Библиотека задач по Python | тесты, код, задания

Что делает yield from subgen?

👾 — Просто вызывает подгенератор и возвращает список
👍 — Делегирует итерацию/send/throw/close подгенератору и получает его return как результат (PEP 380)
🥰 — Запускает подгенератор параллельно в другом потоке
⚡️ — Гарантирует выполнение в отдельном процессе

Библиотека задач по Python

Что даёт @dataclass(frozen=True)?

👾 — Глубоко делает неизменяемыми и все вложенные объекты
👍 — Запрещает присваивания атрибутов (иммутабельность на уровне класса) и при eq=True по умолчанию делает экземпляр хешируемым
🥰 — Автоматически копирует все мутируемые аргументы
конструктора
⚡️ — Включает slots и уменьшает память

Библиотека задач по Python

Какой файл содержит настройки проекта Django?

👾 — settings.py
👍 — config.py
🥰 — app_config.py
⚡️ — project_setup.py

Библиотека задач по Python

👍 На курсе по контролируемой разработке AI-агентов мы будем разбирать ровно то, о чём говорит Владислав в голосовом, но уже в формате системной практики.

📅 Старт курса — 20 апреля.

Если хотите разобраться, как строить управляемые агентные системы:
➡️ Присоединяйтесь.

P.S. С первого занятия будет практика: код и разбор реальных ошибок, а не только теория.

Что выведет код?

👾 — pYtHoN PrOgRaMmInG
👍 — Python Programming
🥰 — python programming
⚡️ — PYTHON PROGRAMMING

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

Библиотека задач по Python

Что делает параметр response_model в декораторе маршрута? (FastAPI)

👾 — Ограничивает типы входных параметров
⚡️ — Валидирует и сериализует ответ, отсекая лишние поля
🥰 — Меняет код ответа по умолчанию
👍 — Включает автодокументацию

Библиотека задач по Python

Что означает RPO?

👾 — Максимально допустимая длительность простоя
👍 — Цель по времени восстановления сервиса
🥰 — Максимально допустимая потеря данных во времени
⚡️ — Среднее время до отказа

Библиотека задач по Python

Последний шанс: 3 курса по цене 1 и запуск AI-агентов в продакшн

Писать парсеры на Python — полезно, но тренд 2026 года — сложные мультиагентные системы. Как заставить ИИ-агентов автономно выполнять задачи без слива бюджета и с соблюдением 152-ФЗ?

Обновлённая программа делает упор на жёсткий инжиниринг и вывод в прод. Вы научитесь строить ReAct-циклы, работать с LangGraph и AutoGen, внедрять продвинутый RAG, протоколы MCP и AgentOps. Все ключевые навыки в одном месте: измеримость систем, time-travel дебаггинг, управление браузером, human-in-the-loop и развёртывание в закрытых контурах.

Почему нельзя откладывать:

— масштабная акция «3 курса по цене 1» сгорает уже сегодня;
— промокод Agent на скидку 10 000 рублей действует последние часы;
— сразу после оформления открываются материалы для подготовки — начать учиться можно прямо сейчас.

Забронировать место на курсе и забрать бонусы до конца дня

Как поддерживать «прибавить x на [l,r]» и «минимум на [l,r]» за O(log n)?

👾 — Префиксные суммы
👍 — Дерево Фенвика
🥰 — Сегментное дерево с ленивой пропагацией
⚡️ — Несортированная куча

Библиотека задач по Python

Что даёт asyncio.TaskGroup по сравнению с gather?

👾 — Запускает задачи параллельно и скрывает исключения
👍 — При первом исключении отменяет остальные, дожидается их и выбрасывает ошибку после with
🥰 — Выполняет задачи строго последовательно
⚡️ — Требует вручную вызывать cancel() для каждой задачи при ошибке

Библиотека задач по Python

За год мы провели три потока курса по ИИ-агентам, а теперь запускаем масштабное обновление!

В новом, четвёртом потоке мы учли все пожелания студентов, добавили большой блок про AgentOps и сместили фокус с базовых концепций на суровый инжиниринг. Решить задачку на Python за 5 минут легко, а вот выкатить отказоустойчивого ИИ-агента, который не сливает бюджет на токены — задача со звёздочкой.

