Python для ML — мост к PyTorch

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Разработчику Инженеру

---

PyTorch, scikit-learn и ноутбуки из раздела 6 — ИИ предполагают, что вы уверенно пишете на Python: синтаксис, модули, окружение, работа с таблицами и умение читать traceback. Эта статья — мост между базовым Python и нейросетями: что закрыть до PyTorch и в каком порядке читать материалы энциклопедии.

Этап	Тема	Где в энциклопедии
0	Синтаксис, функции, модули	Python intro, функции
1	venv, pip, pyproject	39, 391 Poetry/uv
2	NumPy, векторы	426 NumPy
3	pandas, таблицы	427 Pandas
4	ML-концепции	6-02 ML
5	Нейросети, PyTorch	6-03, 6-04

Практикум ниже идёт по шагам — от минимума Python до первого тензора с autograd.

Шаг	Тема	Зачем
1	Структуры данных и функции	Читать батчи и пайплайны
2	Окружение и пакеты	PyTorch и CUDA тяжёлые
3	NumPy	Форма, срезы, broadcasting
4	pandas	CSV и подготовка признаков
5	Jupyter и seed	Эксперименты и воспроизводимость
6	sklearn baseline	train/test до deep learning
7	Первый PyTorch	autograd и градиенты

Не спешите в LLM

Большие языковые модели — вершина стека. Без NumPy, split данных и понимания overfitting отладка сводится к копипасту. Сначала Iris или MNIST, потом трансформеры.

---

Шаг 1 — минимум Python для ML

Структуры данных

Списки, словари, множества и comprehensions — без этого не читаются датасеты, конфиги и батчи.

rows = [{"x": 1.0, "y": 0}, {"x": 2.5, "y": 1}, {"x": 0.5, "y": 0}]
positives = [r["x"] for r in rows if r["y"] == 1]
by_label = {r["y"]: r["x"] for r in rows}  # осторожно с дубликатами ключей
unique_ys = {r["y"] for r in rows}

Разбор:

• list comprehension фильтрует и преобразует за одно прохождение.
• dict comprehension удобен для маппинга id → объект.
• set даёт уникальные метки классов.

Подробнее:

• типы и коллекции
• управляющие конструкции

Функции и модули

ML-код разбивают на функции load_data, train_epoch, evaluate — иначе ноутбук превращается в нечитаемую простыню.

def accuracy(pred, target):
    """Доля совпадений pred и target (0/1 или bool)."""
    matches = (pred == target).sum()
    total = len(target)
    return matches / total if total else 0.0

Для PyTorch позже:

def accuracy_torch(pred, target):
    return (pred == target).float().mean().item()

См. функции, импорт и пакеты.

Type hints

Подсказки типов помогают IDE и коллегам:

from typing import Sequence

def normalize(xs: Sequence[float]) -> list[float]:
    mean = sum(xs) / len(xs)
    return [x - mean for x in xs]

Полный курс типизации — в материалах по Python 3.10+; для ML достаточно базовых list, dict, Optional.

Исключения и отладка

Обучение падает на NaN, shape mismatch, OOM GPU — нужно читать traceback до своей строки, а не только последнюю.

try:
    result = risky_operation()
except ValueError as e:
    print(f"Неверные данные: {e}")
    raise

Отладка — breakpoints, логирование, pdb.

---

Шаг 2 — виртуальное окружение

PyTorch, CUDA-пакеты и Jupyter тяжёлые — изолируйте каждый проект.

Классический venv

python -m venv .venv
.venv\Scripts\activate          # Windows
# source .venv/bin/activate     # Linux/macOS
pip install --upgrade pip
pip install torch numpy pandas jupyter scikit-learn

Poetry или uv

Современный вариант — Poetry / uv:

uv init ml-demo
cd ml-demo
uv add numpy pandas scikit-learn jupyter
uv add torch  # см. pytorch.org для CUDA-индекса
uv run jupyter lab

На Linux с PEP 668 следите за externally-managed-environment — не ставьте ML-стек в системный Python.

Пакет	Назначение
numpy	Массивы, линейная алгебра
pandas	Таблицы, CSV
scikit-learn	Классические модели, метрики
torch	Нейросети, GPU
jupyterlab	Интерактивные эксперimentы
matplotlib	Графики — 428

Установка PyTorch с CUDA — только с pytorch.org: индекс pip зависит от версии CUDA и ОС.

---

Шаг 3 — NumPy как фундамент

Тензоры PyTorch похожи на ndarray NumPy: форма, срезы, broadcasting, операции по осям.

