Python вопросы с собеседований

Docker и Kubernetes: основы разработки под облачную инфраструктуруКурс для тех, кто хочет держать свой стэк и знания актуальными и глубоко разбираться, как устроены Docker, Kubernetes, и современная облачная инфраструктура в целом.🌐 Чему вы научитесь:🤩 Создавать облачную инфраструктуру «с нуля» управление и конфигурация серверов с Terraform, Ansible, cloud‑init🤩 Уверенно работать с Docker: Dockerfile, слои, кэш, многоступенчатые сборки, реестры, безопасность, air‑gapped 🤩 Проектировать многоконтейнерные приложения: паттерны Sidecar, Ambassador, Adapter, проверки (liveness/readiness), DaemonSet и поды 🤩 Настраивать сеть и балансировку в KubernetesClusterIP, Services, Ingress, MetalLB, TLS/SNI, сервис‑меши (Istio) 🤩 Организовывать хранение данных: PersistentVolumes / PVC, StorageClasses, резервное копирование. Упаковка в Helm и поддержка через Operator🥸 Кто мы: R&D-центр Devhands. Автор курса — Николай Ихалайнен, эксперт по СУБД и бекенду (ex-Percona), со-основатель MyDB, энтузиаст открытого ПО.🗓 Старт курса: 10 июня, 6 недель обучения.Изучить программу и записаться можно здесь.Ждем вас!Реклама. ИП Рыбак А.А. ИНН 771407709607 Erid: 2VtzqxNnFKA

Агенты наконец-то получают нормальную памятьagentmemory - это локальный слой памяти для AI coding agents, который решает одну из самых раздражающих проблем: каждый новый сеанс агент снова «забывает» архитектуру проекта, ваши правки, договорённости, баги и стиль работы.Вместо того чтобы каждый раз заново объяснять Claude Code, Cursor, Codex или другому агенту, как устроен проект, agentmemory тихо сохраняет полезный контекст, сжимает его в searchable memory и подставляет нужные куски в следующих сессиях.Что важно:- работает с Claude Code, Cursor, Codex CLI, Gemini CLI, Windsurf, Roo Code, Cline, Aider и другими агентами- поддерживает MCP, hooks и REST API- один общий memory server для разных инструментов- память шарится между агентами, а не живёт внутри одного клиента- можно поднимать локально, без завязки на внешний сервис- помогает не раздувать CLAUDE.md, .cursorrules и другие ручные файлы контекстаИдея простая: агент должен не просто выполнять задачу, а накапливать опыт по проекту.https://github.com/rohitg00/agentmemory

🐍 Python Roadmap 2026: наконец-то полноценная актуальная карта изучения Python, а не список ссылок «разберись сам»На GitHub выложили большой русскоязычный роадмап по Python на 2026 год - от первых скриптов до уровня Middle+/Senior. Маршрут собран под современный Python:- Python 3.13+- free-threaded mode без GIL- JIT- uv вместо боли с pip/venv/poetry- ruff, pyright, pytest, hypothesis- async-first подход- типизация- CPython внутри- web, базы, ML/AI, DevOps и архитектураВ роадмапе есть нормальная последовательность: сначала окружение и база, потом идиомы, ООП, типы, стандартная библиотека, асинхронность, тестирование, внутренности CPython, web, базы данных, AI-направление, продакшн и архитектура.Отдельный плюс - практический формат. На каждом этапе есть задачи, чеклисты, примеры кода и бесплатные ресурсы. То есть это не мотивационная простыня, а маршрут, по которому реально можно идти несколько месяцев и видеть прогресс.Для новичков - понятный путь без хаоса.Для джунов - способ закрыть дыры.Для тех, кто уже пишет на Python - хороший чеклист, чтобы понять, где ты всё ещё плаваешь.Python в 2026 году - это tooling, типы, async, инфраструктура, AI и продакшн-дисциплина. И этот роадмап как раз про такой Python.https://github.com/justxor/pythonroamap2026

🐍 Python Pop Quiz: что окажется внутри `silly_dict`?Вопрос звучит просто, но тут ловушка в том, как Python работает с ключами словаря.Варианты:A) {"py": "amazing"} B) {"py": 10} C) {"py": "amazing", <__main__.MyClass object at ...>: 10} D) None of the aboveСуть в том, что ключи в dict сравниваются не по тому, как они выглядят в коде, а через __hash__ и __eq__.Если объект пользовательского класса имеет такой же хеш, как строка "py", и при сравнении считается равным этой строке, то Python решит: это один и тот же ключ.В таком случае новое значение просто перезапишет старое.Ответ: B) `{"py": 10}`Маленький пример, но отлично показывает важную вещь: в Python ключ словаря - это не “текстовое имя”, а объект с правилами хеширования и сравнения.

