⚡ Тренажёр Python
Решай задачи, качай навыки, зарабатывай XP!
Hello, World!
Выведи классическую фразу каждого программиста.
Сумма двух чисел
Прочитай два числа и выведи их сумму.
Чёт или нечёт?
Прочитай число. Если чётное — выведи "even", иначе "odd".
Факториал
Выведи факториал числа n (n ≤ 7).
Палиндром
Проверь, является ли слово палиндромом. Выведи "yes" или "no".
Максимум из списка
Выведи максимальное число из введённых (по одному на строку, пустая строка = …
Подсчёт гласных
Выведи количество гласных в строке.
Fibonacci
Выведи n-ое число Fibonacci (0-indexed, n ≤ 10).
FizzBuzz 1..15
Для чисел 1..15: кратные 3 → Fizz, 5 → Buzz, оба → …
Реверс слов
Прочитай строку и выведи слова в обратном порядке.
SQL: количество
Создай таблицу items(id), вставь 4 строки, выведи COUNT(*).
SQL: топ XP
В in-memory SQLite создай users(name, xp), вставь Ada 30 и Bob 90, …
SQL: LEFT JOIN без заказов
Найди число пользователей без заказов через LEFT JOIN.
SQL: окно ROW_NUMBER
Выведи имя с ROW_NUMBER=1 по убыванию score.
SQL: LIKE фильтр
Имена ["Ada","Bob","Amy"]: выведи начинающиеся на A через запятую.
Django: MVT порядок
Выведи слои MVT по одному на строку в правильном потоке данных: Model, …
Django: filter постов
Из списка постов выведи title тех, у кого published=True, через запятую.
Django: разбор URL
Дана строка пути. Если начинается с /admin — выведи admin, иначе app.
Django: валидация slug
Slug ок, если только a-z, 0-9 и дефис. Выведи ok или bad …
Django: context titles
Из списка постов собери titles через ";".
FastAPI: разбор path
Из "/items/42" выведи id как число (последний сегмент).
FastAPI: валидация price
Если price > 0 выведи ok, иначе bad. price=9.5
FastAPI: Bearer guard
header="Bearer tok". Выведи token после Bearer.
FastAPI: фильтр query
items с price>=10: выведи names через запятую.
FastAPI: status router
found=False → 404, иначе 200. Выведи для found=False.
ML: train/test split
data=list(range(10)). train=первые 7, выведи len(test).
ML: MSE
mse([0,2],[1,2]) выведи результат.
ML: accuracy
y=[1,0,1], pred=[1,1,1]. Выведи accuracy.
ML: один шаг градиента
x=1,y=3,w=0,lr=0.1, grad=2*(w*x-y)*x; обнови w; выведи round(w,2)
ML: train accuracy
y=[1,0,1], pred=[1,0,0]. Выведи accuracy.