Python вопросы с собеседований

⚡️ Базовая аутентификация в Django: как сделать правильно

В статье рассматривается, как настроить базовую (Basic) аутентификацию в Django для API и защищённых ресурсов.

Что такое Basic Authentication
Это самый простой способ аутентификации по HTTP: клиент отправляет логин и пароль в заголовке Authorization: Basic …, закодированные в base64. Подходит для API, но требует HTTPS, так как пароль передаётся в каждом запросе.

Django по умолчанию не предоставляет Basic Auth для view-функций. Он есть только в Django REST Framework. Если нужен собственный API или простая защита эндпоинтов без DRF — придётся реализовать самому.

Подход из статьи
Автор показывает, как создать middleware или декоратор, который:
- проверяет заголовок Authorization
- декодирует базу64
- валидирует логин/пароль
- возвращает 401 Unauthorized, если аутентификация не прошла

Пример (упрощённо):
1) Извлекаем заголовок
2) Проверяем, что он начинается с Basic
3) Декодируем base64
4) Сравниваем с нужными учётками

Для Django-view это можно обернуть в декоратор и использовать так:

@basic_auth_required
def my_view(request):
    …

Плюсы
– очень лёгкий способ защитить API
– работает без дополнительных библиотек
– гибко настраивается

Минусы
– нет сессий, токенов, CSRF и других продвинутых схем
– подходит только под HTTPS
– пароль передаётся в каждом запросе

Кому полезно
Если нужен простой API или внутренняя служба, где полноценный OAuth/JWT — overkill.Ссылка
https://adamj.eu/tech/2025/12/08/django-basic-authentication/

🎁🎄Новогодние проекты на Python🎄🎄

Новогодние праздники - отличное время сделать что-то не шаблонное на Python:
микро-движок для генерации музыки, локальный AI-ассистент для заметок, трекер сна с визуализациями, «умный» планировщик тренировок, бот-редактор изображений или симулятор биржевых стратегий на исторических данных.
Главное — выбери проект, где есть и код, и чуть-чуть исследовательской части: так растёт навык архитектуры.

# генератор уникальных идей проектов на праздники
import random

ideas = [
    "Локальный AI-помощник для поиска по личным заметкам",
    "Генератор музыки с визуализацией (MIDI + matplotlib)",
    "Трекер сна с анализом и графиками",
    "Бот-редактор картинок (фильтры, обводка, коллажи)",
    "Симулятор простых биржевых стратегий на исторических данных",
    "Планировщик тренировок с прогрессией нагрузки",
    "Мини-игра «жизнь колонии» с простой физикой"
]

def show():
    print("Твой нестандартный проект:")
    print(random.choice(ideas))

https://www.youtube.com/shorts/XLleHvDTsEk

🚀 Mistral Vibe: Ваш AI-ассистент для кода

Mistral Vibe — это командный интерфейс для взаимодействия с вашим кодом на естественном языке. Он позволяет исследовать, изменять и управлять проектами с помощью мощного набора инструментов, включая манипуляцию файлами и выполнение команд.

🚀 Основные моменты:
- Интерактивный чат с AI для выполнения задач.
- Поддержка манипуляций с файлами и командной строки.
- Автоматическое сканирование структуры проекта для контекста.
- Высокая настраиваемость через конфигурационные файлы.
- Безопасность выполнения инструментов с подтверждением.

📌 GitHub: https://github.com/mistralai/mistral-vibe

#python

⚙️ Context-async-sqlalchemy: простой способ подружить ASGI и async SQLAlchemy

Эта библиотека упрощает интеграцию асинхронного SQLAlchemy в любые ASGI-приложения.

Что она делает:
• управляет жизненным циклом engine и сессий
• даёт удобные утилиты для работы с БД
• ускоряет разработку — без лишней магии и ограничений

Идея простая: меньше шаблонного кода, больше внимания логике приложения.

https://github.com/krylosov-aa/context-async-sqlalchemy

💼 ru-test-assignments - большая база реальных тестовых заданий от IT-компаний

ru-test-assignments - это открытая коллекция настоящих тестовых заданий, которые кандидаты получали на собеседованиях в российских IT-компаниях.

Без абстрактных задач «в вакууме» только то, что реально спрашивают.

