Switch to English?
Yes
Переключитись на українську?
Так
Переключиться на русскую?
Да
Przełączyć się na polską?
Tak

Dmytro B.

Предложите Dmytro работу над вашим следующим проектом или зарегистрируйте профиль фрилансера и начинайте зарабатывать прямо сейчас.

Украина Запорожье, Украина
1 месяц 29 дней назад
Свободен для работы свободен для работы
возраст 40 лет
на сервисе 2 месяца 11 дней

Рейтинг

Успешных проектов
Нет данных
Средняя оценка
Нет данных
Рейтинг
307
Python 1
Парсинг данных 1

Навыки и умения

Портфолио


  • Инструмент автоматизации работы с Telegram

    Python
    Разработан инструмент на Python для автоматизации взаимодействия с Telegram через удобный графический интерфейс. Система позволяет работать со списком получателей, отправлять текстовые сообщения и вложения (изображения, файлы), а также управлять процессом отправки. Функционал: - работа со списками получателей (выбор, фильтрация) - массовая отправка сообщений - поддержка вложений (файлы, изображения) - вставка данных из буфера обмена - логирование и контроль процесса - использование задержек между отправками для стабильной работы Решение позволяет автоматизировать рутинные задачи коммуникации и повысить эффективность работы с большим количеством контактов. Использованные технологии: Python, Telethon, Tkinter, Pillow.
  • Инструмент автоматизации работы с апелляциями Google Ads

    Python
    Разработан инструмент на Python для автоматизации подготовки апелляций в Google Ads. Система позволяет по названию аккаунта автоматически получать необходимые данные, подставлять их в шаблон и формировать готовый текст апелляции. Функционал: - автоматическое получение данных из Google Sheets - поиск нужного аккаунта и извлечение параметров - подстановка данных в шаблон апелляции - автоматическое формирование готового текста - сохранение результата в файл - удобный GUI для быстрой работы Инструмент значительно ускоряет подготовку апелляций и минимизирует ручную работу при обработке большого количества аккаунтов. Использованные технологии: Python, requests, SQLite, Excel, Tkinter.
  • Инструмент проверки сайтов для запуска рекламы

    Python
    Разработан инструмент на Python для быстрого анализа сайтов перед запуском рекламных кампаний. Система позволяет проверять до 10 сайтов одновременно и определять наличие рискованного или запрещенного контента (азартные игры, взрослый контент, финансы и другие категории) на основе заданных триггеров. Функционал: - массовая проверка сайтов - определение уровня риска (БЕЗОПАСНО / СРЕДНИЙ / ВЫСОКИЙ) - поиск запрещенных тематик в контенте - обработка нескольких страниц одного сайта - удобный GUI-интерфейс для быстрой работы Решение ориентировано на предварительную проверку сайтов перед запуском рекламы и работу с большим объемом данных. Использованные технологии: Python, requests, BeautifulSoup, Tkinter.
  • Система анализа и проверки веб-сайтов

    Python
    Разработан инструмент на Python для автоматизированного анализа веб-сайтов и оценки их качества. Система обрабатывает список сайтов, проверяет доступность, редиректы, HTTPS, структуру страниц и количество внутренних ссылок. Дополнительно реализован модуль анализа контента с определением рисков по ключевым категориям. Особенности решения: - параллельная обработка большого количества сайтов - контроль времени выполнения и принудительное завершение зависших процессов - обработка блокировок, редиректов и нестабильных ответов - анализ структуры сайта (внутренние страницы, sitemap) - определение рисков контента (SAFE / MEDIUM / HIGH) Решение ориентировано на проверку сайтов перед запуском рекламных кампаний и работу с большими объемами данных. Использованные технологии: Python, multiprocessing, requests, BeautifulSoup, pandas.
  • Парсер государственного реестра компаний (Selenium + обход ограничений)

    Python
    Разработан инструмент на Python для автоматизированного сбора данных о компаниях США из открытых государственных реестров. Система выполняет массовый поиск компаний, обрабатывает результаты, находит точные совпадения и извлекает ключевые регистрационные данные с последующим сохранением в Excel. В процессе разработки учтены особенности доступа к веб-ресурсам: - работа в средах с ограниченным доступом и защитой страниц - стабильное взаимодействие с сайтами, использующими системы проверки трафика (в частности, Cloudflare) - использование изолированного браузерного профиля и сетевых настроек (VPN) для обеспечения стабильного доступа - обработка динамических страниц и JavaScript-интерфейсов - корректная навигация и повторные попытки при нестабильном ответе Решение обеспечивает стабильный сбор данных даже в сложных условиях доступа и позволяет эффективно работать с большими объемами информации. Использованные технологии: Python, Selenium, Excel.
  • Система управления базой данных компаний (Python + Firebird)

    Python
    Разработана система для автоматизированного создания и управления базой данных компаний. Решение включает: - автоматическое создание структуры БД (таблицы, связи, триггеры, генераторы) - реализацию хранимых процедур для добавления, редактирования и удаления данных - импорт данных из Excel в базу с проверкой на дубликаты - построение связей между таблицами (Foreign Keys) - автоматический backup и restore базы данных Система позволяет эффективно структурировать и хранить данные о компаниях, автоматизировать обработку информации и упрощает работу с большими объемами данных. Использованные технологии: Python, Firebird SQL, pandas, работа с Excel.
  • Система сбора и анализа данных о компаниях

    Python
    Разработано Python-решение для автоматического поиска и сбора информации о компаниях из бизнес-каталога DNB и корпоративных сайтов. Система выполняет поиск компаний по ключевому слову и стране, обрабатывает результаты постранично, переходит в профиль компании и собирает основные данные: название, сайт, адрес, отрасли, тип компании и DUNS. Также реализован поиск телефонов на сайте компании, включая контактные страницы, JSON-LD и структурированные элементы страницы. Отдельно добавлено автоматическое формирование короткого описания деятельности компании с помощью Groq AI и экспорт всех результатов в Excel. В решении использованы Python, requests, BeautifulSoup, pandas, API Groq, retry-логику и обработку ошибок для стабильной работы с большим количеством данных.