🖥 Python в 2026 - уже не просто «первый язык программирования». Это инструмент, с которым можно автоматизировать задачи, писать скрипты, собирать проекты, работать с данными, делать ботов и использовать ИИ как ускоритель разработки.Но есть проблема: большинство новичков учат Python кусками. Немного синтаксиса, пару задачек, немного теории - и потом ступор: «а что с этим делать дальше?»Этот курс сделан иначе. Здесь упор на реальную практику: вы не просто смотрите уроки, а постепенно учитесь писать код, разбирать ошибки, собирать рабочие решения и понимать, как Python применяется в нормальных задачах.Что внутри:- Python с нуля понятным языком- практика вместо бесконечной сухой теории- реальные задачи и проекты- автоматизация рутины- работа с файлами, данными и API- понятная логика программирования- современный подход к разработке с ИИ- отдельный акцент на вайбкодингВайбкодинг -это умение правильно ставить задачу, проверять код, понимать результат и ускорять работу без слепого копирования. В 2026 году это уже не бонус, а нормальный навык разработчика.Сегодня скидка 60 процентов: https://stepik.org/course/288218/info

Pyinstrument - профилировщик Python, который показывает, где код реально тормозит 👀Pyinstrument помогает быстро найти самые медленные участки Python-кода, чтобы не оптимизировать вслепую.Что умеет:- поддерживает Python 3.8+- ставится обычным pip install pyinstrument- строит интерактивные HTML-профили- показывает выполнение в timeline mode- интегрируется с Django через middleware- работает с FastAPI- автоматически подстраивает точность отображения времени под интервал профилированияУдобная штука, когда нужно понять не «какая функция кажется подозрительной», а где программа действительно теряет время.Для Python-проектов это один из тех инструментов, которые лучше подключить до того, как оптимизация превращается в гадание по логам.https://github.com/joerick/pyinstrument

⚡️ Студкемп от Яндекса Образования и Томского политеха: 2 недели погружения в компьютерное зрение на реальных данныхИнтенсив с упором на практику пройдет с 10 по 23 августа. Вот что вас ждет за это время:— Обучение системам компьютерного зрения для робототехники, медицины, контроля качества. — Погружение в современные технологии: от архитектур до мультиагентных систем на основе VLM.— Нетворкинг со студентами и ML-специалистами со всей России.— Практика на исследовательских данных и работа над собственным проектом. Студкемп пройдёт на базе ТПУ. Участие бесплатное, для прошедших отбор Яндекс Образование оплатит дорогу и проживание. Потребуются знания линейной алгебры, теории вероятностей, матстата. Python + базовые ML/CV-библиотеки.Регистрируйтесь на студкемп по ссылке, до 14 июня

Что выведет код?def maker(f, args, kwargs): return 1 + f(*args, **kwargs)m1 = maker(lambda a, b: a + b, (5, ), {"b": 2})m2 = maker(lambda a, b: a * b, [4, 5], {})print(m1 + m2)

Офер в Яндекс за выходные: 6–7 июняЕсли вы продуктовый, дата-аналитик или датасаентист с опытом на Python от 3 лет, участвуйте в Weekend Offer Analytics*. Как всё устроено:🔵 до 27 мая — регистрация;🔵 6 июня — две технические секции, вместо трёх в обычном найме;🔵 7 июня — знакомство с командами и офер.В мероприятии участвуют команды: R&D, Автономный транспорт, Алиса и Умные устройства, Поиск и Суперапп, Независимый Ecom и другие. Вы сможете пообщаться с нанимающими менеджерами и выбрать проект, который покажется самым интересным.Все подробности и полезные ссылки — на сайте. После регистрации с вами свяжется рекрутер и договорится об удобном времени для интервью.