Что внутри 👇
• Сотни заданий по направлениям:
Frontend, Backend, QA, Android, iOS, Data Science, DevOps
• Компании из топа рынка:
Avito, Яндекс, Тинькофф, Сбер, Ozon, VK и другие
• Разные языки и стеки:
Python, JavaScript, Go, Java, PHP, Ruby, C#
• Готовые задания можно прикреплять в портфолио (например, через Hexlet CV)

Почему это полезно:
- понимаешь реальные требования рынка
- тренируешься на задачах уровня интервью
- закрываешь пробелы в стеке
- усиливаешь портфолио без выдуманных кейсов

Отличный ресурс для подготовки к собеседованиям и оценки своего уровня.

https://github.com/Hexlet/ru-test-assignments

🚀 VulnLLM-R-7B - первый специализированный reasoning LLM для поиска уязвимостей, сразу с agent-scaffold.

Что важно:
- Заточен именно под vulnerability detection
- Использует рассуждения, а не только шаблонный паттерн-матчинг
- Может работать как агент для анализа кода

Полный стек уже доступен:
📜 Paper: https://alphaxiv.org/abs/2512.07533
💻 Code: https://github.com/ucsb-mlsec/VulnLLM-R
🤗 Model & Data: https://huggingface.co/collections/UCSB-SURFI/vulnllm-r
🕹️ Demo: https://huggingface.co/spaces/UCSB-SURFI/VulnLLM-R

Хороший пример того, как узкоспециализированные LLM начинают превосходить универсальные модели в реальных задачах безопасности.

🚀 PyTogether - Google Docs для Python-кода

PyTogether - это браузерная IDE для Python с совместной работой в реальном времени. Несколько человек могут писать и запускать код одновременно, видеть курсоры друг друга и общаться прямо внутри редактора.

Что умеет:
• Совместное редактирование Python-кода (live-collaboration)
• Запуск Python прямо в браузере через Pyodide
• Чат и голосовая связь внутри IDE
• Живые курсоры, выделения и заметки
• Простая авторизация и проекты для команд
• Никакой установки — всё работает в браузере

Кому подойдёт:
• Обучение и менторство
• Парное программирование
• Онлайн-курсы и воркшопы
• Быстрые разборы кода и собесы

Технологии под капотом:
Python (Django, DRF), WebSockets + Y.js для синхронизации, React + CodeMirror, Redis и PostgreSQL. Всё open-source под MIT-лицензией.

Хороший пример того, как современные web-технологии превращают IDE в социальный инструмент для обучения и командной работы.

https://github.com/SJRiz/pytogether

🖥 Гайд по продвинутому профессиональному использованию SQL

В этом руководстве мы рассмотрим ключевые аспекты работы с SQL на практике. Начнём с сравнения популярных СУБД, затем перейдём к продвинутым приёмам аналитического SQL, оптимизации запросов, администрированию баз данных, и закончится всё интеграцией SQL с Python (SQLAlchemy, pandas и т.д.).

Для каждого раздела приведены примеры на реальных сценариях (интернет-магазин, CRM, аналитика продаж), код и полезные советы.

👉 Читать гайд

🎮 HY-World 1.5: Интерактивное моделирование миров в реальном времени

HY-World 1.5 (WorldPlay) - это передовая система для создания интерактивных 3D миров с долгосрочной геометрической согласованностью. Модель использует уникальные подходы, такие как Dual Action Representation и Context Forcing, чтобы обеспечить высокую скорость и качество генерации.

🚀Основные моменты:
- Реальное интерактивное моделирование с 24 FPS.
- Долгосрочная геометрическая согласованность.
- Поддержка различных сцен и перспектив.
- Открытый доступ к полному фреймворку обучения.
- Инновационные техники для снижения задержек.

📌 GitHub: https://github.com/Tencent-Hunyuan/HY-WorldPlay

#python

🎥🚀 Wan-Move: Motion-Controlled Video Generation

Wan-Move представляет собой инновационную платформу для генерации видео с управлением движением, обеспечивая высокое качество и точность. Используя новаторское руководство по латентным траекториям, проект позволяет создавать 5-секундные видео с точным контролем на уровне объектов, интегрируясь с существующими моделями без изменений архитектуры.

🚀 Основные моменты:
- 🎯 Высококачественная генерация видео 480p с SOTA контролем движений.
- 🧩 Новая методология латентного управления траекторией.
- 🕹️ Точный контроль движений объектов с помощью плотных точечных траекторий.
- 📊 Уникальный бенчмарк MoveBench для оценки движений.

📌 GitHub: https://github.com/ali-vilab/Wan-Move

#python

🎉 Превратите статьи в слайды за один клик! 🎉

Paper2Slides позволяет быстро создавать профессиональные слайды и постеры из научных статей и документов. Поддерживает множество форматов, включая PDF и Word, с точным извлечением данных и возможностью кастомизации стилей.