В программе:

— практика с первого занятия: Jupyter-ноутбуки с автопроверкой;
— оркестрация в LangGraph: human-in-the-loop и механизм time-travel;
— продвинутый RAG для продакшена и парсинг сложных документов;
— контроль экономики агентов: маршрутизация и кеширование запросов;
— развёртывание локальных опенсорс-моделей с соблюдением 152-ФЗ.

В честь старта продаж действует спецпредложение: 3 курса по цене 1 (два дополнительных курса в подарок).

Доступ к материалам для предварительной подготовки откроется сразу после оплаты.

По промокоду Agent забирайте скидку 10 000 ₽ (89 000 ₽ вместо 99 000 ₽). Успейте занять место до 28 февраля!

👉 Присоединиться к четвёртому потоку и вывести агентов в прод

Чем корректно отдавать большой поток данных?

👾 — Response с JSON
👍 — StreamingResponse
🥰 — FileResponse всегда загружает весь файл в память
⚡️ — HTMLResponse

Библиотека задач по Python

Все подклассы являются подтипами в объектно-ориентированном программировании.

👾 — True
⚡️ — False

Библиотека задач по Python

Что выведет код сверху?

👾 — 3:27
👍 — 2:8
🥰 — 8
⚡️ — 27

Библиотека задач по Python

В продакшн-сервисе на Python при росте нагрузки CPU-bound задачи (например, обработка изображений) выполняются значительно медленнее, хотя вы используете ThreadPoolExecutor. Почему так происходит и что правильнее сделать?

👾 — В Python потоки работают медленно, лучше перейти на asyncio
👍 — Из-за GIL потоки не дают прироста для CPU-bound задач, лучше использовать ProcessPoolExecutor или multiprocessing
🥰 — Нужно увеличить количество потоков в пуле, чтобы загрузить CPU на 100%
⚡️ — Проблема в сборщике мусора, надо чаще вызывать gc.collect()

Библиотека задач по Python

🧩 От решения алгоритмических задач к построению автономных AI-систем

Пора переходить от отдельных функций к сложным агентам, которые умеют управлять браузером и работать с базами знаний. В 2026 году это — главная компетенция. Мы обновили наш курс, превратив его в масштабный практикум по инжинирингу.

📚 Что вы научитесь строить:

— сложные графы решений в LangGraph с восстановлением состояний;
— промышленные системы RAG, способные парсить сканы и таблицы;
— механизмы контроля ресурсов, экономящие бюджет на токены;
— системы, полностью соответствующие 152-ФЗ.

Купите доступ и получите подготовительные задачи и материалы сразу после оплаты.

⏳ Специальные условия до 28 февраля:

— введите промокод Agent для получения скидки 10 000 рублей**;
— участвуйте в **акции «3 курса по цене 1» — два дополнительных курса в подарок.

👉 Получить доступ к курсу и подаркам

Что выведет код?

👾 — Неверный синтаксис для наследования
👍 — Ошибка, так как при создании объекта необходимо передать аргумент
🥰 — Ничего
⚡️ — A disp()

Библиотека задач по Python

Хватит решать алгоритмы. Пора строить реальные AI-системы!

Задачки на алгоритмы — это хорошо, но на рынке сейчас платят за умение интегрировать ИИ в реальный бизнес. И не просто дёрнуть API, а сделать так, чтобы агент не ломался, не галлюцинировал и не сливал бюджет.

Мы полностью обновили курс по AI-агентам под стандарты 2026 года. Теперь это инженерный симулятор продакшна с большими домашними заданиями и фокусом на метрики, тестирование и архитектуру.

Какие задачи вы будете решать на курсе:

🔹 строить хардкорный RAG: извлекать данные из кривых таблиц и сканированных PDF;
🔹 настраивать LangGraph: внедрять human-in-the-loop и восстанавливать упавшие состояния;
🔹 оптимизировать затраты: настраивать кэширование и лимиты на токены;
🔹 автоматизировать действия: учить агентов кликать по legacy-интерфейсам в браузере;
🔹 деплоить по правилам: разворачивать систему с учётом требований 152-ФЗ.

Промокод Agent даёт скидку 10 000 рублей до 28 февраля.

Запущенная акция «3 курса по цене 1» позволит вам выбрать ещё два курса в подарок.

Перейти к задачам уровня Production