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

В каких ситуациях возникает исключение NotImplementedError?

Исключение NotImplementedError возникает, когда метод или функция должны быть реализованы в подклассе, но не были реализованы. Это может произойти, когда родительский класс определяет метод, но не реализует его сам, а оставляет это для подклассов. В этом случае, если подкласс не реализует метод, он будет вызывать исключение NotImplementedError. Это может быть полезно для отладки, чтобы убедиться, что все необходимые методы реализованы в подклассах. Это также может возникнуть в других ситуациях, например, если вы пытаетесь использовать неопределенную функцию или метод.

Библиотека задач по Python