Какой из следующих подходов наиболее корректен для реализации thread-safe и масштабируемого кэширования в приложении Flask, развернутом в нескольких экземплярах (например, в Docker-контейнерах с Gunicorn)?
👾 — Использовать flask.g для хранения кэшированных значений
👍 — Использовать functools.lru_cache в качестве декоратора для кэшируемых функций
🥰 — Использовать Redis в связке с Flask-Caching и настроить его как backend
⚡️ — Хранить кэш в глобальной переменной Python (global_cache = {}) и использовать mutex
Библиотека задач по Python
👾 — Использовать flask.g для хранения кэшированных значений
👍 — Использовать functools.lru_cache в качестве декоратора для кэшируемых функций
🥰 — Использовать Redis в связке с Flask-Caching и настроить его как backend
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
🥰7⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
Тема: Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало.
В кружке выше Эмиль Сатаев рассказал, какие именно проблемы с LLM в проде будем разбирать.
Что в программе:
- Разберем реальные кейсы стартапов и ограничения LLM.
- Обсудим рабочие архитектуры: RAG, human-in-the-loop, контроль качества.
- Ответим на ваши вопросы и разберем кейсы участников.
🎁 Бонусы: в конце вебинара подарим промокод на скидку 10.000 ₽ на курсы и разыграем подписки на полезные AI-сервисы.
👉 Зарегистрироваться на вебинар
Please open Telegram to view this post
VIEW IN TELEGRAM
Какие из этих баз данных по умолчанию не поддерживаются Django?
👾 — Postgres
👍 — Mysql
🥰 — Sqlite
⚡️ — Mongodb
Библиотека задач по Python
👾 — Postgres
👍 — Mysql
🥰 — Sqlite
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡11🥰1
🔥 Знакомьтесь с экспертом Proglib.academy: Эмиль Сатаев
Эмиль — эксперт с 8-летним опытом в разработке, который специализируется на внедрении LLM и агентных подходов в реальные коммерческие сервисы. Он точно знает, как проектировать архитектуру так, чтобы ИИ-функции работали стабильно в связке с внешними системами.
🏃♀️ Уже 14 мая Эмиль проведет открытый вебинар!
Обсудим самую «больную» тему: «Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало».
🗓 Когда: 14 мая в 19:00 (Мск)
Почему Эмиля стоит послушать:
🟣 8+ лет в разработке (Backend и Frontend)
🟣 Международный исследовательский опыт
🟣 Преподаватель-практик
🟣 Мастер интеграции AI в Backend
🔗 Зарегистрироваться на вебинар
Эмиль — эксперт с 8-летним опытом в разработке, который специализируется на внедрении LLM и агентных подходов в реальные коммерческие сервисы. Он точно знает, как проектировать архитектуру так, чтобы ИИ-функции работали стабильно в связке с внешними системами.
Обсудим самую «больную» тему: «Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало».
🗓 Когда: 14 мая в 19:00 (Мск)
Почему Эмиля стоит послушать:
Прошел путь от фулстека до Backend Platform Developer в SMIT.Studio.
Работал исследователем в Институте ИИ НИУ ВШЭ и в Национальном университете Сингапура (NUS).
Ведет семинары в НИУ ВШЭ, в том числе по проектированию и разработке агентских систем.
Его главная суперсила — умение правильно встраивать LLM через API, выстраивать workflow и агентную логику в сложных распределенных системах.
🔗 Зарегистрироваться на вебинар
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Какой из следующих операторов используется для создания пустого множества в Python?
👾 — ( )
👍 — [ ]
🥰 — { }
⚡️ — set()
Библиотека задач по Python
👾 — ( )
👍 — [ ]
🥰 — { }
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡30👍2
Почему нельзя вызывать
👾 — Потому что
👍 — У него свой цикл событий; внутри активного цикла бросит RuntimeError. Нужно await корутину или создавать задачу (asyncio.create_task)
🥰 — Он автоматически вкладывает циклы друг в друга
⚡️ — Это всего лишь алиас loop.run_until_complete
Библиотека задач по Python
asyncio.run() внутри уже работающего event loop (например, в Jupyter/ASGI)?👾 — Потому что
asyncio.run требует Python 3.12+👍 — У него свой цикл событий; внутри активного цикла бросит RuntimeError. Нужно await корутину или создавать задачу (asyncio.create_task)
🥰 — Он автоматически вкладывает циклы друг в друга
⚡️ — Это всего лишь алиас loop.run_until_complete
Библиотека задач по Python
👍11🔥1
Зачем использовать contextvars.ContextVar вместо threading.local в async-коде?
👾 — Потому что быстрее при тех же семантиках
👍 — Даёт изоляцию на задачу: значение «течёт» через await внутри Task, но не между задачами/потоками; threading.local изолирует только по потоку и протекает между корутинами
🥰 — Автоматически сериализует состояние между процессами
⚡️ — Разрешает безопасно менять глобальные переменные
Библиотека задач по Python
👾 — Потому что быстрее при тех же семантиках
👍 — Даёт изоляцию на задачу: значение «течёт» через await внутри Task, но не между задачами/потоками; threading.local изолирует только по потоку и протекает между корутинами
🥰 — Автоматически сериализует состояние между процессами
⚡️ — Разрешает безопасно менять глобальные переменные
Библиотека задач по Python
👍2🤔2
В Python у вас есть обработчик, который должен обрабатывать миллионы строк из большого файла без перегрузки памяти. Какой подход наиболее правильный?
