ДЖ
Даниил Ж.
Мужчина, 23 года
Россия, Москва, UTC+3
Ставка
2 954,3 Р/час
вкл. НДС 5% (109.52 Р)
Специалист доступен с 9 мая 2026 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 — B1
Главное о специалисте
Даниил разрабатывает на Python более 4 лет, проектируя бэкенд для high‑load и AI‑решений - от микросервисных архитектур до RAG‑агентов на базе LLM. Имеет опыт полного цикла создания ETL/ELT‑пайплайнов в Airflow, интеграции с Kafka, RabbitMQ и объектными хранилищами S3, а также контейнеризации в Docker и Kubernetes. Участвовал в декомпозиции монолита 1С на десятки микросервисов с event‑driven взаимодействием, что повысило масштабируемость и отказоустойчивость систем. Выступает в роли ментора: проводит онбординг, код‑ревью и помогает команде выстраивать чистую слоистую архитектуру. Нацелен на дальнейшее развитие в AI и автоматизации.
Проекты
(3 года 3 месяца)
Разработка платформы данных внутри дочерней компании и корпоративного AI RAG агента
Роль
Python разработчик
Обязанности
Проект:
Разработка и внедрение интеллектуального агента на базе RAG (Retrieval-Augmented Generation) для автоматизации обработки запросов сотрудников и клиентов ресторана. Проект включает в себя интеграцию LLM с базой знаний (меню, регламенты, CRM), настройку семантического поиска и оптимизацию точности ответов для снижения нагрузки на первую линию поддержки.
Обязанности:
- Полная разработка backend на FastAPI для общения пользователя и сотрудника, а также использование LangChain для ответов LLM модели в чате телеграмма;
- Реализация пайплайна обработки запросов, который включал нормализацию запроса, валидацию, генерацию эмбеддингов, отбор релевантных чанков, расширение контекста и ответ пользователю (RAG);
- Проектирование и разработка ETL/ELT-пайплайны в Apache Airflow для регулярной загрузки данных из разрозненных источников в единый аналитический контур: настройка DAG’и, управление зависимостями задач и обработка ошибки с retry-логикой;
- Реализация интеграции платформы с объектным хранилищем S3 (Yandex Cloud/MinIO) и аналитическими БД (Greenplum, ClickHouse): настройка передачи данных в columnar-формате Apache Parquet через PyArrow, обеспечивая совместимость между системами с разной моделью хранения;
- Участие в контейнеризации компонентов платформы (Docker, Kubernetes): настройка деплой сервисов, управление конфигурациями и горизонтальное масштабирование в соответствии с инфраструктурными требованиями платформы;
- Настройка фоновых задач, обработки документов не блокируя основной поток приложения (Celery + Redis);
- Написание тестов с помощью Pytest.
Команда: Тимлид, Техлид, Проектный менеджер, UI/UX дизайнер, 3 Бэкенд разработчика, 2 Фронтенд разработчика, 2 Дата инженера, 2 Аналитика, 2 QA, DevOps
Достижения
- Самостоятельно спроектировал и реализовал архитектуру backend-части для FastAPI приложения, внедрив слоистую структуру из 4 слоев для повышения удобства расширяемости системы (Presentation Layer (API handlers, Telegram bot handlers) -> Service Layer (оркестрация, бизнес-логика) -> RAG Layer (retrieval + generation) -> Data Access Layer (PostgreSQL, MinIO, Redis);
- Объединил Telegram-бота (webhooks) и REST API в одном FastAPI-приложении;
- Оптимизировал Docker-сборку ML-проекта: внедрил Multi-stage build и очистку зависимостей, значительно сократив время развертывания и вес итоговых контейнеров;
- Внедрил сквозной мониторинг пайплайнов платформы данных (Prometheus, Grafana, ELK), сократив время обнаружения инцидентов (MTTD). Это исключило риск использования устаревших данных в бизнес-отчетах.
Стек специалиста на проекте
PostgreSQL, RabbitMQ, Docker, Python, Grafana, Kubernetes, Celery, Prometheus, ClickHouse, Pandas, Numpy, FastAPI, GreenPlum, PyTorch, Pydantic, Apache AirFlow, ELK Stack, Redis, Yandex Cloud, Qdrant, S3, DBT, langchain, aiogram3, Trino, pgvector, PyArrow
Отрасль проекта
E-commerce & Retail
Период работы
Декабрь 2024 - По настоящее время
(1 год 6 месяцев)
Программа развития ИТ-архитектуры для ритейлера
Роль
Python разработчик
Обязанности
Проект:
Платформа модернизации ИТ-ландшафта крупного DIY-ритейлера с омниканальной бизнес-моделью. Проект охватывал анализ текущих систем и процессов, переход к модульной архитектуре и формирование roadmap из 50+ инициатив в областях товародвижения, логистики, клиентского контура и управления данными. Ключевая цель — перераспределение функциональности монолитной 1С-системы в пользу специализированных сервисов (CRM, OMS, WMS, TMS) и создание масштабируемой архитектуры для роста e-commerce и операционной эффективности.