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float32)
print(a.shape)       # (2, 3)
b = a.mean(axis=0)   # среднее по строкам → shape (3,)
c = np.dot(a, a.T)   # (2, 2)
d = a[:, 0]          # первый столбец

Операция	NumPy	Позже в PyTorch
Форма	a.shape	t.shape
Срез	a[:, 0]	t[:, 0]
По оси	a.mean(axis=1)	t.mean(dim=1)
Тип	dtype=float32	t.float()
Случайность	np.random.default_rng(42)	torch.manual_seed(42)

Broadcasting

x = np.array([[1], [2], [3]])   # (3, 1)
y = np.array([10, 20, 30])      # (3,)
z = x + y                        # (3, 3) без явных циклов

Понимание broadcasting обязательно для loss и нормализации батчей.

Глубже:

• NumPy в анализе данных
• линейная алгебра

---

Шаг 4 — pandas для табличных данных

CSV, пропуски, группировки — до подачи в модель.

import pandas as pd

df = pd.read_csv("train.csv")
print(df.head())
print(df.info())

df = df.dropna(subset=["target"])
df["feature_a"] = df["feature_a"].fillna(df["feature_a"].median())

X = df[["feature_a", "feature_b"]].values   # ndarray для sklearn/torch
y = df["target"].values

Метод	Зачем
read_csv	Загрузка датасета
dropna	Убрать строки без метки
fillna	Заполнить пропуски
groupby	Агрегации по категориям
.values / .to_numpy()	Переход в NumPy

427 Pandas, SQL для выгрузок.

---

Шаг 5 — Jupyter и воспроизводимость

Ноутбуки удобны для исследования; прод-код выносят в .py модули и пакеты.

pip install jupyterlab
jupyter lab

Плюс notebook	Минус
Графики inline	Порядок ячеек ломает воспроизводимость
Быстрые эксперименты	Сложнее code review
Документация рядом с кодом	Риск огромных бинарных diff

Фиксация seed

import random
import numpy as np

SEED = 42
random.seed(SEED)
np.random.seed(SEED)

# после установки torch:
import torch
torch.manual_seed(SEED)
if torch.cuda.is_available():
    torch.cuda.manual_seed_all(SEED)

Версии пакетов — в requirements.txt или uv.lock. Перед публикацией результатов сохраняйте lock и seed в README.

Структура учебного репозитория

ml-demo/
  pyproject.toml
  data/           # или .gitignore для больших файлов
  notebooks/
    01_eda.ipynb
  src/
    ml_demo/
      data.py
      train.py
  tests/

---

Шаг 6 — маршрут к разделу 6 (ИИ)

Рекомендуемый порядок чтения:

1. Что такое ИИ
2. Машинное обучение — введение
3. Нейрон
4. Трансформеры и NLP — о разделе
5. Модели и инструменты — о разделе

---

Шаг 7 — scikit-learn перед deep learning

Для табличных задач часто достаточно sklearn — быстрый baseline и понятные метрики.

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)
pred = model.predict(X_test)
print(accuracy_score(y_test, pred))

Разбор:

• train_test_split — отделить validation/test от train.
• fit / predict — универсальный API sklearn.
• accuracy_score — простая метрика для классификации.

Это закрепляет train/test split, метрики, overfitting — 6-02 ML.

---

Шаг 8 — первый шаг к PyTorch

После NumPy — тензор и autograd (автоматическое дифференцирование).

import torch

x = torch.tensor([1.0, 2.0, 3.0], requires_grad=True)
y = (x ** 2).sum()
y.backward()
print(x.grad)  # tensor([2., 4., 6.])

Разбор:

• tensor — многомерный массив с опциональным GPU.
• requires_grad=True — накапливать градиенты при backward().
• backward() — обратное распространение; основа обучения нейросетей.

Простая линейная модель

import torch
import torch.nn as nn

X = torch.tensor([[1.0], [2.0], [3.0], [4.0]])
y = torch.tensor([[2.0], [4.0], [6.0], [8.0]])  # y ≈ 2*x

model = nn.Linear(1, 1)
loss_fn = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

for epoch in range(100):
    pred = model(X)
    loss = loss_fn(pred, y)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

print(list(model.parameters()))

Компонент	Роль
nn.Linear	Веса и смещение
loss_fn	Число, которое минимизируем
optimizer	Обновление весов по градиенту
zero_grad	Обнулить старые градиенты

CPU и GPU

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
X = X.to(device)

Полный курс — нейросети; установка CUDA — pytorch.org.

