Python вопросы с собеседований

👩‍💻 Изучите разработку бэкенда на Python, создав 3 проекта!

🔍 Вот проекты, которые вы будете реализовывать:

🌟 Генератор статей для блога с помощью AI: Погрузитесь в мир искусственного интеллекта, создавая инструмент, который генерирует статьи блога. Вы узнаете об интеграции ИИ в веб-разработку.

🌟 Клон Netflix: создайте клон Netflix, в котором вы реализуете аутентификацию пользователей, потоковую передачу видео и динамичный, адаптивный пользовательский интерфейс.

🌟 Клон Spotify: ​​создайте платформу потоковой передачи музыки, узнайте, как управлять аудиофайлами, пользовательскими плейлистами и потоковой передачей данных в реальном времени.

🕞 Продолжительность: 10:08:01

🔗 Ссылка: *клик*

@python_job_interview

👩‍💻 Создание простой таблицы с помощью Python!

@python_job_interview

👩‍💻 Python Developer Roadmap — руководство, предназначенное для начинающих разработчиков Python, которое помогает структурировать и планировать процесс обучения и развития карьеры!

🌟 В нем представлен пошаговый план, который охватывает ключевые аспекты Python-разработки: от базовых знаний и синтаксиса до более сложных тем, таких как работа с базами данных, веб-разработка, тестирование, машинное обучение и разработка микросервисов.

🔐 Лицензия: MIT

🖥 Github

@python_job_interview

👩‍💻 Helium — это библиотека для Python, предназначенная для автоматизации браузеров, таких как Chrome и Firefox!

🌟 Она предоставляет высокоуровневое API для взаимодействия с веб-страницами, значительно упрощая автоматизацию по сравнению с Selenium. Helium позволяет работать с элементами по видимым меткам, автоматизировать работу с окнами и фреймами, а также предоставляет удобные методы для ожидания элементов. Это облегчает написание более компактных и читаемых скриптов. Helium — это обертка над Selenium, но с улучшенной функциональностью и простотой использования.

🔐 Лицензия: MIT

🖥 Github

@python_job_interview

💡 cognitive-load — это репозиторий, посвящённый снижению когнитивной нагрузки в программировании. В нём собраны лучшие практики и рекомендации, как упрощать восприятие кода и интерфейсов, чтобы они стали более понятными и удобными для работы.

🌟 Основная цель — уменьшить усилия, которые требуется приложить для понимания и использования программного обеспечения, что способствует повышению продуктивности и улучшению пользовательского опыта.

🔐 Лицензия: CC-BY-4.0

🖥 Github

@python_job_interview

🔥 every-programmer-should-know — коллекция полезных ресурсов, статей, инструментов и рекомендаций, которые могут быть полезны программистам!

🌟 Он охватывает широкий спектр тем, включая алгоритмы, базы данных, работу с памятью, безопасность, проектирование систем, UX/юзабилити, программирование на различных языках, инженерную философию и многое другое. Список содержит ссылки на книги, статьи, руководства и видео, которые помогут разработчикам улучшить свои знания и навыки.

🔐 Лицензия: СС-BY-4.0

🖥 Github

@python_job_interview

💡 Совет по Python!

❗️ Если у вас длинный текст, вы можете использовать функцию wrap из библиотеки textwrap, чтобы перенести его! Эта функция принимает два аргумента: текст, который вы хотите перенести, и длину каждой строки.

@python_job_interview

👩‍💻 everett — библиотека для работы с конфигурационными переменными в Python!

💡 Она позволяет легко управлять настройками приложения, используя структуру данных для загрузки и хранения конфигурации, а также поддерживает различные форматы, такие как .env файлы.

🔍 Библиотека включает в себя:

🌟 Удобное API для получения и работы с конфигурационными переменными.

🌟 Поддержку типов данных, таких как строки, числа, булевые значения и списки.

🌟 Возможность работы с конфигурациями, загружаемыми из различных источников (например, окружение, файлы).

🌟 Валидаторы для проверки значений конфигурации на корректность.

🔐 Лицензия: MPL-2.0

🖥 Github

@python_job_interview

🖥 25 Вопросов и Ответов для Python-Собеседования Middle

⚡️ Читать статью

@python_job_interview

❓ Что выведет это выражение и почему?

❗️ Ответ: B (False). Почему так?

