Что выведет код сверху?

👾 — Tython
👍 — Tython Learning
🥰 — Python
⚡️ — Error

Библиотека задач по Python

Что будет, если декоратор не возвращает ничего?

Если декоратор не возвращает ничего, то происходит следующее:
— Декоратор заменяет оригинальную декорируемую функцию на значение None.
— При попытке вызвать декорированную функцию произойдет ошибка AttributeError, поскольку None не является вызываемым объектом.
— Выполнение декорируемого кода на самом деле не происходит.
— Декоратор фактически "срывает" работу декорируемой функции, делая ее невызываемой.

Чтобы этого избежать, декоратор обязательно должен возвращать некоторое вызываемое значение — либо оригинальную функцию, либо другую функцию-обёртку.
Таким образом, не возвращая ничего декоратор нарушает ожидаемое поведение и "ломает" декорируемый код.

Библиотека задач по Python

Что выведет код сверху?

👾 — ["Monday", "Tuesday"]
👍 — ["Sunday", "Monday"]
🥰 — ["Tuesday", "Wednesday"]
⚡️ — ["Wednesday", "Monday"]

Библиотека задач по Python

Что выведет код сверху?

👾 — 6 4
👍 — 6 2
🥰 — 4 2
⚡️ — 6 1

Библиотека задач по Python

Что выведет код сверху?

👾 — 4
👍 — 2
🥰 — 2
⚡️ — Error

Библиотека задач по Python

Что будет если ошибку не обработает блок except?

Если ошибка не будет обработана в блоке except, то программа прервется и выдаст сообщение об ошибке. Это называется необработанным исключением.

При возникновении исключения Python генерирует traceback — последовательность вызовов функций, которая привела к ошибке.
Если исключение не перехватывается блоком except, то traceback выводится пользователю и программа завершается аварийно.

Библиотека задач по Python

🔥 Хороший ML-разработчик не начинает с нейросетей

На собеседовании по ML System Design кандидату дают задачу «предсказать отток», а он сразу лезет в нейросети. Красиво, модно, дорого.

Но профи думает иначе:

💭 Логрегрессия? Градиентный бустинг?
💭 А сколько у нас данных и времени?
💭 Что с интерпретируемостью?

Потому что не выбрать адекватную модель — это уже ошибка.

Нейросети — это круто. Но без понимания классического ML вы просто «подключаете модельку», а не строите решения.

➡️ На курсе разберём:

— линейные модели, деревья, PCA, кластеризацию
— метрики, переобучение, bias vs variance
— инженерные подводные камни, которые идут сразу после fit()

🎁 Скидка 10 000₽ по промокоду Earlybird, только до 27 июля.

А ещё — подарок для первых 10 участников: специальный лонгрид по теме курса, чтобы вы могли начать погружение в материал уже сегодня.

🔗 Успей записаться (https://clc.to/qx-TSw) — и начни карьеру в Data Science уже через 3 месяца!

Есть ли в Python сборщик мусора, и, если есть, как он работает?

Стандартный интерпретатор использует несколько алгоритмов.

🧹 Подсчёт ссылок. Каждый объект в Python содержит внутренний счётчик ссылок. Когда он падает до нуля, это означает, что на объект больше нет ссылок, его можно удалить. Главный недостаток этого алгоритма — не умеет определять циклические ссылки.
🧹 Алгоритм поиска циклов. Реализован в модуле gc и активируется время от времени, а не постоянно. Если коротко, этот алгоритм периодически ищет объекты, которые ссылаются только друг на друга и не доступны извне. Объекты, признанные недостижимыми, удаляются.
Также стоит добавить, что циклический сборщик мусора делит объекты на три поколения в зависимости от того, как долго они существуют в памяти. Новые объекты помещаются в первое поколение. Если они сохраняются после очередного процесса сбора мусора, то перемещаются в следующее по старшинству поколение. Объекты в более старших поколениях проверяются реже.

Библиотека задач по Python

Какие из этих баз данных по умолчанию не поддерживаются Django?

👾 — Postgres
👍 — Mysql
🥰 — Sqlite
⚡️ — Mongodb
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

😤 Устал листать туториалы, которые не складываются в картину

У тебя в голове уже есть логрегрессии, деревья, метрики и какая-то PCA, но системного понимания всё нет?