---

Чек-лист готовности к PyTorch

#	Умею
1	Создать venv и установить пакет
2	Прочитать CSV через pandas
3	Объяснить shape (N, C, H, W) для батча изображений
4	Написать функцию с type hints
5	Прочитать traceback до своей строки
6	Понимать overfitting и validation split
7	Объяснить, что делает loss.backward()

---

Типичные ошибки новичков

Ошибка	Что делать
Прыжок сразу в LLM	Пройти NumPy + 6-02 + MNIST
Глобальный pip без venv	22, 391
Копипаст ноутбука без seed	Фиксировать версии и SEED
Игнор CPU/GPU	Явный device, проверка cuda.is_available()
Shape mismatch	Печатать .shape на каждом шаге
NaN в loss	Проверить learning rate и нормализацию данных
OOM на GPU	Уменьшить batch size

Осознанная работа с ИИ-инструментами — генерация кода; слепой копипаст — вайб-кодинг.

---

Учебный проект Iris — полный цикл

Загрузка и EDA

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris(as_frame=True)
df = iris.frame
df["species"] = df["target"].map(dict(enumerate(iris.target_names)))

print(df.describe())
print(df.groupby("species").size())

Шаг	Действие
EDA	describe, groupby, пропуски
Features	столбцы sepal length (cm) …
Target	species или target

Baseline sklearn

from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression

X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)

pipe = Pipeline([
    ("scaler", StandardScaler()),
    ("clf", LogisticRegression(max_iter=200)),
])
pipe.fit(X_train, y_train)
print(pipe.score(X_test, y_test))
print(cross_val_score(pipe, X, y, cv=5).mean())

Тот же эксперiment в PyTorch

import torch
import torch.nn as nn
from torch.utils.data import TensorDataset, DataLoader

X_t = torch.tensor(X_train, dtype=torch.float32)
y_t = torch.tensor(y_train, dtype=torch.long)
loader = DataLoader(TensorDataset(X_t, y_t), batch_size=16, shuffle=True)

model = nn.Sequential(
    nn.Linear(4, 16),
    nn.ReLU(),
    nn.Linear(16, 3),
)
opt = torch.optim.Adam(model.parameters(), lr=0.01)
loss_fn = nn.CrossEntropyLoss()

for epoch in range(200):
    for xb, yb in loader:
        opt.zero_grad()
        loss = loss_fn(model(xb), yb)
        loss.backward()
        opt.step()

Сравните accuracy sklearn pipeline и PyTorch на X_test.

---

DataLoader и батчи

from torch.utils.data import Dataset, DataLoader

class TabularDataset(Dataset):
    def __init__(self, X, y):
        self.X = torch.tensor(X, dtype=torch.float32)
        self.y = torch.tensor(y, dtype=torch.long)

    def __len__(self):
        return len(self.y)

    def __getitem__(self, idx):
        return self.X[idx], self.y[idx]

train_ds = TabularDataset(X_train, y_train)
train_loader = DataLoader(train_ds, batch_size=32, shuffle=True)

Параметр	Смысл
batch_size	Сколько примеров за шаг
shuffle=True	Перемешивание train
num_workers	Параллельная загрузка (осторожно на Windows)

---

Нормализация признаков

mean = X_train.mean(axis=0)
std = X_train.std(axis=0) + 1e-8
X_train_n = (X_train - mean) / std
X_test_n = (X_test - mean) / std

Без нормализации градиентный спуск может сходиться медленно. StandardScaler в sklearn делает то же.

---

Jupyter — дисциплина воспроизводимости

Правило	Зачем
Restart kernel + Run All перед commit	Порядок ячеек
%matplotlib inline в первой ячейке	Графики
Версии в lock	Одинаковые libs
Seed в начале notebook	Сравнимые runs
Экспорт .py через jupyter nbconvert	Code review

---

Маршрут по разделу 6 после Python

Порядок	Статья	Тема
1	6-01 intro	Карта ИИ
2	6-02 ML	Supervised learning
3	6-03 intro	Нейросети
4	6-04 intro	PyTorch, HF
5	6-05	Прикладная разработка

---

Расширенный чек-лист

#	Умею	Проверка
8	train_test_split(..., stratify=y)	Баланс классов
9	CrossEntropyLoss + logits	Shape (N, C)
10	model.eval() и torch.no_grad()	Inference
11	Сохранить state_dict	torch.save
12	Загрузить weights	load_state_dict

---

Навигация по блоку Python → ML

• Вы здесь: 392 — Python для ML
• Зависимости: 391 Poetry/uv
• NumPy: 426
• Pandas: 427
• ИИ: 6-01 intro

---

Шаг 9 — matplotlib для EDA

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris

iris = load_iris()
plt.scatter(iris.data[:, 0], iris.data[:, 1], c=iris.target, cmap="viridis")
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1])
plt.colorbar()
plt.savefig("iris_scatter.png")

428 — визуализация.