🌟 not None: None — это специальное ключевое слово в Python, представляющее отсутствие значения. not — это логический оператор, который инвертирует истинностное значение выражения. Таким образом, not None эквивалентно True

🌟 "" — пустая строка. Она представляет строку без символов. В булевых контекстах пустая строка также считается False.

🌟 != — оператор сравнения «не равно». Он проверяет, являются ли два значения разными.

🔍 Теперь у нас есть: Python print(True != False) True не равно False. Следовательно, выражение True != False оценивается как True. Почему Output равен False?

💡 Путаница может возникнуть из-за того, как Python обрабатывает булевые выражения. В Python некоторые Значения неявно преобразуются в булевы значения в определенных контекстах. Это известно как истинность. Истинны следующие значения: Ненулевые числа, непустые строки, Непустые списки, кортежи, множества и словари. Ложными же считаются 0, пустые строки и null.

❗️ При сравнении not None (что равно True) и "" (что равно False) Python неявно преобразует их в их логические эквиваленты. Однако оператор сравнения != не выполняет логическое сравнение; это строгая проверка равенства. Поэтому, хотя True и False являются различными булевыми значениями, они не считаются "не равными" в строгом смысле оператора !=. Следовательно, вывод равен False.

@python_job_interview

🌟 PydanticAI: фреймворк для создания AI-агентов на основе Pydantic.

PydanticAI - фреймворк для Python, созданный командой разработчиков Pydantic, который упрощает создание приложений с использованием LLM. Фреймворк имеет простой и интуитивно понятный интерфейс для взаимодействия с LLMs, поддерживающими Async OpenAI (Ollama) и openAI API (ChatGPT, Gemini и Groq), с поддержкой Anthropic в ближайшем будущем.

Основная особенность PydanticAI - система внедрения зависимостей, которая передает данные, соединения и логику в целевую модель. Она упрощает тестирование и оценку агентов и позволяет динамически формировать системные промпты и определять инструменты, доступные LLM.

PydanticAI имеет возможность потоковой обработки ответов с валидацией структурированных данных, позволяя контролировать корректность соответствие данных ожидаемому ответу, тем самым повышая эффективность и интерактивность приложений.

Для отладки и мониторинга работы агентов предусмотрена интеграция с Pydantic Logfire, с которым можно отслеживать запросы к базам данных, анализировать поведение модели и оценивать производительность.

▶️ В документации к проекту доступны примеры применения PydanticAI в сценариях:

🟢Построение Pydantic-модели на основе текстового ввода;
🟢Погодный агент;
🟢Агент поддержки клиентов банка;
🟢Генерация SQL-запросов на основе пользовательского ввода;
🟢RAG-поиск по массиву markdown-документам;
🟢Вывод результатов работы агента в терминале;
🟢Пример проверки потокового структурированного ответа на примере информации о видах китов;
🟢Простой чат-приложение.

⚠️ PydanticAI находится на ранней стадии бета-тестирования.

▶️Установка и простой пример "Hello Word" с Gemini-1.5-flash:

# Install via  PyPI
pip install pydantic-ai

# Set Gemini API key
export GEMINI_API_KEY=your-api-key

# Run example
from pydantic_ai import Agent
agent = Agent(
    'gemini-1.5-flash',
    system_prompt='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.data)
"""
The first known use of "hello, world" was in a 1974 textbook about the C programming language.
"""

📌Лицензирование: MIT License.


🟡Документация
🟡Demo
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #LLM #Agents #Framework #PydanticAI

👩‍💻 Учебник по работе с потоками в Python: от базового до продвинутого!

🌟 Изучите потоки Python от базовых до продвинутых концепций, включая параллелизм, многопоточность, создание потоков, синхронизацию и сравнение скорости с многопоточностью и многопроцессорностью!

🕞 Продолжительность: 13:17

🔗 Ссылка: *клик*

@python_job_interview

⚡️ Крутая шпаргалка по Python для data science.

Огромное количество тем:
— Установка Python и базовые операции;
— Типы данных и преобразования: строки, числа, логика;
— Списки: индексация, методы, вложенные списки;
— NumPy: создание массивов, операции, математика;
— Pandas: работа с данными, индексация, слияние, группировка;
— Регулярные выражения (re): работа со строками;
— Jupyter Notebook: основные команды и управление ячейками;
— Обработка NaN: очистка и заполнение данных;
— Работа с файлами: загрузка и сохранение данных;
— Многомерные массивы и их манипуляция.

В хорошем качестве здесь.