Андрей С. QA авто, Senior

Андрей — опытный IT-специалист с более чем 20-летним опытом работы в сфере информационных технологий. Он обладает широким набором навыков и знаний, которые позволяют ему успешно решать задачи различной сложности. Андрей специализируется на тестировании программного обеспечения и имеет опыт работы с различными технологиями и инструментами. Он работал над проектами в таких отраслях, как FinTech & Banking, EdTech и E-commerce & Retail. В своей работе Андрей использует такие технологии, как Java, JavaScript, React, node, SQL, Selenium, Cypress, TestNG, Spring, MongoDB и другие. Он также имеет опыт работы с автоматизированным тестированием, функциональным тестированием frontend веб-приложений, REST API, JSON, XML, Postman, SoapUI и другими инструментами. Кроме того, Андрей имеет навыки работы с базами данных, Linux, Windows, Mac OS, Android, iOS, а также опыт разработки тестовой документации и управления процессом разработки.

Квалифицированный и целеустремленный Middle+ QA Automation Engineer. Опыт работы на Java, Python и сопутствующих технологиях. Обладает богатым опытом работы с разнообразными инструментами тестирования. Мотивированный и целеустремленный командный игрок. Получает удовольствие от работы в команде, ориентированной на результат.

Имею опыт в области автоматизации тестирования (UI/backend/unit), ручного тестирования и нагрузочного тестирования в различных проектах. Занимался автоматизированным тестированием для крупных веб-приложений, включая тестирование функциональности, интеграции и регрессионных проверок. Также занимался рефакторингом тестов и переходом на более эффективные решения. В своей роли специалиста по нагрузочному тестированию успешно внедрял и поддерживал тестирование с использованием JMeter, создавал дашборды в InfluxDB и Grafana. Участвовал в развитии и автоматизации процессов нагрузочного тестирования, а также в анализе профиля продуктивной среды. Внедрял регламенты и код-ревью на проектах. Обладаю опытом работы как в WEB, так и в мобильных проектах, проектах с монолитной и микросервисной архиектурами. - Самая интересная и/или технически сложная задача из опыта? Создание фреймворка на Playwright в сжатые сроки самостоятельно было очень интересно и на первых этапах сложно - Куда хотелось бы развиваться: технически или в менеджмент? Хотелось бы развиваться и совершенствоваться в технической сфере - Какими задачами хотелось бы заниматься? Автоматизация тестирования как API так и UI, облачные технологи и облачные базы данных - Какими задачами не хотелось бы заниматься? Только полностью ручным тестированием

Опытный AQA-инженер с 4-летним опытом в Fintech и Media-сфере. Специализируюсь на автоматизации тестирования web- и mobile-приложений с использованием Python, Java и BDD-подходов. Активно внедряю автотесты в CI/CD-конвейеры и оптимизирую процессы QA, опираясь на Agile-практики. Увлекаюсь Python и слежу за развитием ИИ и Big Data; опыт верстки помогает глубже понимать фронтенд.

Опыт: более 2.5 лет в системном анализе на проектах монолитных и мобильных приложений. Тех.Стек: BPMN, UML, Swagger, Balsamiq, SoapUI. Ключевая экспертиза: сбор и анализ требований, ведение технической документации, описание и проектирование интеграций через SOAP и API. Ключевые достижения: реализовала процесс интеграции между монолитным сервисом и мобильным приложением. Мотивация: в поисках проекта web-приложения, хочет усилить экспертизу с интеграциями. Личные качества: Позитивная, открыта, структурированная.

Дмитрий — архитектор с двадцатипятилетним опытом работы на позиции ведущего архитектора-консультанта и системного архитектора в проектах FinTech & Banking, Information Security и многих других. Вёл более 60 проектов. Работал со всеми крупными банками России: ВТБ, СБербанк, Т-Банк и т.д. Разрабатывал архитектуру предприятия и решений. CTO/EA/SA. Управлял проектами и командой. Аналитик, работает с системной интеграцией, занимался аудитом информационных систем, готовит документацию по стандартам ГОСТ. На проекте NDA выполнял функции ведущего архитектора-консультанта: проводил аудит ИТ, разрабатывал архитектурные решения для государственных и банковских секторов, занимался реинжинирингом архитектурных процессов и миграцией в облачные среды. В рамках проекта «Омега» привлекал разработчиков к использованию технологий IBM, организовывал конкурсы и мероприятия для разработчиков, управлял субподрядчиками, проводил аудит ИТ и заказную разработку для государственного сектора. Как системный архитектор в проекте Ingenico Fortronic разрабатывал архитектуру безопасности системы доступа к серверам карточных эквайреров и интеграционную архитектуру. На проекте TopS разработал архитектуру компонентов системы интеграции iWay. Ведущий архитектор в проекте «Контрактор», где выполнял консалтинг в области архитектуры предприятия, участвовал в разработке стратегии развития продукта и подбирал необходимые технологии.

Ответственный и грамотный специалист

Герман — ML-разработчик уровня Senior из Санкт-Петербурга. Специализируется на разработке серверной логики на Python для интеграции языковых и голосовых моделей в бизнес-процессы. Имеет опыт работы с asyncio, Celery, ClickHouse, Docker, elevenlabs, FastAPI, Flask, GitHub Actions, Linux, MLops, MySQL, n8n, NLP, ONNX, OpenVINO, PostgreSQL, PyTorch, RabbitMQ, Redis, SOLID, Speech, SQL, Tensorflow, TensorRT и другими технологиями. Участвовал в проектах в области E-commerce & Retail. В рамках проектов занимался разработкой микросервисов для обработки и анализа мультимодальных данных, интеграцией и тестированием языковых моделей и систем распознавания речи, настройкой компонентной архитектуры, внедрением систем логирования. Достижения включают автоматизацию обработки и анализа аудиоданных, внедрение модульной архитектуры, создание масштабируемого решения для потоковой обработки аудиоданных, разработку модели для автоматического анализа и детекции событий на основе аудио- и видеопотоков.

ML Engineer с 3+ годами опыта в разработке end-to-end решений для задач классического ML, компьютерного зрения и NLP. Ключевые экспертизы: — Разработка различных ML моделей для решения бизнес задач. — Внедрение ML-моделей в продакшн. — Построение MLOps-инфраструктуры: CI/CD пайплайны (Docker, Airflow), трекинг экспериментов (MLFlow). — Оптимизация бизнес-метрик через ML: снижение CAC на 35%, увеличение конверсии на 12%.