---

Шаг 10 — train/val/test split

X_train, X_temp, y_train, y_temp = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)
X_val, X_test, y_val, y_test = train_test_split(
    X_temp, y_temp, test_size=0.5, random_state=42, stratify=y_temp
)

Набор	Назначение
train	обучение весов
val	подбор hyperparams
test	финальная оценка один раз

---

Шаг 11 — overfitting на практике

train_acc = model.score(X_train, y_train)
test_acc = model.score(X_test, y_test)
print(train_acc, test_acc)

Большой разрыв train >> test — overfitting. Решения: regularization, больше данных, проще модель.

---

Шаг 12 — сохранение модели PyTorch

torch.save(model.state_dict(), "model.pt")
model.load_state_dict(torch.load("model.pt", weights_only=True))
model.eval()

weights_only=True — безопасная загрузка weights (PyTorch 2.0+).

---

Шаг 13 — type hints в ML-коде

from typing import Tuple
import numpy as np

def split_xy(df) -> Tuple[np.ndarray, np.ndarray]:
    X = df.drop(columns=["target"]).to_numpy()
    y = df["target"].to_numpy()
    return X, y

---

Шаг 14 — logging вместо print

import logging
logging.basicConfig(level=logging.INFO)
log = logging.getLogger(__name__)

log.info("Epoch %s loss=%s", epoch, loss.item())

---

Учебные датасеты без download

Dataset	sklearn
Iris	load_iris()
Digits	load_digits()
Wine	load_wine()

---

Практический маршрут на Iris

1. pandas — загрузить Iris, посмотреть describe().
2. sklearn — LogisticRegression, accuracy на test.
3. PyTorch — nn.Linear(4, 3), тот же split, сравнить accuracy и время настройки.
4. Записать seed, версии пакетов и lock в git.

---

Связанные материалы

Тема	Материал
Анализ данных	раздел 3-11
Визуализация	428 Matplotlib
ML-сервис	FastAPI для ML
MLOps	6-08 AgentOps
Poetry/uv	391

Практика

На датасете Iris пройдите путь pandas → sklearn baseline → тот же tensor batch в PyTorch Linear. Сравните accuracy, время настройки и объём кода. Зафиксируйте random_state=42 и lock-файл.

---

Второй проход — inference и отладка (черновик)

Режим inference

model.eval()
with torch.no_grad():
    logits = model(X_test_t)
    pred = logits.argmax(dim=1)

eval() отключает dropout; no_grad() экономит память без графа autograd.

Сохранение весов

torch.save(model.state_dict(), "iris_model.pt")
model.load_state_dict(torch.load("iris_model.pt", weights_only=True))

Для продакшена — версия torch в имени файла или MLflow — 6-08 AgentOps.

Отладка NaN

if torch.isnan(loss):
    raise RuntimeError("NaN loss — уменьшите lr или нормализуйте X")

Типичные причины: слишком большой learning rate, не нормализованные признаки, деление на ноль в кастомном loss.

Jupyter → модуль

Вынесите train_epoch(model, loader, opt, loss_fn) в src/ml_demo/train.py и импортируйте в ноутбук — воспроизводимость и unit-тесты без ячеек out-of-order.

---

---

FAQ — полный список

1. С чего начать перед PyTorch?

NumPy, pandas, train/test split — 6-02 ML.

2. Нужен ли GPU?

Для MNIST — CPU достаточно. Для больших моделей — CUDA с pytorch.org.

3. venv или uv?

391 Poetry/uv для изоляции тяжёлых пакетов.

4. Jupyter или .py модули?

Notebook для EDA; prod-код — модули и пакеты.

5. Что такое shape mismatch?

Печатайте .shape на каждом шаге.

6. NaN в loss?

Learning rate, нормализация данных.

7. OOM на GPU?

Уменьшить batch size.

8. random_state зачем?

Воспроизводимость эксперiments — seed + lock.

9. sklearn vs PyTorch?

sklearn — табличные baseline. PyTorch — deep learning.

10. autograd что делает?

