Геннадий П. Python разработчик, Senior
ID 28861
ГП
Геннадий П.
Мужчина, 24 года
Россия, Севастополь, UTC+3
Ставка
3 506,49 Р/час
НДС не облагается
Специалист доступен с 31 июля 2025 г.
Добавьте подходящих специалистов в список и оформите заявку для предварительного бронирования времени специалистов. После оформления заявки ваш персональный менеджер организует прохождение всех необходимых проверок с вами и каждым кандидатом из заявки. Специалист привлекается к проекту только после окончательного подтверждения его выхода с вашей стороны.
Подробнее
О специалисте
Специализация
Python разработчик
Грейд
Навыки
Отрасли
Знание языков
Английский — B2
Главное о специалисте
Python backend-разработчик с более чем 5 годами опыта. Работал с широким стеком технологий — от RPA и парсинга данных до микросервисной архитектуры и AI-моделей. Реализовывал модули для торговых стратегий, телеком-платформ и автоматизации бизнес-процессов. Имею опыт в разработке REST API, интеграции с внешними сервисами, разработке ETL-процессов и построении систем на основе AI.
Уверенно применяю Python (включая многопоточность, асинхронность и векторные вычисления), умею адаптироваться к любой архитектуре: от RPA-роботов до продвинутых ML-сервисов. Работал с такими библиотеками как pandas, numpy, selenium, TensorFlow, FastAPI, PyQt и множеством других.
Быстро обучаюсь, умею находить нестандартные решения, готов развивать как продукт, так и свою экспертизу в команде профессионалов.
Проекты
(5 лет 7 месяцев)
Разработка сервиса AI Support
Роль
Python-разработчик
Обязанности
Команда: 2 Data Scientist, Product Manager, Team Lead, DevOps-инженер, Fullstack разработчик
Описание:
AI-поддержки service desk в промышленном предприятии.
Задачи:
Разработка backend-сервиса на FastAPI с использованием Pydantic для валидации схем и JWT для авторизации
Создание веб-интерфейса с помощью Flet (Python GUI)
Интеграция с LLM (Llama 2, OpenAI) через REST API
Проектирование и реализация микросервисной архитектуры из 9 сервисов, взаимодействующих через Kafka и REST
Хранение эмбеддингов в Qdrant (векторное хранилище), моделей — в MinIO
Построение ETL-пайплайнов на Airflow для обновления базы знаний и логов обращений
Интеграция с внешними системами: Jivo API, Bitrix24, Telegram API, VsDesk API
Написание документации API с использованием Swagger (OpenAPI/Redoc)
Визуализация метрик и логов в Metabase
Сбор внешних данных через Requests, их предобработка и маршрутизация
Прототипирование бизнес-процессов через n8n
Настройка n8n через Nginx, пайплайны — на GitLab CI
Развертывание сервисов через Docker, docker-compose
Достижения
Реализовал полнофункциональный AI Support-сервис, повысив точность ответов до 89%, снизив нагрузку на service desk на 40%
Настроил CI/CD на GitLab Runner, обеспечив стабильные релизы 9 микросервисов
Автоматизировал 85% входящих заявок за счёт интеграции LLM с JivoCRM и Telegram
Реализовал векторный поиск по эмбеддингам (Qdrant + MinIO), что сократило среднее время ответа до 0.9 сек
Настроил real-time уведомления в Telegram/Bitrix, снижая время реакции на критические обращения
Внедрил прозрачную визуализацию обращений и классификаций с помощью Metabase
Реализовал безопасную авторизацию через JWT, контроль прав на уровне эндпоинтов FastAPI
Настроил маршрутизацию запросов и балансировку через Nginx, обеспечив доступность AI Support внешним клиентам и доступность n8n по средствам доменных имён
Интегрировал n8n для прототипирования бизнес-процессов, например процесс обработки тикетов (без доп. кода)
Стек специалиста на проекте
PostgreSQL, Docker, API, Nginx, JWT, SQLAlchemy, FastAPI, Telegram API, Requests, ETL, MinIo, Kafka, Pydantic, Apache AirFlow, Redis, Qdrant, Gitlab CI, metabase, Python 3.11, n8n, Flet, llama, OpenAI API, Jivo, vsdesk
Отрасль проекта
Manufacturing
Период работы
Июль 2024 - По настоящее время
(1 год 1 месяц)
Разработка системы балансировки производства
Роль
Python-разработчик
Обязанности
Команда: Product Owner, Backend разработчик
Описание: Система для автоматизации производственного планирования, оптимизирующая распределение ресурсов и операций с целью повышения эффективности производственного процесса.