Обязанности:
- Разрабатывал REST API на FastAPI для новых микросервисов в рамках декомпозиции монолита 1С:Управление торговлей: проектировал эндпоинты, схемы данных (Pydantic) и контракты взаимодействия между сервисами в доменах товародвижения и управления заказами (OMS);
- Реализовывал producers и consumers Apache Kafka для асинхронного взаимодействия между сервисами: настраивал топики, партиционирование, обработку сообщений и обеспечивал надёжную доставку событий между компонентами микросервисной архитектуры;
- Разрабатывал интеграционные адаптеры для взаимодействия новых сервисов с существующим ландшафтом ритейлера (1С:УТ, WMS), реализуя паттерны Anti-Corruption Layer для изоляции микросервисов от легаси-систем;
- Использовал принципы Domain-Driven Design (DDD) для декомпозиции монолита 1С: проектировал Bounded Contexts (товародвижение, логистика), определял границы агрегатов и контракты межсервисного взаимодействия;
- Создавал ETL-процессы и автоматизировал отчётность для расчёта себестоимости и аналитики в реальном времени;
- Выявление и устранение «узких мест» в работе БД с помощью регулярного анализа планов выполнения запросов (EXPLAIN ANALYZE).
Команда: Тимлид, Архитектор, Проектный менеджер, UI/UX дизайнер, 4 Бэкенд разработчика, 2 Фронтенд разработчика, Дата инженер, 3 Аналитика, 3 QA, DevOps
Достижения
- Разработал микросервисы без shared state и прямых зависимостей в рантайме, что обеспечило возможность независимого деплоя каждого сервиса без остановки остальных;
- Реализовал Kafka producers/consumers для асинхронного взаимодействия между сервисами — перевод части синхронных операций на очередь снизил время ответа API при пиковых нагрузках;
- Анализировал планы запросов через EXPLAIN ANALYZE, корректировал статистику (ANALYZE) и добавлял индексы там, где планировщик ошибочно выбирал Seq Scan на больших таблицах.
Стек специалиста на проекте
PostgreSQL, Docker, Python, MongoDB, Grafana, Kubernetes, Pytest, Prometheus, Pandas, SQLAlchemy, Numpy, FastAPI, Kafka, Apache AirFlow, Redis, Gitlab CI
Отрасль проекта
E-commerce & Retail
Период работы
Июль 2024 - Декабрь 2024
(6 месяцев)
Складские операции для сервиса доставки
Роль
Python разработчик
Обязанности
Проект:
Платформа, которая автоматизирует складские операции сервиса: сбор заказов, приёмку и отгрузку товаров, контроль срока годности и ещё десятки сложных физических процессов, в которых одновременно участвуют тысячи сотрудников.
Обязанности:
- Разрабатывал сервисы складских операций (приёмка, размещение, сборка, списание товаров);
- Реализовывал бизнес-логику обработки заказов и управления остатками;
- Писал unit и интеграционные тесты (pytest);
- Спроектировал REST API (FastAPI) для внутренних сервисов: определил контракты и схемы данных (Pydantic), что позволило фронтенду и смежным сервисам интегрироваться без ожидания готовой реализации;
- Реализовывал consumer и producer для обмена событиями между сервисами;
- Интегрировал сервис с внешними системами поставщиков;
- Настраивал логирование;
- Писал SQL-запросы для обработки складских данных и аналитики.
Команда: Тимлид, Техлид, Проектный менеджер, UI/UX дизайнер, 4 Бэкенд разработчика, 2 Фронтенд разработчика, 2 Дата инженера, 3 Аналитика, 2 QA, 2 DevOps.
Достижения
- Участвовал во внедрении event-driven архитектуры, что повысило её гибкость и надёжность;
- Написал сервисы без локального состояния (stateless): всё разделяемое — в Redis и PostgreSQL, Kafka consumer group настроен на несколько экземпляров — сервис горизонтально масштабируется без изменений в коде;
- Улучшил наблюдаемость системы (логирование и алертинг).
Стек специалиста на проекте
PostgreSQL, Git, Docker, Python, MongoDB, Kubernetes, Pytest, ClickHouse, SQLAlchemy, FastAPI, Kafka, Redis
Отрасль проекта
Logistics & Transport
Период работы
Июнь 2023 - Июль 2024
(1 год 2 месяца)
Формат взаимодействия
Объем участия в проекте
Высокая нагрузка
Формат взаимодействия
Удаленный
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Образование
Высшее
Учебное заведение
СКФУ, Институт перспективной инженерии
Специальность
Информатика и вычислительная техника
Завершение учебы
2024 г.