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

Vlad Kolomiiec

Zaproponuj Vlad pracę nad swoim kolejnym zleceniem.

Ukraina Kijów, Ukraina
10 dni 7 godzin temu
Gotowy do podjęcia pracy gotowy do podjęcia pracy
Zakończono 1 Sejf
1 rok temu
1 zleceniodawca
wiek 29 lat
w Serwisie 6 lat

Ranking

Zakończonych zleceń
Brak danych
Średnia ocena
Brak danych
Ranking
298
Programowanie stron internetowych 9
Python 2

Umiejętności i kwalifikacje

Portfolio


  • 5452 PLN

    Mikroserwis do przetwarzania zamówień Python

    Programowanie stron internetowych
    Zaprojektowano mikroserwis w Pythonie z użyciem FastAPI, który zarządza zamówieniami w sklepie internetowym. FastAPI został wybrany ze względu na swoją wydajność i wsparcie dla operacji asynchronicznych, co pozwala na szybsze przetwarzanie zapytań i poprawia skalowalność systemu. Wszystkie dane o zamówieniach, klientach i transakcjach są przechowywane w PostgreSQL. W celu optymalizacji zapytań skonfigurowano indeksowanie tabel, co zapewnia wysoką prędkość pracy z dużymi zbiorami danych.

    Usługa wspiera przetwarzanie zamówień, obliczanie kosztów dostawy oraz integrację z zewnętrznymi API do przetwarzania płatności i zarządzania logistyką. Na przykład, do interakcji z systemami płatności zrealizowano integrację z Stripe API i PayPal API, co pozwala na przyjmowanie płatności na kilka sposobów, w tym karty bankowe i portfele elektroniczne. Cała autoryzacja i uwierzytelnianie użytkowników są zapewniane za pomocą tokenów JWT, co gwarantuje bezpieczeństwo przesyłania danych między klientem a serwerem.

    Do wykonywania zadań w tle, takich jak wysyłanie powiadomień do klientów i integracja z usługami logistycznymi, używa się Celery. Umożliwia to asynchroniczne przetwarzanie zadań, nie obciążając głównego wątku wykonania. Jako broker zadań i do cache'owania danych stosuje się Redis, co również przyspiesza przetwarzanie zamówień i zmniejsza obciążenie bazy danych. Na przykład, informacje o stanie zamówienia i obliczenie kosztów dostawy są cache'owane dla szybszego dostępu.

    Dokumentacja API jest udostępniana przez wbudowane Swagger UI, co ułatwia testowanie i korzystanie z usługi przez innych programistów. Mikroserwis został skonteneryzowany za pomocą Dockera dla łatwego wdrażania w różnych środowiskach, w tym lokalnych serwerach i platformach chmurowych. Cały system wspiera również skalowanie w klastrze z użyciem Kubernetes, co pozwala na dostosowanie się do rosnących obciążeń.

    Cechą usługi jest asynchroniczne przetwarzanie zamówień za pomocą asyncio. Umożliwia to efektywne zarządzanie czasem oczekiwania na odpowiedzi z zewnętrznych API, takich jak usługi płatności i logistyki. Dla systemu zrealizowano obsługę błędów i ponowne próby zapytań w przypadku awarii sieci. Zostało również skonfigurowane ograniczenie liczby zapytań API z użyciem Redis, aby ograniczyć liczbę zapytań i chronić system przed przeciążeniem i atakami. Webhooki są używane do śledzenia statusów zamówień i powiadamiania klientów w czasie rzeczywistym o zmianach.
  • 3271 PLN

    Tworzenie REST API do zarządzania danymi o produktach Django

    Programowanie stron internetowych
    Opracowano REST API do operacji CRUD na danych o produktach sklepu internetowego (tworzenie, odczyt, aktualizacja, usunięcie). Użyto Django REST Framework do budowy API.

    API wspiera autoryzację z wykorzystaniem OAuth2, co pozwala na podłączenie autoryzacji przez Google i Facebook. Do zarządzania sesjami i bezpiecznego dostępu zastosowano tokeny JWT.

    Integracja z Stripe API została zrealizowana do przetwarzania płatności: przez API można inicjować płatność, sprawdzać status transakcji i pracować z koszykiem. API obejmuje również filtrowanie, sortowanie i paginację do pracy z dużą ilością rekordów o produktach. Zrealizowano wsparcie CORS dla zapytań międzydomenowych.
  • 1999 PLN