Задачи:
Реализовал модуль балансировки загрузки производственных ресурсов: от импорта входных данных до генерации плана на Python 3.11, с использованием NumPy, pandas и Numba (JIT-компиляция)
Спроектировал алгоритмы распределения задач по ресурсам с учётом производственных ограничений и приоритетов
Реализовал параллельную обработку больших объёмов данных с помощью multiprocessing, обеспечив масштабируемость и устойчивость
Настроил интеграцию с БД PostgreSQL: оптимизация SQL-запросов, чтение/запись больших массивов производственных данных
Автоматизировал подготовку агрегированных данных для внешних отчётов и аналитики
Проводил профилирование кода и оптимизацию узких мест в расчётах, включая работу с массивами и матрицами
Достижения
Сократил время расчёта плана на 65% — с 15 минут до 47 секунд при объёме 50 000+ операций ежедневно
Достиг скорости 1 800+ операций/секунду благодаря использованию JIT-компиляции (Numba) и multiprocessing
Повысил эффективность использования ресурсов на 30% за счёт продвинутой логики распределения и буферизации
Обеспечил стабильную работу модуля при пиковых нагрузках и в ограничениях по времени (реалтайм-планирование)
Повысил точность планирования, устранив пересечения в расписании и оптимизировав распределение операций
Упростил сопровождение кода: покрытие unit-тестами, внедрение логирования, оформление инструкций
Интегрировал решение в текущую систему планирования без необходимости менять бизнес-процессы
Стек специалиста на проекте
PostgreSQL, Pandas, Multiprocessing, Numpy, Python 3.11, numba
Отрасль проекта
EdTech
Период работы
Июль 2023 - Июнь 2024
(1 год)
Разработка торговой платформы и аналитической системы
Роль
Python-разработчик
Обязанности
Команда: 2 Backend разработчика, Product Owner, Team Lead
Описание: Многофункциональная платформа для алгоритмической торговли на криптовалютных, фондовых и DEX-рынках с интегрированной аналитической системой и поддержкой ML-моделей.
Задачи:
Разработка GUI-приложения на PyQt6 с визуализацией в pyqtgraph, отображением метрик и графиков в реальном времени
Реализация 9 торговых скриптов с поддержкой API: MetaTrader5, Binance, ByBit, cTrader, Tinkoff, OKEX, Kraken, Poloniex
Спроектировал и разработал архитектуру backend-сервиса на FastAPI с асинхронной поддержкой и очередями через Kafka
Разработка 11 парсеров рыночных данных через websocket, requests, threading, asyncio, с буферизацией в queue и redis
Построение 4 бэктестеров с использованием pandas, numpy
Миграция базы данных с MS SQL на PostgreSQL, настройка ORM на SQLAlchemy
Мониторинг ресурсов системы через psutil, реализация управления процессами через subprocess
Обучение ML-моделей на основе стакана с использованием TensorFlow, numpy, pandas для классификации событий и предсказания сигналов
Реализация миграции базы данных PostgreSQL с помощью Alembic.
Тестирование возможности использования Celery для оптимизации работы асинхронных модулей.
Достижения
Реализовал полнофункциональный GUI на PyQt6 с визуализацией графиков, логов и реального времени
Достиг пропускной способности 10 000+ тиков/сек благодаря многопоточной архитектуре (threading + queue)
Повысил точность ML-моделей до +65% за счёт балансировки обучающих выборок и валидации
Реализовал 4 бектеста с учётом стратегий и оптимизации параметров, используя pandas, numpy
Обеспечил стабильную работу REST API с нагрузкой до 500 RPS на FastAPI + Kafka
Упростил поддержку и масштабирование платформы путём миграции на PostgreSQL + SQLAlchemy
Обеспечил отказоустойчивость и fault-tolerant архитектуру за счёт использования Kafka, Redis
Настроил мониторинг состояния и ресурсов платформы с помощью psutil и автоматическое управление процессами через subprocess
Стек специалиста на проекте
swprocess, krakend, metatrader, WebSockets, Tracer, Multiprocessing, Queue, SQLAlchemy, Numpy, API, Pandas, MongoDB, Redis, Celery, FastAPI, Requests, Kafka, PyQT5, Threading, Python 3.11, tinkoff, PostgreSQL, Binance API, asyncio, okex, bybit, poloniex, pickle, psutil, pyqtgraph
Отрасль проекта
FinTech & Banking
Период работы
Апрель 2022 - Июнь 2023
(1 год 3 месяца)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Образование
Высшее
Учебное заведение
Севастопольский государственный университет
Специальность
Информационная безопасность
Завершение учебы
2022 г.
Высшее
Учебное заведение
Севастопольский государственный университет,
Специальность
Информационная безопасность, Информационная безопасность телекоммуникационных
Завершение учебы
2024 г.
Высшее
Учебное заведение
Севастопольский государственный университет
Специальность
Государственное и муниципальное управления, Государственное и муниципальное управление
Завершение учебы
2025 г.