Готовы проверить свои знания в Golang? Пройдите быстрый тест, чтобы выявить сильные и слабые стороны и стать еще круче в Go 😎5 вопросов по синтаксису и стандартной библиотеке разных уровней сложности ждут вас 👇ПРОЙТИ ТЕСТ

В Python 3.14.5 из-за утечек памяти возвращён старый сборщик мусораОпубликован корректирующий выпуск языка программирования Python 3.14.5, в котором, помимо исправления ошибок и незначительных уязвимостей, осуществлён возврат на старый сборщик мусора, применявшийся до ветки 3.14.x. В качестве причин внесения нетипичного для промежуточных выпусков значительного изменения называются жалобы пользователей на существенное повышение потребления памяти после перевода рабочих систем на ветку 3.14 и появление утечек памяти. Подробнее:https://opennet.ru/65445/https://opennet.me/65445/

⚡️ Machine Learning Roadmap 2025: большая карта входа в ML без сказок про “нейросети за месяцБольшой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps и даже вабкодинга.Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и что должно получиться на практике после каждого этапа.Roadmap разбит на 7 треков:1. Фундамент: Python, математика, статистика, инструменты2. Классический ML: scikit-learn, табличные данные, метрики, валидация3. Deep Learning: PyTorch, CNN, RNN, training loop4. LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты5. Generative AI: изображения, видео, аудио, мультимодальность6. MLOps и прод: Docker, Kubernetes, CI/CD, monitoring, serving7. Специализация: CV, NLP, RecSys, RL, SafetyRoadmap не продаёт иллюзию “обучил модель - стал ML-инженером”.В реальной работе много времени уходит на данные, метрики, деплой, мониторинг, воспроизводимость и разбор ошибок. Модель - только часть системы.Хорошая мысль из roadmap: LLM не делает джуна сеньором. Она ускоряет того, кто уже понимает базу. Без базы человек просто становится оператором Copilot, который не может объяснить, почему всё сломалось.По времени тоже без сказок:1. 0-3 месяца: Python, математика, классический ML2. 3-6 месяцев: Deep Learning и PyTorch3. 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты4. 12+ месяцев: MLOps, прод, масштабирование, специализацияТут же собрано 7 болших бесплатных курсов по машинному обучению, математике и вайбкодингу!Если давно хотели зайти в ML системно, а не прыгать между роликами про ChatGPT, Stable Diffusion и “топ-10 библиотек”, это хороший ориентир.https://github.com/justxor/MachineLearningRoadmap

10 open-source репозиториев, которые можно форкнуть и превратить в SaaS с выручкой от $50 до $5 млн в годПодборка проектов с GitHub, у каждого из которых уже есть основатели, поднявшие миллионы на той же кодовой базе. Лицензии позволяют форкать, перепаковывать и продавать как сервис.Cal.com, open-source аналог Calendly. Форкаешь, делаешь белый лейбл, продаёшь стоматологам и юристам за $200 в месяц. Сами основатели Cal.com сделали $5M ARR за 3 года ровно по этой модели. Репозиторий: github.com/calcom/cal.comPlausible Analytics, приватная альтернатива Google Analytics. Self-hosted, перепродаёшь агентствам по $50 в месяц за клиента. Два фаундера вытащили проект до семизначной выручки на бутстрапе. Репозиторий: github.com/plausible/analyticsGhost, open-source движок для блогов и рассылок, прямой конкурент Substack. Маржа стремится к 100%. Тысяча читателей по $5 в месяц, это $60 000 в год, и так каждый год. Репозиторий: github.com/TryGhost/Ghostn8n, open-source Zapier для автоматизаций. Продаёшь настройку интеграций за $500–$2000 за внедрение, дальше идёт поддержка. Сама n8n подняла $14M, потому что агентская модель поверх их кода работает. Репозиторий: github.com/n8n-io/n8nSupabase, бесплатная замена Firebase. Поднимаешь SaaS за выходные, берёшь $29–$99 в месяц с пользователя. Сами Supabase подняли $116M, и не просто так. Репозиторий: github.com/supabase/supabaseMedusa, open-source Shopify. Берёшь 5% с каждой продажи навсегда, ничего не отдаёшь самой платформе. Репозиторий: github.com/medusajs/medusaAppFlowy, open-source Notion. Продаёшь self-hosted версию корпоратам, которые параноят за свои данные. Сама AppFlowy подняла $30M, потому что рынок огромный. Репозиторий: github.com/AppFlowy-IO/AppFlowyCoolify, open-source Vercel и Heroku в одном флаконе. Берёшь с разработчиков $20 в месяц за управление деплоями вместо их $200 чека от Vercel. Репозиторий: github.com/coollabsio/coolifyListmonk, open-source Mailchimp. Шлёшь безлимит писем за стоимость AWS, перепродаёшь агентст

