Открыли продажи курса по AgentOps — управлению ИИ-агентами в рабочих процессах.
Рынок требует инженеров, которые умеют:
• Контролировать метрики и качество ответов;
• Эффективно работать с RAG-архитектурой;
• Строить системы, готовые к реальным нагрузкам.
Обучение займет 6-12 недель под руководством практиков с опытом в AI и Data Science в крупных IT-компаниях, таких как Яндекс, Сбер, МТС, Huawei, Raft и др.
🎁 Можно подождать, пока про AgentOps начнут говорить все. Или зайти сейчас — НА 30% ДЕШЕВЛЕ!
Работа с AI начинается с систем.
Системы — с AgentOps.
🔥 Забрать скидку и изучить программу.
❤1
Почему NumPy предпочтительнее Matlab, Octave, Idl или Yorick?
NumPy — высокопроизводительная библиотека с открытым исходным кодом, которая обеспечивает сложные математические и научные вычислительные возможности. Она поддерживает следующее:
⚡️Мощные функции для выполнения сложных математических операций с многомерными матрицами и массивами. Операции с ndarrays NumPy примерно на 50% быстрее по сравнению с операциями с встроенными списками с использованием циклов. Эта эффективность очень полезна, когда массивы содержат миллионы элементов
⚡️Предоставляет синтаксис индексации для легкого доступа к частям данных в большом массиве
⚡️Предоставляет встроенные функции, которые помогают легко выполнять операции, связанные с линейной алгеброй и статистикой
⚡️Для выполнения сложных вычислений с использованием NumPy требуется всего несколько строк кода
Библиотека собеса по Python
⚡️Мощные функции для выполнения сложных математических операций с многомерными матрицами и массивами. Операции с ndarrays NumPy примерно на 50% быстрее по сравнению с операциями с встроенными списками с использованием циклов. Эта эффективность очень полезна, когда массивы содержат миллионы элементов
⚡️Предоставляет синтаксис индексации для легкого доступа к частям данных в большом массиве
⚡️Предоставляет встроенные функции, которые помогают легко выполнять операции, связанные с линейной алгеброй и статистикой
⚡️Для выполнения сложных вычислений с использованием NumPy требуется всего несколько строк кода
Библиотека собеса по Python
💯1
Выкатили большую серию постов, которая ЛЕГКО ЗАМЕНИТ ПАРОЧКУ ПЛАТНЫХ КУРСОВ на рынке.
В первой части постов навалили жесткой базы, чтобы вправить мозги на место. Во второй дали конкретные инструменты, фреймворки и пошаговые инструкции, что нужно кодить прямо сейчас.
Часть 1. Введение, юзкейсы и реальность
Разбираемся с терминами, снимаем розовые очки и смотрим, где ИИ реально приносит бабки, а где только жжет нервы:
1. «Так что вообще считается AI-агентом?»
2. «Где тут бот, а где уже AI-агент?»
3. «Не надо пихать AI-агента в каждую задачу»
4. «Что уже можно спокойно делать через AI-агентов?»
5. «А что через AI-агентов пока лучше не трогать?»
Часть 2. Изнанка, ошибки и архитектура
Как всё это устроено под капотом, чтобы не слить бюджет и не наломать дров на старте:
6. «Можно ли просто сесть вечером и собрать себе AI-агента?»
7. «С чего вообще начать, если хочется попробовать AI-агентов»
8. «Почему AI-агент может внезапно начать творить дичь»
9. «Где AI-агенты реально экономят время, а где только добавляют возни»
10. «Почему они жрут столько денег?»
Часть 3. Хардкорная практика (Что делать руками)
Хватит теории. Открываем ноут, запускаем Cursor и делаем нормальные, отказоустойчивые системы:
11. «Почему одного промпта мало?»
12. «Почему AI-агенту мало просто “дать доступ к данным”»
13. «Если не следить за AI-агентом, он быстро начинает жить своей жизнью»
14. «Собрать демку легко. Но как же сделать нормально»
15. «Как сделать, чтобы это не развалилось через неделю?»
