Есть ли опыт с C++

Что проверяют

Питонисту C++ обычно нужен в одном месте: там, где Python упирается в производительность и приходится спуститься на уровень ниже. Интервьюер хочет понять ваш реальный уровень и то, как вы стыкуете C++ с Python. Следом спрашивают, как именно вы вызывали C++ из Python или как управлять памятью без утечек.

Как отвечать

Сначала честно назовите уровень: писали продакшен-код, делали расширения, читаете чужой код или изучали в вузе. Дальше каркас на своём опыте:

• где пригодилось: узкое место, найденное профилировщиком (cProfile, py-spy), которое не решилось векторизацией в NumPy;
• как связывали: pybind11 или nanobind для C++, Cython, ctypes и cffi для готовых C-библиотек, прямой C API с ручными Py_INCREF и Py_DECREF. Сборка через scikit-build-core, колёса под платформы через cibuildwheel;
• что важно знать из C++: RAII, std::unique_ptr и std::shared_ptr вместо ручного delete, семантика перемещения, контейнеры STL. Хорошо, если объясните, почему ошибка с памятью в расширении роняет весь процесс Python, а не выбрасывает исключение;
• GIL: тяжёлый расчёт в расширении отпускает GIL (py::gil_scoped_release в pybind11), иначе остальные потоки Python простаивают.

Цифру ускорения давайте свою и с условиями: какой участок, во сколько раз, на каких данных. Помните, что переход границы между Python и C++ стоит дорого, поэтому выигрыш дают крупные вызовы, а не миллион мелких.

Если опыта нет, скажите прямо и покажите, как решили бы задачу без C++: NumPy, Numba, готовая библиотека. Добавьте, что код на C++ сможете читать, если понадобится отладить зависимость.

Где спотыкаются

Преувеличивают опыт. Два вопроса про указатели или время жизни объектов быстро показывают реальный уровень.

Предлагают переписать всё на C++ ради скорости, не измерив, где на самом деле тратится время.

Называют процент ускорения без условий замера. Лучше «в 8 раз на расчёте матрицы расстояний», чем «приложение стало быстрее на 30%».