✔️ Пекин заблокировал экспорт Nvidia H200 после одобрения Минторгом СШАРазрешения получили около 10 компаний (Alibaba, Tencent, ByteDance и JD и дистрибьюторы Lenovo и Foxconn). Квота составляет до 75 тысяч чипов на клиента. Правительство КНР остановило сделки для перевода инфраструктуры на локальные аналоги.Дополнительным барьером стала новая схема логистики от администрации США. Ведомство требует 25% выручки от продаж, для чего обязали физически провозить электронику через американскую территорию перед отправкой заказчикам. Китайские регуляторы видят в таком маршруте риск компрометации цепочек поставок и установки аппаратных закладок.Для проведения переговоров по контрактам глава Nvidia присоединился к миссии США в Пекине.reuters.com✔️ Anthropic временно увеличила лимиты для Claude Code на 50%До 13 июля пользователи платных тарифов Pro, Max, Team и Enterprise смогут обращаться к ИИ-ассистенту в полтора раза чаще. Новые еженедельные квоты и действуют во всех рабочих средах: CLI, расширениях для IDE, а также в десктопной и веб-версиях.Это расширение станет отличным подспорьем для разработчиков, поскольку 50-процентная надбавка суммируется с обновлением прошлой недели, когда Anthropic в 2 раза увеличила лимиты на пятичасовые сессии. Никаких дополнительных действий для активации нового лимита не требуется.ClaudeDevs в сети Х✔️ Управлять Codex теперь можно с iOS и AndroidOpenAI добавила функцию удаленного управления Codex в мобильное приложение ChatGPT. Мобильный клиент в реальном времени транслирует скриншоты среды, логи терминала, результаты тестов и diff-файлы. Пользователь может проверять промежуточные результаты, корректировать действия ИИ и подтверждать выполнение команд без физического доступа к ПК.Соединение устройств идет через внутренний ретранслятор без прямого доступа к машине из публичного интернета. Исходный код, ключи и локальные настройки не покидают рабочую среду. Одновременно OpenAI выпустила функцию Remote SSH для запуска агента в корпоративных инфра

👣 На Stepik обновили курс «Rust: полный курс разработчика. С нуля до профи»Представьте: через три месяца вы открываете чужой Rust-код и читаете его как книгу. Arc<Mutex<T>> не вызывает панику. impl Future не пугает. Вы точно знаете, почему компилятор ругается и как это починить за 10 секунд.Это не фантазия. Это результат 50 уроков, в которых каждая концепция объясняется через код и закрепляется практикой. Ownership, traits, generics, async, unsafe - всё, что казалось магией, станет рабочим инструментом.А бонусом - портфолио проектов: от CLI-утилит до REST API и WebAssembly.Вы и так знаете, что Rust - ваш следующий язык. Этот курс просто сделает это реальностью.Сегодня - 55% процентов от цены, торопись: https://stepik.org/a/269250/

В Python 3.14.5 из-за утечек памяти возвращён старый сборщик мусораОпубликован корректирующий выпуск языка программирования Python 3.14.5, в котором помимо исправления ошибок и незначительных уязвимостей, осуществлён возврат на старый сборщик мусора, применявшийся до ветки 3.14.x. В качестве причин внесения нетипичного для промежуточных выпусков значительного изменения называются жалобы пользователей на существенное повышение потребления памяти после перевода рабочих систем на ветку 3.14 и появление утечек памяти. Подробнее:https://opennet.ru/65445/https://opennet.me/65445/