👾 — Читать весь файл в память через readlines() и обрабатывать список
👍 — Читать файл построчно с помощью итератора (for line in file:)
🥰 — Использовать multiprocessing для параллельного чтения всего файла целиком
⚡️ — Преобразовать файл в JSON и загрузить его через json.load()
Библиотека задач по Python
👾 — Читать весь файл в память через readlines() и обрабатывать список
👍 — Читать файл построчно с помощью итератора (for line in file:)
🥰 — Использовать multiprocessing для параллельного чтения всего файла целиком
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11👾1
В Python вы пишете высоконагруженный сервис, и заметили, что GIL мешает эффективному использованию многоядерного CPU при CPU-bound задачах. Какой подход решит проблему наиболее корректно?
👾 — Использовать threading с большим количеством потоков
👍 — Использовать multiprocessing для распараллеливания между процессами
🥰 — Переписать код на asyncio с async/await
⚡️ — Увеличить размер стека потоков через sys.setrecursionlimit()
Библиотека задач по Python
👾 — Использовать threading с большим количеством потоков
👍 — Использовать multiprocessing для распараллеливания между процессами
🥰 — Переписать код на asyncio с async/await
⚡️ — Увеличить размер стека потоков через sys.setrecursionlimit()
Библиотека задач по Python
👍15
В каком типе данных сохраняются *args при передаче в функцию?
👾 — Список
👍 — Кортеж
🥰 — Словарь
⚡ — Ничего из вышеперечисленного
Библиотека задач по Python
👾 — Список
👍 — Кортеж
🥰 — Словарь
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
👍24
Какой тип наследования проиллюстрирован в следующем коде на Python?
👾 — Многоуровневое наследование
👍 — Множественное наследование
🥰 — Иерархическое наследование
⚡️ — Одноуровневое наследование
Библиотека задач по Python
class A():
pass
class B():
pass
class C(A,B):
pass
👾 — Многоуровневое наследование
👍 — Множественное наследование
🥰 — Иерархическое наследование
Библиотека задач по Python
Please open Telegram to view this post
VIEW IN TELEGRAM
👍19😁2
Forwarded from Proglib.academy | IT-курсы
⚡️ Главные ИИ-новости недели: от громкого трансфера Карпати до бесплатного ChatGPT для целой страны
1. Андрей Карпати перешел в Anthropic.
2. Anthropic впервые обогнала OpenAI по бизнес-адопции: 34.4% и 32.3% соответственно. (см. 2)
3. Codex теперь доступен в мобильном приложении ChatGPT
4. xAI запустила Grok Build — CLI-агент для кодинга с субагентами, plan-режимом, headless и ACP. Пока бета, только для SuperGrok Heavy. (см. 4)
5. Cursor выпустил модель Composer 2.5 (на основе Kimi K2.5): стоит в 10 раз дешевле и работает на уровне Opus 4.7. (см. 5)
6. Google релизнула модель Gemini 3.5 Flash
Модель Gemini 3.5 Flash, которая обходит Gemini 3.1 Pro на агентских и кодинговых бенчмарках при 4-кратной скорости вывода. Вместе с ней появился персональный агент Gemini Spark, работающий круглосуточно, а 3.5 Pro ожидается в следующем месяце. (см. 6)
7. Alibaba выпустила Qwen 3.7 Max Preview (заняла 13 место в Text Arena) и Plus Preview (16 место в Vision Arena). (см. 7)
8. Moonshot AI выпустила Kimi WebBridge
Расширение для браузера, которое дает агенту доступ к вашим учетным записям, файлам cookie и авторизованным сессиям, чтобы он мог сам кликать, скроллить и заполнять формы от вашего имени на любых сайтах.
9. Мальта договорилась с OpenAI и раздает всем своим гражданам годовую подписку ChatGPT Plus
📬 Понравился дайджест? Это лишь 20% от того, что мы отправляем нашим подписчикам каждую субботу.
👉 Подписаться на еженедельную ИИ-рассылку
1. Андрей Карпати перешел в Anthropic.
2. Anthropic впервые обогнала OpenAI по бизнес-адопции: 34.4% и 32.3% соответственно. (см. 2)
3. Codex теперь доступен в мобильном приложении ChatGPT
4. xAI запустила Grok Build — CLI-агент для кодинга с субагентами, plan-режимом, headless и ACP. Пока бета, только для SuperGrok Heavy. (см. 4)
5. Cursor выпустил модель Composer 2.5 (на основе Kimi K2.5): стоит в 10 раз дешевле и работает на уровне Opus 4.7. (см. 5)
6. Google релизнула модель Gemini 3.5 Flash
Модель Gemini 3.5 Flash, которая обходит Gemini 3.1 Pro на агентских и кодинговых бенчмарках при 4-кратной скорости вывода. Вместе с ней появился персональный агент Gemini Spark, работающий круглосуточно, а 3.5 Pro ожидается в следующем месяце. (см. 6)
7. Alibaba выпустила Qwen 3.7 Max Preview (заняла 13 место в Text Arena) и Plus Preview (16 место в Vision Arena). (см. 7)
8. Moonshot AI выпустила Kimi WebBridge
Расширение для браузера, которое дает агенту доступ к вашим учетным записям, файлам cookie и авторизованным сессиям, чтобы он мог сам кликать, скроллить и заполнять формы от вашего имени на любых сайтах.
9. Мальта договорилась с OpenAI и раздает всем своим гражданам годовую подписку ChatGPT Plus
📬 Понравился дайджест? Это лишь 20% от того, что мы отправляем нашим подписчикам каждую субботу.
👉 Подписаться на еженедельную ИИ-рассылку