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤1👏1😁1
Библиотека собеса по Python | вопросы с собеседований pinned «🏃♀️ МЫ СОБРАЛИ ДЛЯ ВАС МЕГА-ГАЙД ПО ИИ-АГЕНТАМ (ЧИТАЙТЕ БЕСПЛАТНО ПРЯМО В ТГ) Выкатили большую серию постов, которая ЛЕГКО ЗАМЕНИТ ПАРОЧКУ ПЛАТНЫХ КУРСОВ на рынке. В первой части постов навалили жесткой базы, чтобы вправить мозги на место. Во второй дали…»
Как вы реализуете сериализатор для модели с полями Many-to-Many и динамическими свойствами в Django REST Framework?
Для реализации настраиваемой сериализации в Django REST Framework требуется:
1. Создание сериализатора для модели: Используйте serializers.ModelSerializer и определите сериализаторы для всех связанных моделей с Many-to-Many отношениями.
2. Динамические поля: Добавьте SerializerMethodField для обработки свойств, которые требуют динамического вычисления, и определите соответствующий метод.
3. Валидация: Добавьте методы валидации validate_ для проверки данных.
Этот подход обеспечивает гибкость и поддержание структуры кода при работе с сложными данными.
Библиотека собеса по Python
Для реализации настраиваемой сериализации в Django REST Framework требуется:
1. Создание сериализатора для модели: Используйте serializers.ModelSerializer и определите сериализаторы для всех связанных моделей с Many-to-Many отношениями.
2. Динамические поля: Добавьте SerializerMethodField для обработки свойств, которые требуют динамического вычисления, и определите соответствующий метод.
class BookSerializer(serializers.ModelSerializer): authors = AuthorSerializer(many=True, read_only=True) custom_field = serializers.SerializerMethodField() class Meta: model = Book fields = ('title', 'authors', 'custom_field') def get_custom_field(self, obj): return custom_value_computation(obj)3. Валидация: Добавьте методы валидации validate_ для проверки данных.
Этот подход обеспечивает гибкость и поддержание структуры кода при работе с сложными данными.
Библиотека собеса по Python
Какие HTTP-методы предоставляет Python Flask?
Для обработки HTTP-запросов Flask использует ряд декораторов. Протокол HTTP является основой интернет-передачи данных. Этот протокол определяет ряд методов получения информации с определённого URL-адреса.
Библиотека собеса по Python
Библиотека собеса по Python
🤔2👏1💯1
что такое DjangoRESTFramework и для чего используется?
Django REST Framework (DRF) - это популярный toolkit для создания REST API на Python с использованием фреймворка Django.
DRF широко используется для создания REST API среднего и крупного масштаба, которые нуждаются в гибкости, производительности и удобном интерфейсе для клиентов.
Среди основных преимуществ DRF:
- Поддерживает форматы з
запросов и ответов: JSON, YAML, Browsable API.
- Интегрируется с основными БД и позволяет быстро создавать сложные запросы.
- Автоматически генерирует интерактивную документацию для API в формате Swagger/OpenAPI.
Библиотека собеса по Python
DRF широко используется для создания REST API среднего и крупного масштаба, которые нуждаются в гибкости, производительности и удобном интерфейсе для клиентов.
Среди основных преимуществ DRF:
- Поддерживает форматы з
запросов и ответов: JSON, YAML, Browsable API.
- Интегрируется с основными БД и позволяет быстро создавать сложные запросы.
- Автоматически генерирует интерактивную документацию для API в формате Swagger/OpenAPI.
Библиотека собеса по Python
🔥1💯1
Как просмотреть методы объекта?
Для того чтобы увидеть все методы и атрибуты, связанные с конкретным объектом в Python, можно воспользоваться функцией dir(). Эта функция принимает объект в качестве аргумента и возвращает список имен всех его атрибутов и методов.
Библиотека собеса по Python
Библиотека собеса по Python
❤1👍1😁1
Что делает метод ljust()?
Делает длину строки не меньшей width, по необходимости заполняя последние символы символом fillchar.
Библиотека собеса по Python
Библиотека собеса по Python
❤1🎉1😍1
Почему NumPy предпочтительнее Matlab, Octave, Idl или Yorick?
NumPy — это высокопроизводительная библиотека с открытым исходным кодом, которая обеспечивает сложные математические и научные вычислительные возможности. Она использует язык Python, который является высокоуровневым, простым в изучении языком программирования общего назначения. Она поддерживает следующее:
✍🏻 Мощные функции для выполнения сложных математических операций с многомерными матрицами и массивами. ✍🏻 Операции с ndarrays NumPy примерно на 50% быстрее по сравнению с операциями с собственными списками с использованием циклов. Эта эффективность очень полезна, когда массивы содержат миллионы элементов.
