Владислав Р. QA авто, Senior

Сертификаты MongoDB for Node.js Developers Инженер-разработчик программного обеспечения в области тестирования с более чем 4-летним опытом разработки средств автоматизации тестирования. Основной язык C#, но работала так же с Python, Kotlin и Java. Разрабатывала автотесты как для фронта, бэка (API и микросервисы), так и мобильных приложений. Может работать как ручной тестировщик. СПИСОК ТЕХНОЛОГИЙ Языки программирования: C#, Kotlin, Python, JavaScript, Java, SQL Базы данных: Mongo DB Frontend: React.js, Material UI, React Native Инструменты тестирования: Appium, Gradle, Selenium/Selenide, Cypress, Cucumber, PyTest, xUnit, Jest, Allure, Locust, JMeter, Enzyme, Puppeteer, REST Assured Другие инструменты: Docker, Jenkins Системы контроля версий: Git

Опыт общий в программировании больше 3х лет, не боюсь сложных задач, развиваюсь как профессионал и как личность. Хороший уровень английского языка для чтения технической документации. В свободное время делаю pet-проекты на arduino-совместимых платах.

Ключевые навыки Git Unit Testing Базы данных TDD C# Java HTML5 CSS3 Kotlin Python JavaScript TypeScript PHP Selenium WebDriver Docker Kubernetes K8S DevOps Chrome DevTools MS SQL PostgreSQL MySQL Apache Kafka RabbitMQ SOAP Mocha Обо мне Целеустремленность, внимательность к деталям. Хороший технический бэкграунд. Новые знания и опыт даются легко. Имеет аналитический склад ума, грамотную речь в сочетании со способностью четко и ясно формулировать свои мысли. В наличии развитое чувство юмора. Лидерские качества, ответственный подход к любым задачам. Коммуникабелен и доброжелателен.

У меня чуть более 5 лет опыта разработки с использованием Java, Spring, Spring Boot, Spring Data, JPA (Hibernate), Angular, React, Docker, RabbitMQ, Kafka, PostgreSQL, ClickHouse, MongoDB, Niagara Framework. Имею опыт создания RESTful веб-сервисов и приложений построенных на микросервисной архитектуре с использованием. Имею опыт использования таких СУБД, как PostgreSQL, H2, MongoDB и ClickHouse. У меня есть опыт фронтенд-разработки с использованием JavaScript, TypeScript, Angular, React, NextJS, Bootstrap, HTML, CSS.

Рассматриваю удаленную работу, желательно на долгий срок. О себе могу сказать: стрессоустойчивая, готова обучаться новому. Владею основными программами.

Java-разработчик с опытом работы на проектах 4 года 3 месяца. На проекте «Наука» разрабатывал и внедрял систему согласования материального баланса и отчётности по операциям на НПЗ. Разрабатывал REST API, поддерживал репликацию данных на клиентские сервисы (Kafka), реализовывал авторизацию и аутентификацию (Spring Security и JWT). Внедрил паттерн CQRS, что снизило нагрузку на БД и повысило скорость генерации отчётов на 32%. В рамках проекта «ОЗОН» разработал backend-сервис на Java Spring Boot для обработки данных с конвейера. Интегрировал сервис с промышленной камерой, обрабатывал снимки в реальном времени (OpenCV). Оптимизировал запросы в БД PostgreSQL, после чего их скорость повысилась на 23%.

Антон — QA-специалист уровня Middle с опытом работы на проектах в сферах телекома и электронной коммерции. На проекте в компании, работающей в сфере телекоммуникаций, выполнял роль QA FullStack. Занимался ручным тестированием Web и API (REST, SOAP), в большей степени: автоматизацией Web и Backend, написанием тест-кейсов в TestRail и отчётов о тестировании, работал с БД и CI/CD Gitlab. В компании из сферы электронной коммерции и ретейла выполнял роль QA Manual. В зону ответственности входили ручное тестирование Web и API, написание чек-листов и SQL-запросов, функциональное и приёмочное тестирование, оценка задач в рамках спринта.

5+ лет опыта в ML и анализе данных, включая продакшн-разработку моделей. Коммерческий опыт с рекомендательными системами (Implicit, LightFM, SVD, DL-based), включая: Collaborative Filtering (ALS, LightFM, SVD); Matrix Factorization (SVD, ALS); Two-Tower Model (Deep Learning) — моделирование с использованием контентных признаков (тексты, эмбеддинги видео/аудио/изображений); Hybrid Model (CF + Content-Based) — интеграция поведенческих и контентных фич для рекомендаций; Transformer-based модели (YouTube DNN, SASRec) — учет последовательностей взаимодействий пользователей. Глубокое понимание алгоритмов RecSys и бустинга (LightGBM, CatBoost, XGBoost). Разработка и деплой моделей (классификация, регрессия, ранжирование) с использованием: PyTorch, TensorFlow; Triton Inference Server, TorchServe, TF Serving Feature engineering для RecSys и других задач; Проведение A/B-тестирования рекомендательных моделей и новых фич; Построение end-to-end ML пайплайнов, автоматизация CI/CD; Опыт с высоконагруженными и распределёнными системами (Spark, Dask, Ray); Разработка REST API (Flask, FastAPI), опыт работы с облаками (AWS, GCP, Yandex Cloud); Использование LLM (в т.ч. RAG) для бизнес-задач и интеграции с рекомендательными системами; Уверенное владение Python, Docker, Kubernetes; Анализ и визуализация данных (NumPy, SciPy, Pandas, Plotly).