✔️ Релиз Ernie 5.1: треть параметров Ernie 5.0 и 4 место в Arena Search LeaderboardBaidu выпустила языковую модель Ernie 5.1 с закрытыми весами. Затраты на претрейн составили 6% от типичного бюджета для моделей этого класса.Новинка построена на базе Ernie 5.0, но содержит треть от общего числа параметров и использует вдвое меньше активных параметров при инференсе. В Arena Search Leaderboard модель заняла 1 место среди китайских сетей и 4 в мире. По заявлению Baidu, в тестах агентов Ernie 5.1 обходит DeepSeek-V4-Pro, а в логике и математике сопоставима с Gemini 3.1 Pro.Экономия вычислений достигнута за счет методики Once-For-All. Baidu обучала семейство моделей за один проход: сети делят общие веса, варьируясь по глубине и количеству активных блоков MoE. Основной претрейн выполнили при создании Ernie 5.0, для версии 5.1 потребовалось только извлечь оптимальную конфигурацию.Для борьбы с эффектом качелей (падение креативности при улучшении логики) применили четырехэтапный файнтюн: SFT, параллельная тренировка узкоспециализированных экспертов, дистилляция их навыков в единую модель-ученика и финальный RL.Доступ к Ernie 5.1 открыт через онлайн-площадки компании.@ai_machinelearning_big_data#news #ai #ml

Python 3.15 beta 1 вышела в релиз 🐍Это значит, что крупные фичи для релиза фактически зафиксированы. Дальше - бета, тесты, багфиксы и подготовка к финальному релизу.Что интересного в 3.15:- lazy imports через ключевое слово lazy- встроенные frozendict и sentinel- JIT стал быстрее на x86-64 Linux- распаковка прямо внутри comprehensions- новый статистический profiler с низким overhead- frame pointers включены по умолчаниюPython 3.15.0b1 вышел 7 мая 2026 года, это первая из четырёх запланированных beta-версий и точка feature freeze; финальный релиз запланирован на 1 октября 2026 года.https://blog.python.org/2026/05/python-3150-beta-1/

#Вакансия #Удаленка #Remote #Fulltime #Research #Python #Backend #CyberSec #InfoSec #Сети #Networking #Pentest #SOC #Middle #Junior🛡 Python Backend-инженер (CyberSec)─────────────────🧪 О нас:Технологический стартап. Делаем систему детекции аномалий в трафике: защищаем онлайн-сервисы от фрода (ловим VPN/прокси).Сразу о главном: мы ищем человека в R&D. Наша работа больше похожа на лабораторию кибербеза. Если вы устали клепать одинаковые фичи и хотите применять свой инженерный азарт — вам сюда.Особенно ждём кандидатов из ИБ/сетей, которые ушли в код: сетевиков, пентестеров, SOC-аналитиков, реверсеров, которые уверенно пишут на Python.─────────────────🎯 Задачи:Работа в связке с research-инженерами: проверять гипотезы, копаться в данных, превращать идеи в production-код.─────────────────⚙️ Требования:▪️Бэкграунд в ИБ/сетях. Профильное образование или подтверждённый опыт: работа в кибербезе/сетевом администрировании, CTF, пет-проекты, open-source — всё считается.▪️Python от 1 года коммерческого опыта. Чистый масштабируемый код, удобные REST API.▪️Сети ниже уровня requests/aiohttp. TCP-handshake, TLS ClientHello, DNS. Практика с tcpdump и Wireshark.▪️Уверенный Linux. Консоль, понимание сетевого стека ядра.▪️Чтение чужого кода. Легаси и исследовательские скрипты не пугают.─────────────────🤝 Soft-skills (для нас критически важно):▪️Самостоятельность и проактивность. Из вас не нужно «вытягивать» задачи.▪️Готовность копать вглубь. Логику нашего продукта не нагуглить — её приходится выводить из данных. Вы не один: research-инженеры рядом, гипотезы обсуждаем вместе, спрашивать не стыдно. Главное — не ждать тикета с пошаговой инструкцией, а идти и разбираться.─────────────────💼 Условия▪️Удалёнка, фуллтайм▪️100–200К на руки (возможны выплаты в USDT). Готовы рассмотреть выше для опытных▪️Минимум бюрократии, максимум инженерной свободы▪️Развитие в CyberSec▪️Локация: РФ или РБ─────────────────📩 Как откликнуться:Заполните анкету: [ссылка]P.S. Ценим живые ответы, написанные своим