✍🏻 Предоставляет синтаксис индексации для легкого доступа к частям данных в большом массиве.
✍🏻 Предоставляет встроенные функции, которые помогают легко выполнять операции, связанные с линейной алгеброй и статистикой.
✍🏻 Для выполнения сложных вычислений с использованием NumPy требуется всего несколько строк кода.
Библиотека собеса по Python
✍🏻 Мощные функции для выполнения сложных математических операций с многомерными матрицами и массивами. ✍🏻 Операции с ndarrays NumPy примерно на 50% быстрее по сравнению с операциями с собственными списками с использованием циклов. Эта эффективность очень полезна, когда массивы содержат миллионы элементов.
✍🏻 Предоставляет синтаксис индексации для легкого доступа к частям данных в большом массиве.
✍🏻 Предоставляет встроенные функции, которые помогают легко выполнять операции, связанные с линейной алгеброй и статистикой.
✍🏻 Для выполнения сложных вычислений с использованием NumPy требуется всего несколько строк кода.
Библиотека собеса по Python
🔥3❤1🎉1
Как найти корреляцию с помощью Pandas?
Метод Pandas dataframe.corr() используется для поиска корреляции всех столбцов dataframe. Он автоматически игнорирует любые отсутствующие или нечисловые значения.
DataFrame.corr()
Библиотека собеса по Python
Библиотека собеса по Python
👏1💯1
✍🏻 Как установить индекс в pandas dataFrame?
Мы можем установить индекс для фрейма данных Pandas с помощью метода set_index(), который используется для установки списка, серии или фрейма данных в качестве индекса датафрейма.
Библиотека собеса по Python
Мы можем установить индекс для фрейма данных Pandas с помощью метода set_index(), который используется для установки списка, серии или фрейма данных в качестве индекса датафрейма.
DataFrame.set_index('Column_Name')Библиотека собеса по Python
Что такое introspection?
Introspection — это способность программы анализировать свой собственный код во время выполнения. В Python это достигается с помощью функций, которые позволяют получить информацию о классах, функциях, переменных и модулях.
Одним из примеров использования introspection является динамическое создание объектов в Python. Например, если у вас есть класс, но вы не знаете имя этого класса во время написания кода, вы можете использовать функцию для получения класса по его имени во время выполнения программы.
Другой пример использования introspection — это определение типа объекта в Python. Для этого можно использовать функцию .
Библиотека собеса по Python
Одним из примеров использования introspection является динамическое создание объектов в Python. Например, если у вас есть класс, но вы не знаете имя этого класса во время написания кода, вы можете использовать функцию
getattr()Другой пример использования introspection — это определение типа объекта в Python. Для этого можно использовать функцию
type()Библиотека собеса по Python
This media is not supported in your browser
VIEW IN TELEGRAM
Включайте кружок там личное приглашение от спикера. 👆
Уже завтра в прямом эфире, разбираем архитектуру контекста в мультиагентных системах.
🤫 Секретный лут:
👉 Регистрируйтесь на трансляцию
Please open Telegram to view this post
VIEW IN TELEGRAM
Что такое декораторы с аргументами в Python, и как их можно использовать?
Декораторы с аргументами — это функции, которые принимают параметры и возвращают другой декоратор. Это позволяет создавать более гибкие и настраиваемые декораторы, которые могут изменять поведение функций в зависимости от переданных им аргументов.
🗣️ Пример:
🤖 Осталось 4 места на курс по ИИ-агентам. Набор закрывается 30 апреля.
🔗 Успеть на обучение
Библиотека собеса по Python
def repeat(times):
def decorator(func):
def wrapper(*args, **kwargs):
for _ in range(times):
result = func(*args, **kwargs)
return result
return wrapper
return decorator
@repeat(3)
def say_hello():
print("Hello!")
say_hello()
🔗
Библиотека собеса по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
Осталось всего 4 места на курс по ИИ-агентам. 30 апреля закрываем набор окончательно.
В ГС честно рассказали:
— Кому курс не подойдет;
— Какой хардкор в программе (LangGraph, AutoGen, CrewAI);
— Как мы даем токены, чтобы вы не тратили свои деньги.
🏃♀️ Записаться, пока есть места
В ГС честно рассказали:
— Кому курс не подойдет;
— Какой хардкор в программе (LangGraph, AutoGen, CrewAI);
— Как мы даем токены, чтобы вы не тратили свои деньги.