🚀 Основные моменты:
- 📄 Поддержка различных форматов документов
- 🎯 Точное извлечение контента с сохранением источников
- 🎨 Возможность кастомизации стилей с помощью естественного языка
- ⚡ Быстрое создание слайдов с режимом предварительного просмотра

📌 GitHub: https://github.com/HKUDS/Paper2Slides

#python

🖥 Как правильно задавать разные потоки случайности в Python

Не полагайся на “хитрые” семена случайности в Python!
Python игнорирует знак числа в random.seed, поэтому seed от трех и seed от минус трех дают одинаковые результаты.

Разные seed не обязательно означают разные потоки — Python гарантирует только одно: одинаковый seed → одинаковая последовательность.

Если нужны независимые случайные потоки - создавай отдельные RNG или используй разные числовые диапазоны, а не вариации знака.

import random

rng_train = random.Random(42)   # отдельный генератор для train
rng_test  = random.Random(99)   # отдельный генератор для test

print(rng_train.randint(1, 100))
print(rng_test.randint(1, 100))

https://www.youtube.com/shorts/TLNqDK6qQmU

🐍 Хитрая ловушка в Python, на которую попадаются даже опытные

matrix = [[0] * 3] * 3

matrix[0][0] = 1
matrix[1].append(9)

print(matrix)
print(len(matrix))
print(len(matrix[0]))

Интуитивно кажется, что это создаёт независимые строки матрицы.
Но на самом деле Python копирует ссылки - все три строки указывают на один и тот же список.

🔍 Поэтому изменение matrix[0][0] или append() влияет сразу на все строки.

🧠 Вывод программы:

[[1, 0, 0, 9],
[1, 0, 0, 9],
[1, 0, 0, 9]]
3
4


✔️ Как правильно создавать матрицу с независимыми строками:

matrix = [[0] * 3 for _ in range(3)]


Теперь каждая строка - отдельный список, и изменения не “протекают” по всей матрице.

🔥 Удобный контекстный менеджер для работы с файлами

Использование контекстного менеджера делает работу с файлами более безопасной и удобной. В этом примере мы создадим собственный контекстный менеджер для автоматического закрытия файла и обработки ошибок.

class ManagedFile:
    def __init__(self, filename, mode):
        self.filename = filename
        self.mode = mode
        self.file = None

    def __enter__(self):
        self.file = open(self.filename, self.mode)
        return self.file

    def __exit__(self, exc_type, exc_val, exc_tb):
        if self.file:
            self.file.close()

with ManagedFile('example.txt', 'w') as f:
    f.write('Hello, Custom Context!')

🧠 Продвинутая типизация Python, о которой почти никто не знает

Статья показывает, что Python уже давно вышел за рамки простых List[int] и Optional[str].

Главные идеи:

✔️ TypeGuard и новый TypeIs позволяют писать функции, которые доказательно сужают типы - например, проверка превращает Any в конкретный тип для дальнейшего кода.

✔️ assert_never из typing помогает ловить случаи, когда ты забыл обработать один из вариантов, что особенно важно в match и сложных условных ветках.

✔️ Python 3.13+ добавляет улучшенный вывод типов и строгие проверки, чтобы типизированный код стал надёжнее.

✔️ Поддержка typed function overloading - теперь можно описывать разные сигнатуры для одной функции, и анализаторы понимают их корректно.

📌 Вывод из статьи - Python типизация уже стала инструментом для архитектуры и предотвращения ошибок, особенно в больших проектах. Но большинство разработчиков использует только её простейший слой.

Кому полезно:
• работаешь с крупными кодовыми базами
• пишешь библиотеки
• хочешь меньше скрытых багов и более предсказуемые refactor-ы

Источник: martynassubonis.substack.com/p/advanced-overlooked-python-typing

🐍⚙️ Python + Docker совет:

Не устанавливай зависимости в образ на «сыром» pip install — используй фиксированные версии и слой кеширования. Правильный паттерн:

1) сначала COPY requirements.txt
2) затем RUN pip install -r requirements.txt
3) потом COPY исходники

Так Docker кеширует слой с зависимостями — при изменении кода пересобирается только последний слой, а не весь образ. Это ускоряет CI/CD в разы и делает сборки предсказуемыми.

🚀 DR Tulu: Reinforcement Learning for Deep Research

DR Tulu-8B — первый открытый модель для долгосрочных задач глубоких исследований. Она демонстрирует конкурентоспособные результаты на бенчмарках, сопоставимых с OpenAI. Репозиторий включает библиотеки для разработки агентов, обучение с помощью RL и SFT.

🚀Основные моменты:
- Мощная библиотека агентов для глубоких исследований.
- Обучение с эволюционными рубриками.
- Поддержка высококонкурентного асинхронного управления запросами.
- Интеграция с существующими моделями и фреймворками.

📌 GitHub: https://github.com/rlresearch/dr-tulu