    Automatyzacja zbierania danych z witryn nieruchomości (OLX.ua i DOM.R

    Parsowanie danych
    W ramach projektu opracowano skrypt w Pythonie, który z wykorzystaniem Selenium przeprowadza automatyczne parsowanie stron z dynamiczną treścią. Skrypt przetwarza dane o obiektach nieruchomości, takie jak opis, cena, lokalizacja, zdjęcia i kontakty sprzedawców. Jest skonfigurowany do regularnego wykonywania, zbiera nowe dane i aktualizuje informacje o już istniejących obiektach.
    Zebrane dane automatycznie zapisują się na Google Drive za pomocą Google Drive API, co umożliwia łatwy dostęp do danych z dowolnego urządzenia i dzielenie się nimi z kolegami. Do każdego nowego raportu dodawane są dane, które następnie są zapisywane w formacie CSV lub Excel dla wygodnej analizy.
    Dla wygody monitorowania i kontroli skrypt jest skonfigurowany do automatycznego wysyłania powiadomień przez Slack API. Za każdym razem, gdy zbierane są nowe dane lub występują błędy podczas wykonywania skryptu, użytkownik otrzymuje wiadomość w Slacku z szczegółowymi informacjami. Umożliwia to szybką reakcję na zmiany i błędy, a także śledzenie efektywności działania systemu.
    Cechą projektu jest wykorzystanie AWS Lambda do uruchamiania skryptu. To serwerowe rozwiązanie bezdyskowe pozwala oszczędzać zasoby, ponieważ wykonanie kodu uruchamiane jest tylko wtedy, gdy konieczne jest zebranie danych, co znacznie obniża koszty utrzymania serwerów i infrastruktury. AWS Lambda pozwala skonfigurować wykonywanie skryptu według harmonogramu (na przykład co 12 godzin lub codziennie), co czyni system elastycznym i niezawodnym.
  • 3453 PLN

    Analiza danych dla analityki biznesowej

    Python
    Analiza sprzedaży na ukraińskich rynkach i prognozowanie sezonowych szczytów. Dane o sprzedaży zostały zebrane zarówno za pomocą wewnętrznych systemów firm, jak i poprzez parsowanie publicznych danych o produktach, cenach i transakcjach z witryn rynków. Następnie dane zostały oczyszczone i przygotowane do analizy z wykorzystaniem Pythona i biblioteki Pandas. Ten etap obejmował usuwanie braków, normalizację wartości oraz transformację danych dla wygodnego przetwarzania w szeregach czasowych.
    Model SARIMA został wybrany ze względu na swoją zdolność do dokładnego prognozowania zarówno trendów, jak i sezonowych zmian na podstawie danych historycznych. Model był trenowany na danych z kilku lat, uwzględniając tygodniowe i miesięczne szczyty sprzedaży, a także wpływ świątecznych i promocyjnych akcji. Po treningu model był używany do prognozowania przyszłych zmian w sprzedaży, co pozwoliło firmie dokładniej planować swoje zapasy, kampanie marketingowe i logistykę.
    Dla wizualizacji wyników stworzono interaktywny pulpit nawigacyjny z wykorzystaniem Dash i Plotly. Ten pulpit pozwala nie tylko analizować dane historyczne, ale także uzyskiwać prognozy na przyszłość w wygodnej formie graficznej. Użytkownik może filtrować dane według różnych parametrów, takich jak okres, kategorie produktów czy geografia. Wizualizacja przedstawiona jest w postaci wykresów i diagramów, które pokazują sezonowe wahania i przewidywane przyszłe szczyty sprzedaży.
  • 1454 PLN

    Parsowanie danych z rynków i analiza cen

    Parsowanie danych
    Opracowano skrypt do parsowania danych z największych ukraińskich rynków Rozetka i Prom.ua. Użyto Selenium do obsługi dynamicznych stron oraz BeautifulSoup do analizy HTML. Dane o produktach, takie jak ceny, dostępność i opinie, są zbierane w CSV i ładowane do bazy danych MySQL. Skrypt jest automatycznie uruchamiany przez Cron na serwerze w celu regularnej aktualizacji danych. Zrealizowano również powiadomienia o nagłych zmianach cen za pomocą Telegram Bot API. Automatyzacja przez Cron w celu codziennej aktualizacji danych.

Recenzje dotyczące zrealizowanych zleceń 1

Jakość
Profesjonalizm
Koszt
Zawsze w kontakcie
Terminy

Pozytywne wrażenia od wykonawcy! Wykonał wszystkie wymagania, szybko odpowiadał i reagował na korekty

Aktywność

  Ostatnie oferty 10
Żądanie przez POST
2500 PLN
Strona-generator CV dla spawaczy
2116 PLN
Wakansja: Inżynier Promptów
1025 PLN
Skrypt w pythonie
1148 PLN
Integracja oryginalnych katalogów do doboru części na stronę opencart
410 PLN
Bot do gry html
2181 PLN
Zrobić połączenie do analizy połączeń
57 PLN
Dopracowanie istniejącego modelu AI i integracja z zasobem internetowym do korespondencji z użytkownikami (210k zł)
2215 PLN
Bot do mini-gry
410 PLN
Usługa transkrypcyjna
287 PLN