Oleksii Patsurkovskyi
Предложите Oleksii работу над вашим следующим проектом или зарегистрируйте профиль фрилансера и начинайте зарабатывать прямо сейчас.
Личное сообщение
Предложить работу
Одесса,
Украина
3 дня 1 час назад
свободен для работы
возраст 29 лет
на сервисе 10 лет
Рейтинг
Успешных проектов
Средняя оценка
Резюме
Разрабатываю веб-продукты и автоматизации, которые реально работают.
- React / Next.js / Node.js
- AI-интеграции и генерация контента
- автоматизация и скрипты
- MVP и быстрый запуск продуктов
У меня продуктовый бэкграунд → я думаю не только про код, а про результат, UX и бизнес-логику.
Работал с:
- CRM системами (разработка + внедрение)
- e-commerce (воронки, процессы, автоматизация)
- AI-проектами (контент, архитектура, ускорение разработки)
Если у вас есть идея или задача — помогу быстро превратить её в работающее решение.
Навыки и умения
Программирование
Дизайн и арт
Продвижение
Портфолио
-
24 392 UAH Автоматизация фин. учета: Jobber → Google Sheet через N8N
Разработка ботов
Реализована комплексная и отказоустойчивая система автоматизации для клинингового бизнеса. Главная задача — настроить автоматический перенос данных из CRM Jobber в Google Sheets с помощью платформы n8n для точного расчета выплат клининговым командам (процентная и почасовая модель).
Что было сделано (Технические детали реализации):
…
- Секционная модель данных («Конструктор»): Строка визита в таблице разделена на независимые зоны (Визит, Инвойс, Платеж, Расчет). Каждый поток n8n обновляет только свои поля, что исключает конфликты при параллельной обработке вебхуков.
- Динамическая адресация (Header-based): n8n считывает номера колонок по ключам в первой строке таблицы. Менеджер может свободно менять столбцы местами — интеграция не сломается.
- Идемпотентность и защита от дублей: Реализована генерация уникальных ключей event_id и механика atomic upsert через n8n Data Table. Повторные вебхуки отсекаются автоматически, не создавая дубликатов.
- Гибкое распределение финансов:
- Написан алгоритм определения ответственного за наличные (Cash Taker) среди нескольких команд на визите на основе их типа и ID.
- Реализована логика расщепления мульти-визитных инвойсов (если один счет выставлен на несколько уборок, суммы делятся поровну).
- Режим «Ручное Редактирование» (Manual Lock): Создан механизм защиты данных. Если менеджер ставит галочку ручного корректирования на любой строке визита, автоматика полностью замораживает обновление этого объекта, чтобы не затереть ручные правки.
- Fail-safe и мониторинг:
- Интегрирована очередь ошибок — Dead Letter Queue (Failed_Events) прямо в Google Sheets для удобного разбора менеджером.
- Настроена политика ретраев Exponential Backoff для обхода лимитов API (429, 5xx). Создана система из 24 кастомных Telegram-алертов (разделенных по веткам: Info, Warnings, Errors) для моментального оповещения о расхождениях в суммах, отсутствии команд в справочниках или ошибках API.
- Оптимизация нагрузки: Расчет итоговых выплат (V), сумм уборки (N) и расхождений (R) полностью вынесен на сторону формул Google Sheets внутри строки, что уменьшило количество запросов к API и ускорило работу системы.
Стек технологий:
- n8n (Создание workflow, n8n Data Table для логирования и дедупликации)
- Jobber API (GraphQL, Webhooks, Верификация событий через HMAC-SHA256)
- Google Sheets API (Batch-обновления, работа с формулами)
- JavaScript / Node.js (Регулярные выражения, парсинг line items и логика фильтрации данных внутри n8n-узлов)
- Telegram Bot API (Маршрутизация уведомлений по топикам)
Результат для бизнеса:
Заказчик получил полностью автономную финансовую витрину. Ручная работа бухгалтера/менеджера сведена к минимуму — система сама собирает данные о выполненной работе, считает чистый доход за вычетом парковок и налогов, делит чаевые и начисляет зарплату клинерам. Все нестандартные кейсы или финансовые расхождения подсвечиваются через Telegram, что гарантирует 100% контроль за финансами.
-
35 036 UAH Бэктестер алгоритмических торговых стратегий
Python
Разработка системы тестирования торговых алгоритмов на больших массивах исторических рыночных данных. Особенность была в том что стратегии могли иметь сотни тысяч разных комбинаций параметров.
Благодаря чему получилось найти комбинации настроек стратегии с результатами как на примере выше.
Получилось реализовать бектестинг миллиона комбинаций параметров на истории в 2 года за 2 часа.
…
Задачи, которые я решал:
Обработка больших данных: Организовал работу с массивными объемами исторических рыночных данных.
Математические вычисления: Реализовал сложную логику, включающую матричные вычисления и векторизацию операций для максимального ускорения обработки.
