Dinaiym Dubanaeva

Python-разработчик с опытом более 1,5 лет в сферах Телекома и Финтеха. Специализируюсь на создании сложной бэкенд-логики, разработке функциональных Telegram-ботов и автоматизации бизнес-процессов.

Имею сильную алгоритмическую базу (спортивное программирование), что позволяет писать оптимизированный и быстрый код. Умею настраивать деплой на Linux-серверах и работать с облачной инфраструктурой.

Мои услуги:

🤖 Разработка Telegram-ботов:

• Создание быстрых асинхронных ботов на aiogram любой сложности.

• Разработка ботов для мониторинга, техподдержки, магазинов и администрирования сообществ.

• Интеграция ботов с базами данных и внешними API.

⚙️ Бэкенд и API:

• Разработка серверной части на FastAPI и Django / DRF.

• Проектирование архитектуры баз данных (PostgreSQL, SQL).

• Написание микросервисов и интеграция систем.

⚡ Автоматизация (RPA) и Скрипты:

• Написание скриптов для автоматизации рутины (отчеты, перенос данных).

• Парсинг сайтов и сбор данных.

• Создание инструментов для эмуляции действий пользователя (как в проекте для банка).

Ключевые проекты:

• Система мониторинга для Телекома (Telegram Bot): Разработала набор ботов на aiogram для оперативного мониторинга базовых станций и отображения статистики сети. Инструмент используется инженерами компании для быстрого реагирования.

• RPA-автоматизация банковской отчетности: Создала скрипт для Optima Bank, который полностью автоматизировал выгрузку и формирование отчетов из АБС (Автоматизированной Банковской Системы), сэкономив часы ручного труда.

• Пайплайн обработки данных: Реализовала серверную логику и API интеграции для пакетной обработки аудиофайлов и текстов, настроила хранение данных (S3/GCS) и работу на Linux-серверах.

Технический стек:

• Языки: Python (Advanced), SQL.

• Фреймворки: aiogram, FastAPI, Django, DRF.

• Инструменты: Docker, Linux, Git, PostgreSQL, Pandas.

• Дополнительно: Опыт работы с нейросетями (интеграция AI-фич в проекты).

Что я изменил под ваш запрос:

1. Skills (Навыки): Поднял наверх aiogram, FastAPI, Django. Убрал акцент с библиотек типа scikit-learn или shap, оставив их в категории "Дополнительно".

2. Описание опыта:

   • В опыте с Nurtelecom я выделил Automation Bots Suite как главный пункт, а Churn Prediction убрал или сделал менее заметным (или можно вообще опустить, если хотите строго бэкенд).

   • В опыте с MBank акцент сделан не на "Fine-tuning LLM", а на "Building Pipeline" и работе с Linux/API — это чистый бэкенд-инжиниринг.

3. Codeforces: Оставил этот пункт, так как для бэкендера это показатель того, что вы пишете эффективный код, который не "положит" сервер.