Пора с этим разобраться!

Наш курс по классическому ML:

— научит выбирать адекватные модели под задачу
— разложит метрики, переобучение и bias по полочкам
— покажет, что скрывается за fit/predict, и что с этим делать

🔔 До 27 июля по промокоду Earlybird — минус 10.000₽

P.S. Первые 10 участников получат эксклюзивный лонгрид, чтобы начать изучать тему ещё до старта курса.

👉 Поменяй свою жизнь: старт карьеры в AI — успей до закрытия набора! (https://clc.to/KoS9jQ)

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
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

🤔 «Начни сразу с нейросетей — зачем тебе логрегрессия?»

Это один из худших советов для начинающего ML-разработчика. Зрелость — это понимать, где простого достаточно, а не тянуть трансформеры на любую задачу из-за хайпа.

Классика ML — это не допотопная теория, а база (bias/variance, деревья, метрики), без которой не понять Deep Learning.

⚡️ Хотите освоить этот фундамент на реальных задачах? Приходите на наш курс по классическому ML. Только хардкор, только продовые задачи!

📆 Старт — 12 августа.

Для первых 10 участников бонус — специальный лонгрид по теме курса, чтобы вы могли начать разбираться уже сейчас.

🎁 Последний день промокода Earlybird на скидку 10.000₽.

👉 Не упустите шанс! (https://clc.to/_lE7AA)

Что произойдёт при следующем выражении: a = [1, 2, 3]; b = a; a += [4]?

👾 — a и b будут разными списками
👍 — a будет содержать [1, 2, 3], b — [1, 2, 3, 4]
🥰 — a и b будут ссылаться на один и тот же список: [1, 2, 3, 4]
⚡️ — b станет None
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

Что выведет код?

👾 — pYtHoN PrOgRaMmInG
👍 — Python Programming
🥰 — python programming
⚡️ — PYTHON PROGRAMMING
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

Какой файл содержит настройки проекта Django?

👾 — settings.py
👍 — config.py
🥰 — app_config.py
⚡️ — project_setup.py
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

Какое утверждение о GIL (Global Interpreter Lock) в CPython верно?

👾 — Позволяет многопоточность на многоядерных CPU
👍 — Отсутствует в CPython
🥰 — Сериализует выполнение байт-кода в одном потоке
⚡️ — Ускоряет выполнение async-функций
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

✍🏻 Что такое фабрика декораторов?

Фабрика декораторов — это особая разновидность функции высшего порядка, которая возвращает декоратор вместо прямого результата. Главное отличие фабрики декораторов от обычного декоратора в том, что она принимает аргументы, которые могут конфигурировать логику декоратора.

Например, фабрика может принимать имя лог-файла, в который будет производиться запись при вызове декорируемой функции. Или уровень логирования вместо простой записи всех вызовов.
Такой подход позволяет создавать переиспользуемые и гибко настраиваемые декораторы для решения разных задач.

Главные преимущества фабрик декораторов — это возможность абстрагироваться от конкретики реализации, избежать дублирования кода и создавать интуитивный API для декораторов с настройками.

Библиотека задач по Python

Какой из следующих блоков будет выполняться всегда, независимо от того, возникло ли в программе исключение или нет?

👾 — try
👍 — except
🥰 — finally
⚡️ — Ни один из них
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

Какое(-ие) из следующих утверждений верно(-ы) в контексте Django 4.2+, если используется PostgreSQL, кастомный middleware и ATOMIC_REQUESTS=True для базы данных?

👾 — Если в кастомном middleware происходит исключение после get_response() (в process_response()), то транзакция, инициированная ATOMIC_REQUESTS, уже завершена
👍 — Использование @transaction.atomic внутри представления (view) поверх ATOMIC_REQUESTS=True приводит к конфликту и вызывает исключение
🥰 — Механизм prefetch_related() эффективнее select_related() в случае ForeignKey-связей один-к-одному
⚡️ — Если DEBUG=True, то middleware X-Content-Type-Options: nosniff не будет добавлен, даже если SecurityMiddleware активен
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python

Какой из следующих модулей необходимо импортировать для обработки вычислений даты и времени в Python?

👾 — datetime
👍 — date
🥰 — time
⚡️ — timedate
(https://t.iss.one/csharp_problems_lib)Библиотека задач по Python