Оптимизация производительности: Использовал библиотеку Numba для JIT-компиляции и устранения "узких мест" в производительности ядра системы.
Ключевые навыки: Python, Pandas, NumPy, Numba, Data Engineering, Algorithmic Trading, Матричные вычисления, Векторизация.
-
33 262 UAH Full-stack SaaS-сервис для изучения языков с AI-словарями
Javascript и Typescript
Создание с нуля веб-сервиса (Next.js, Zustand, Supabase) для персонализированного изучения языков. Решение проблемы классических приложений — отсутствие гибкости в выборе словарей и жесткая привязка к языковым парам.
Задачи, которые я решал:
… Проектирование архитектуры: Разработал универсальную систему хранения слов, позволяющую изучать любую комбинацию языков без дублирования логики в коде.
Интеграция AI-решений: Внедрил генерацию тематических словарей. Пользователь задает любую узкую тему (например, «медицинская терминология»), а AI формирует подборку с переводами и примерами.
Автоматизация контента: Автоматизировал процесс локализации и наполнения базы данных — с помощью ШИ переведено и добавлено более 8 000 слов.
Результаты: Пройден путь от идеи (CustDev) до полностью работающего и масштабируемого SaaS-продукта за полтора месяца.
Ключевые навыки: Product Development, Next.js, Supabase, AI Integration, Prompt Engineering, Мультиязычная архитектура.
-
115 308 UAH Разработка B2B CRM-системы для складов и e-commerce
Веб-программирование
Создание с нуля и полноценная поддержка кастомной CRM-системы, предназначенной для автоматизации бизнес-процессов складов и интернет-магазинов.
Задачи, которые я решал:
… Проектирование и стратегия: Провел исследование рынка, собрал обратную связь от потенциальных пользователей и сформировал пошаговый roadmap продукта.
Управление разработкой: Написал подробные технические требования (ТЗ) и спецификации для всех функций системы. Управлял полным циклом жизни продукта — от концепции до успешного релиза в срок.
Внедрение и онбординг: Лично проводил консультации и обучение для клиентов. Помогал интегрировать CRM в их текущие реалии и выстраивать новые, более эффективные бизнес-процессы.
Поддержка и развитие: Обеспечивал бесперебойную работу и развитие функционала системы на протяжении почти 3 лет на основе продуктовых метрик и фидбека.
Результаты для бизнеса:
-30% операционной нагрузки: Благодаря автоматизации рутины и грамотному выстраиванию процессов внутри системы, клиенты смогли сократить нагрузку на своих сотрудников на треть.
Высокий уровень лояльности: Заказчики отдельно отмечали качество коммуникации, структурированный подход к обучению персонала и глубокое погружение в их бизнес-детали.
Ключевые навыки в проекте: Product Management, Market Research, Roadmap Development, Client Communication, написание ТЗ, оптимизация бизнес-процессов.
-
12 418 UAH Full-Stack дашборд для Telegram аналитики (React, Node.js)
Javascript и Typescript
Full-stack приложение (SPA) для аналитики Telegram-каналов. Система автоматически выявляет аномальные всплески интереса аудитории и находит виральные публикации на ранних стадиях, используя относительную метрику Share Rate (коэффициент репостов).
Разработан кастомный парсер на базе MTProto API (GramJS), который собирает историю сообщений от лица пользователя, обходя ограничения стандартного Bot API. Ядро системы высчитывает базовую норму (Медиану) каждого канала с помощью скользящего окна данных (от T-8 до T-1 дней), жестко отсекая информационный шум и ложные аномалии.
… Ключевые фичи:
Умная математика виральности: Алгоритм сравнивает свежие посты не по количеству просмотров, а по отклонению процента репостов от исторической нормы конкретного канала.
Безопасный парсинг (Anti-Flood): Внедрена сложная система обхода блокировок Telegram API (плавающие задержки Jitter, паузы при пагинации), имитирующая поведение живого человека.
Lazy Media Download: Для оптимизации дискового пространства и снижения сетевой нагрузки медиафайлы скачиваются и кэшируются бэкендом только для подтвержденных виральных постов.
Отказоустойчивая БД: Использование SQLite в режиме асинхронной журнализации (WAL) позволяет одновременно писать сотни записей в фоне и отдавать данные на фронтенд без фризов интерфейса.
Автономная авторизация: Нативный UI-ввод кода подтверждения Telegram прямо в React-интерфейсе с безопасным сохранением сессии в базу данных.
Стек технологий:
Frontend: React.js, Vite, Tailwind CSS (Dark Mode, Responsive Grid/Table layouts).
Backend: Node.js, Express.js.
API & Data: GramJS (Telegram MTProto Client), better-sqlite3 (WAL mode).
Активность
| Последние ставки 2 | Бюджет | Добавлена | Сроки | Ставка | |
|---|---|---|---|---|---|
|
Разработка фронтальной части для CRM системы (Frontend, React)
25 000 UAH
|
|||||
|
TradingView индикатор
25 763 UAH
|
