Python вопросы с собеседований
25.7K subscribers
593 photos
39 videos
17 files
473 links
Вопросы с собеседований по Python

@workakkk - админ

@machinelearning_interview - вопросы с собесдований по Ml

@pro_python_code - Python

@data_analysis_ml - анализ данных на Python

@itchannels_telegram - 🔥 главное в ит

РКН: clck.ru/3FmrFd
Download Telegram
🔍Тестовое собеседование на Middle Python с Senior из X5 уже завтра!

Уже завтра(11 ноября) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика.

Как это будет:
📂 Олег, старший разработчик в X5, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Олег будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Олегу

Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.

Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot

Реклама.
О рекламодателе.
Please open Telegram to view this post
VIEW IN TELEGRAM
2👎1😁1
💡 12 команд Git, которые должен знать каждый:

git init - создаёт новый Git-репозиторий в текущей папке (начинает контроль версий).

git add - запоминает изменения, подготавливая их для сохранения.

git commit - сохраняет подготовленные изменения с твоим комментарием (например, «починил баг» или «добавил кнопку»).

git push - отправляет сделанные коммиты в облачный (удалённый) репозиторий, чтобы их видели другие.

git pull - забирает последние изменения из облака и добавляет их в твою рабочую версию (автоматически объединяет).

git remote - помогает управлять ссылками на удалённые репозитории (добавлять новые или смотреть, какие уже подключены).

git branch - показывает существующие ветки, создаёт новые и позволяет переключаться между ними (чтобы работать параллельно с разными версиями кода).

git fetch - скачивает последние изменения из облака, но не объединяет их с текущим кодом (можно посмотреть заранее, что изменилось).

git checkout - переключает твою рабочую папку на другую ветку или на конкретный коммит (например, для тестирования).

git merge - объединяет изменения из одной ветки с текущей веткой (сливает их воедино).

git status - показывает, какие файлы были изменены, какие готовы к коммиту, а какие ещё нет (текущее состояние проекта).

git reset - позволяет вернуться назад по истории кода, отменив изменения до конкретного коммита (например, если что-то пошло не так).


🎚️ Сохраняйте себе или отправляйте друзьям - еще пригодится.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍115
Как загрузить файл по SSH с помощью #Python и paramiko 🐍🔥
👍8
This media is not supported in your browser
VIEW IN TELEGRAM
Эффективное тестирование Python-кода

Продвинутый совет: тестируй Python-код эффективно, используя связку pytest плюс фикстуры плюс правильное тестирование через hypothesis.

Сначала проверяй основные сценарии, потом добавляй окружение через фикстуры (файлы, БД, mock API), а затем включай генерацию случайных входов — так ты поймаешь скрытые баги, не переписывая километры тестов.
Подписывайся, больше фишек каждый день !


from hypothesis import given, strategies as st

Базовый юнит-тест
def test_add():
assert add(2, 3) == 5

Фикстура окружения (временный файл)
@pytest.fixture
def temp_file(tmp_path):
p = tmp_path / "data.txt"
p.write_text("42")
return p

def test_read_data(temp_file):
assert read_data(temp_file) == 42

Property-based тест
@given(st.integers(), st.integers())
def test_add_random(a, b):
assert add(a, b) == a + b


Запуск только упавших тестов (быстрый цикл разработки):
# pytest --lf
5👍1🔥1
🔥 Подборка полезных ресурсов для программистов.

Здесь ты найдёшь всё это - коротко, по делу и без воды.
Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты!

AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Devops: t.me/DevOPSitsec
Собеседования DS: t.me/machinelearning_interview
C++ t.me/cpluspluc
Docker: t.me/DevopsDocker
Хакинг: t.me/linuxkalii
Data Science: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_1001_notes
Java: t.me/java_library
Базы данных: t.me/sqlhub
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc
Разработка игр: https://t.me/gamedev
Haskell: t.me/haskell_tg
Физика: t.me/fizmat

💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Папка Linux:https://t.me/addlist/w4Doot-XBG4xNzYy

😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno

🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

Сохрани себе, чтобы не потерять!
🔥2👍1
Media is too big
VIEW IN TELEGRAM
🚀 Пул интерпретаторов в Python 3.14

Что появилось:
- В Python 3.14 добавили *пул интерпретаторов* — теперь в одном процессе можно запускать несколько независимых интерпретаторов.
- Это шаг к более безопасным, масштабируемым и изолированным системам на Python.

Зачем это нужно:
- Снижает зависимость от тяжёлых процессов — можно управлять несколькими интерпретаторами внутри одного процесса.
- Повышает отказоустойчивость: сбой одного интерпретатора не падает весь процесс.
- Открывает возможность частично обходить ограничения GIL, используя параллельность на уровне нескольких интерпретаторов.

Главные плюсы:
- Лучшая изоляция выполнения.
- Больше возможностей для масштабирования внутри одного процесса.
- Архитектурно Python становится ближе к моделям с lightweight-виртуальными машинами.

Главные минусы:
- Каждый интерпретатор требует своё адресное пространство → больший расход памяти.
- Увеличивается время инициализации в сравнении с потоками.
- Не во всех сценариях заменяет multiprocessing или threading.


Пул интерпретаторов - фундаментальное изменение, которое позволит по-новому строить высоконагруженные и безопасные Python-приложения, но потребует переосмысления архитектуры и учёта повышенного расхода ресурсов.


https://www.youtube.com/watch?v=Jd0MOM1dlfI
2👍1🔥1
Добавь AI в свой Python-проект за 7 недель

На Stepik вышел курс «LangChain: с нуля до продакшн LLM приложений»:

RAG-поиск по документам (FAQ-бот, база знаний)
Агенты для анализа данных (CSV, JSON через Pandas)
API на FastAPI с LLM под капотом

Не нужно становиться ML-инженером — интегрируешь LLM как обычный сервис.

Практика • Код из коробки • Сертификат Stepik

Скидка 25% — 3 дня 🔥

Пройти курс со скидкой
👎31🥴1🖕1
🚀 VibeThinker: Новый стандарт в моделях с малым количеством параметров

Это 1.5B модель, которая демонстрирует выдающиеся способности в решении математических задач, соперничая с гораздо более крупными моделями. Используя инновационную методику постобучения, она достигает результатов, сопоставимых с открытыми моделями, такими как GPT OSS-20B Medium, при значительно меньших затратах.

🚀Основные моменты:
- Эффективность: 1.5B параметров, производительность на уровне 1000B+ моделей.
- Инновационная методология: "Spectrum-to-Signal Principle" для улучшения разнообразия выходных данных.
- Выдающиеся результаты: Превосходит модели, в 10-600 раз большие.
- Экономичность: Разработка модели стоит всего $7,800 против сотен тысяч для конкурентов.

📌 GitHub: https://github.com/WeiboAI/VibeThinker

#python
5👍2