Автоматическое дифференцирование — основа обучения.

11. device cpu/cuda?

Явный device и torch.cuda.is_available().

12. Iris датасет где?

sklearn.datasets.load_iris.

13. pandas к NumPy?

.values или .to_numpy().

14. Matplotlib?

428.

15. MLOps дальше?

6-08 AgentOps.

16. LLM сразу?

Сначала MNIST/Iris — иначе отладка = копипаст.

17. Traceback как читать?

До своей строки — отладка.

Упражнения — расширенный набор

1. Iris: pandas describe → sklearn baseline → PyTorch Linear.
2. Зафиксировать SEED=42 и lock в git.
3. Написать normalize() с type hints.
4. Broadcasting exercise в NumPy.
5. train_test_split с random_state.
6. nn.MSELoss на синтетических данных.
7. Перенести notebook код в src/ml_demo/train.py.
8. Чек-лист готовности — все 7 пунктов.
9. Сравнить accuracy sklearn и PyTorch.
10. Документировать версии в README.

Практикум — полный PyTorch Linear на Iris

import torch
import torch.nn as nn
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
X_train = torch.tensor(X_train, dtype=torch.float32)
y_train = torch.tensor(y_train, dtype=torch.long)

model = nn.Linear(4, 3)
loss_fn = nn.CrossEntropyLoss()
opt = torch.optim.Adam(model.parameters(), lr=0.01)

for epoch in range(200):
    opt.zero_grad()
    loss = loss_fn(model(X_train), y_train)
    loss.backward()
    opt.step()

Практикум — дополнительный блок 1 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 1

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 1

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 1"

Практикум — дополнительный блок 2 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 2

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 2

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 2"

Практикум — дополнительный блок 3 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 3

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 3

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 3"

Практикум — дополнительный блок 4 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 4

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 4

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 4"

Практикум — дополнительный блок 5 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 5

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 5

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 5"

Практикум — дополнительный блок 6 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 6

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 6

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 6"

Практикум — дополнительный блок 7 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 7

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 7

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 7"

Практикум — дополнительный блок 8 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 8

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 8

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 8"

Практикум — дополнительный блок 9 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 9

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 9

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 9"

Практикум — дополнительный блок 10 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 10

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 10

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 10"

Практикум — дополнительный блок 11 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 11

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 11

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 11"

Практикум — дополнительный блок 12 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 12

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 12

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 12"

Практикум — дополнительный блок 13 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 13

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 13

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 13"

Практикум — дополнительный блок 14 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 14

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 14

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 14"

Практикум — дополнительный блок 15 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 15

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 15

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 15"

Практикум — дополнительный блок 16 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 16

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 16

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 16"

Практикум — дополнительный блок 17 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 17

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 17

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 17"

Практикум — дополнительный блок 18 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 18

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 18

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 18"

Практикум — дополнительный блок 19 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 19

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 19

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 19"

Практикум — дополнительный блок 20 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 20

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 20

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 20"

Практикум — дополнительный блок 21 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 21

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 21

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 21"

Практикум — дополнительный блок 22 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 22

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 22

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 22"

Практикум — дополнительный блок 23 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 23

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 23

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 23"

Практикум — дополнительный блок 24 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 24

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 24

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 24"

Практикум — дополнительный блок 25 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 25

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 25

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 25"

Практикум — дополнительный блок 26 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 26

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 26

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 26"

Практикум — дополнительный блок 27 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 27

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 27

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 27"

Практикум — дополнительный блок 28 (392)

Шаг	Действие	Проверка
1	Повторить базовый сценарий из начала статьи	Команда завершается без ошибок
2	Запустить тесты или curl smoke	Ожидаемый HTTP-код или green test
3	Зафиксировать результат в README	Шаги воспроизводимы на другой машине

Подсказка 28

Сверьтесь с материалами энциклопедии по ссылкам /encyclopedia/ в начале статьи. При ошибке сначала читайте traceback или лог до своей строки — см. отладку.

Troubleshooting — мини-чеклист 28

#	Вопрос	Если да
1	Версия runtime совпадает с таблицей требований?	Обновить или зафиксировать в документации
2	Зависимости установлены из lock-файла?	Переустановить без изменения lock
3	Порт не занят другим процессом?	Сменить порт или завершить процесс
4	Переменные окружения заданы?	Проверить .env и секреты на хостинге
5	Тесты проходят локально?	Только после green — деплой

# Smoke — адаптируйте под свой стек (392)
echo "Smoke block 28"