Ερωτήσεις συνέντευξης Python

Το να περνάτε μια λίστα διακοσίων ερωτήσεων Python φαίνεται παραγωγικό αλλά σπάνια αλλάζει το αποτέλεσμα μιας συνέντευξης. Αυτή η ενότητα περιορίζει το πεδίο στη χούφτα εκείνων που επανέρχονται σε τηλεφωνικά screening και τεχνικούς γύρους, και δείχνει τι περιέχει μια ισχυρή απάντηση. Ένας μικρός αριθμός χαρακτηριστικών της γλώσσας μεταφέρει το μεγαλύτερο μέρος του σήματος.

• Mutable προεπιλεγμένα ορίσματα. Γιατί το def f(x=[]) συσσωρεύει τιμές μεταξύ κλήσεων; Οι προεπιλογές αξιολογούνται μία φορά, όταν ορίζεται η συνάρτηση, όχι σε κάθε κλήση.
• Generators έναντι lists. Πότε το yield υπερτερεί της κατασκευής μιας list; Όταν η ακολουθία είναι μεγάλη, ή όταν ενδέχεται να σταματήσετε να διαβάζετε νωρίς.
• Decorators. Τι επιστρέφει πράγματι ένας decorator, και γιατί ο wrapper χρειάζεται το functools.wraps;
• Το GIL. Γιατί τα threads που εξαρτώνται από τη CPU δεν κλιμακώνονται στην CPython, και τι χρησιμοποιείτε αντ' αυτού;
• Shallow έναντι deep copy. Τι χαλάει όταν μια ένθετη δομή αντιγράφεται με ένα slice;
• Identity έναντι equality. Γιατί ο έλεγχος is σε μικρούς ακέραιους αριθμούς σε ένα shell σας δίνει ένα παραπλανητικό αποτέλεσμα.

Δύο υποψήφιοι μπορούν να δώσουν τον ίδιο σωστό ορισμό του GIL και μόνο ο ένας προχωράει. Η διαφορά είναι συνήθως στη δεύτερη πρόταση.

Έναν backend engineer που έκανε συνέντευξη για ρόλο επιπέδου L5 σε έναν μεγάλο πάροχο δημόσιου cloud τον ρώτησαν γιατί η υπηρεσία τους επιβράδυνε υπό φόρτο. Ανέφερε το GIL, και μετά συνέχισε: το hot path ήταν η ανάλυση JSON, άρα τα threads ήταν λάθος εργαλείο, και η μετακίνηση αυτού του σταδίου σε ένα process pool αποκατέστησε το throughput. Το να ονομάσει τον περιορισμό κέρδισε μερική βαθμολογία. Το να τον συνδέσει με μια απόφαση κέρδισε τον γύρο.

Χτίστε κάθε απάντηση σε τρία στάδια: τι κάνει το feature, γιατί υπάρχει, και πότε θα το αποφεύγατε. Το τρίτο στάδιο είναι αυτό που παραλείπουν οι περισσότεροι υποψήφιοι, και είναι αυτό που δείχνει κρίση. Άλλες σελίδες για γύρους coding, συμπεριφοράς και σχεδιασμού συστημάτων ομαδοποιούνται στο τύποι συνεντεύξεων.

Το να διαβάζετε μια απάντηση και το να λέτε μια απάντηση είναι διαφορετικές δεξιότητες, και μόνο η μία εξετάζεται. Κάντε πρόβα φωναχτά, με χρονόμετρο, με τις ίδιες λέξεις που θα χρησιμοποιούσατε στην κλήση.

• Γράψτε την απάντησή σας σε κάθε επαναλαμβανόμενη ερώτηση ως τρεις προτάσεις, και μετά πείτε την χωρίς να κοιτάτε.
• Επιλέξτε δύο χαρακτηριστικά που χρησιμοποιείτε καθημερινά και προετοιμάστε έναν ειλικρινή περιορισμό για το καθένα. Το να μπορείτε να κριτικάρετε τα δικά σας εργαλεία διαβάζεται ως εμπειρία.
• Φέρτε μια πραγματική ιστορία εντοπισμού σφαλμάτων όπου η συμπεριφορά της Python σας ξάφνιασε και βρήκατε τον λόγο.
• Εξασκηθείτε στο εφαρμοσμένο μισό ξεχωριστά: dictionaries, sets, ταξινόμηση με μια key function, και επεξεργασία string καλύπτουν μεγάλο μέρος των screenings.

Αν θέλετε έναν χρονομετρημένο γύρο απέναντι σε έναν συνεντευκτή AI πριν από την πραγματική, αυτός βρίσκεται στη σελίδα mock interview.

Το SubcueAI είναι μια εγγενής εφαρμογή desktop για macOS και Windows. Καταγράφει και τις δύο πλευρές της κλήσης, μεταγράφει σε πραγματικό χρόνο, και εμφανίζει έναν σκελετό σε ένα αιωρούμενο overlay που παραμένει τοπικό στο μηχάνημά σας, οπότε δεν συμμετέχει στη συνάντηση ως συμμετέχων ή bot. Για έναν γύρο Python, το χρήσιμο αποτέλεσμα είναι μια προτροπή δομής, όχι μια έτοιμη απάντηση: οι λεπτομέρειες πρέπει να είναι δικές σας, επειδή η επόμενη ερώτηση θα αφορά τον κώδικα που μόλις περιγράψατε.

Τα ειλικρινή όρια μετράνε περισσότερο από την ικανότητα. Αν μοιράζεστε την οθόνη σας, ό,τι βρίσκεται σε αυτήν την οθόνη μοιράζεται. Αν ο γύρος γίνεται σε πλατφόρμα αξιολόγησης με επιτήρηση, ή σε συσκευή διαχειριζόμενη από εταιρεία, ένας βοηθός βρίσκεται εκτός πεδίου εφαρμογής. Η ρύθμιση και τα δικαιώματα καλύπτονται στη σελίδα tutorial.