add lesson #1 slides and hw

README.md

@@ -1,2 +1,17 @@
 # deep_python_autumn_2024
 Материалы открытого курса Углубленный Python от VK Education, осень 2024
+
+## Лекции и материалы (слайды, домашки, код с занятий)
+01. [Введение, типы данных, управляющие конструкции, тестирование](lesson-01)
+
+
+## FAQ
+* Обязательно ли соблюдение правил оформления репозитория с домашками, как указано в приветственном посте на портале?
+  > Да.
+* Как работает мягкий дедлайн?
+  > Если отправить домашку на проверку до наступления мягкого дедлайна по этой домашке, то можно получить полный балл (7). Более того, вторая и третья попытки, отправленные даже после дедлайна, уже штрафоваться не будут.
+* Как отправлять вторую и третью попытки сдачи ДЗ?
+  > Обязательно нужно переотправить через портал, как это выполнялось с первой попыткой. Можно дополнить комментарием в обсуждении, но коментарий не является обязательным. Только комментария недостаточно, тк если случайно его просмотреть, портал будет считать эту домашку проверенной и проверка правок по ней может сильно отсрочиться.
+* Списывать нельзя?
+  > **Списывать нельзя**, но использовать различные ресурсы для подготовки можно. За списывание штраф 3 балла и попытка сдачи данной домашки, то есть можно будет пересдать списанную домашку только с одной попыткой. За повторное списывание студент отчисляется с курса.
+

lesson-01/homework.md

@@ -0,0 +1,56 @@
+# Домашнее задание #01 (введение, тестирование)
+
+### 1. Функция оценки сообщения
+Реализовать функцию `predict_message_mood`, которая принимает на вход строку `message` и пороги хорошести.
+Функция возвращает:
+- "неуд", если предсказание модели меньше `bad_threshold`;
+- "отл", если предсказание модели больше `good_threshold`;
+- "норм" в остальных случаях.
+
+Функция `predict_message_mood` создает экземпляр класса `SomeModel` и вызывает у этого экземпляра метод `predict` с аргументом `message`.
+
+```py
+class SomeModel:
+    def predict(self, message: str) -> float:
+        # реализация не важна
+
+
+def predict_message_mood(
+    message: str,
+    bad_thresholds: float = 0.3,
+    good_thresholds: float = 0.8,
+) -> str:
+    ...
+    model.predict()
+    ...
+
+
+assert predict_message_mood("Чапаев и пустота") == "отл"
+assert predict_message_mood("Чапаев и пустота", 0.8, 0.99) == "норм"
+assert predict_message_mood("Вулкан") == "неуд"
+```
+
+### 2. Генератор для чтения и фильтрации файла
+Есть текстовый файл, который может не помещаться в память.
+В каждой строке файла фраза или предложение: набор слов, разделенных пробелами (знаков препинания нет).
+
+Генератор должен принимать на вход:
+- имя файла или файловый объект;
+- список слов для поиска;
+- список стоп-слов.
+
+Генератор перебирает строки файла и возвращает только те из них (строку целиком), где встретилось хотя бы одно из слов для поиска.
+Если в одной строке сразу несколько совпадений, то вернуть строку надо лишь один раз.
+Если в строке встретилось слово из списка стоп-слов, то такая строка должна игнорирроваться, даже если там есть совпадения по словам поиска.
+Поиск совпадений и стоп-слов должен выполняться по полному совпадению слова без учета регистра.
+
+Например, для строки из файла "а Роза упала на лапу Азора" слово поиска "роза" должно найтись, а "роз" или "розан" - уже нет.
+В случае той же строки "а Роза упала на лапу Азора", слова-совпадения "роза" и стоп-слова "азора" исходная строка должна будет быть отброщена.
+
+### 3. Тесты в отдельном модуле для каждого пункта
+
+### 4. Перед отправкой на проверку код должен быть прогнан через flake8 и pylint, по желанию еще black
+
+### 5. Покрытие тестов через coverage, отчет в репу
+
+### 6. Зеленый пайплайн