Please open Telegram to view this post
VIEW IN TELEGRAM
Что делать если нужно сериализовать данные, которые не поддерживаются стандартным модулем json?
Если нужно сериализовать объекты, которые по умолчанию не поддерживаются модулем json, то есть несколько вариантов:
— Реализовать методы getattr и setattr в классе объекта, чтобы преобразовать его в словарь, который уже можно сериализовать в JSON.
— Использовать декоратор dataclass из модуля dataclasses для автоматической генерации методов сериализации.
— Создать собственный класс-наследник json.JSONEncoder и переопределить метод default(), чтобы указать как сериализовать нестандартные объекты.
— Использовать библиотеку marshmallow для создания схем сериализации/десериализации сложных объектов в JSON.
— Преобразовать объекты в dict или list вручную перед сериализацией с помощью методов объекта или отражения (reflection).
— Использовать другой формат сериализации, например YAML или MessagePack, который может поддерживать произвольные типы.
Библиотека собеса по Python
Если нужно сериализовать объекты, которые по умолчанию не поддерживаются модулем json, то есть несколько вариантов:
— Реализовать методы getattr и setattr в классе объекта, чтобы преобразовать его в словарь, который уже можно сериализовать в JSON.
— Использовать декоратор dataclass из модуля dataclasses для автоматической генерации методов сериализации.
— Создать собственный класс-наследник json.JSONEncoder и переопределить метод default(), чтобы указать как сериализовать нестандартные объекты.
— Использовать библиотеку marshmallow для создания схем сериализации/десериализации сложных объектов в JSON.
— Преобразовать объекты в dict или list вручную перед сериализацией с помощью методов объекта или отражения (reflection).
— Использовать другой формат сериализации, например YAML или MessagePack, который может поддерживать произвольные типы.
Библиотека собеса по Python
❤1
Что такое dict comprehension?
Dict comprehension — это способ конструирования словарей в одну строку, аналогичный list comprehension.
Синтаксис dict comprehension: {ключ: значение for элемент in итерируемый_объект if условие}
Основные преимущества dict comprehension:
— Краткость и читабельность по сравнению с обычным циклом.
— Более высокая производительность за счет оптимизации.
— Удобство создания словарей «на лету» по данным.
Dict comprehension используется для:
— Преобразования данных из одного вида в другой.
— Создания словарей на основе списков или других итерируемых объектов.
— Фильтрации и обработки данных в процессе создания словаря.
🤖 Осталось 4 места на курс по ИИ-агентам. Набор закрывается 30 апреля.
🔗 Успеть на обучение
Библиотека собеса по Python
Синтаксис dict comprehension: {ключ: значение for элемент in итерируемый_объект if условие}
Основные преимущества dict comprehension:
— Краткость и читабельность по сравнению с обычным циклом.
— Более высокая производительность за счет оптимизации.
— Удобство создания словарей «на лету» по данным.
Dict comprehension используется для:
— Преобразования данных из одного вида в другой.
— Создания словарей на основе списков или других итерируемых объектов.
— Фильтрации и обработки данных в процессе создания словаря.
🔗
Библиотека собеса по Python
👍3
✍🏻 Для чего могут применять конструкцию try finally без except?
Конструкция try-finally без блока except может применяться в следующих случаях:
— Для закрытия файлов после работы с ними, даже если произошла ошибка.
— Для освобождения ресурсов, таких как сетевые соединения или блокировки.
— Для отмены каких-либо длительных операций или процессов в случае прерывания работы программы. Например, отмена запущенных потоков.
— Для логирования или уведомления о завершении блока кода, даже если в нем произошла ошибка.
— Для выполнения необходимой логики по завершении работы блока кода вне зависимости от результата, например сброс счетчиков.
Библиотека собеса по Python
— Для закрытия файлов после работы с ними, даже если произошла ошибка.
— Для освобождения ресурсов, таких как сетевые соединения или блокировки.
— Для отмены каких-либо длительных операций или процессов в случае прерывания работы программы. Например, отмена запущенных потоков.
— Для логирования или уведомления о завершении блока кода, даже если в нем произошла ошибка.
— Для выполнения необходимой логики по завершении работы блока кода вне зависимости от результата, например сброс счетчиков.
Библиотека собеса по Python