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

Dmytro Zahorui

Zaproponuj Dmytro pracę nad swoim kolejnym zleceniem.

Ukraina Żytomierz, Ukraina
12 minut temu
Gotowy do podjęcia pracy gotowy do podjęcia pracy
zamieszczono 2 oferty
wiek 18 lat
w Serwisie 1 dzień 14 godzin
  • web developer
  • python
  • telegram bot

Ranking

Zakończonych zleceń
Brak danych
Średnia ocena
Brak danych
Ranking
340
AI i uczenie maszynowe
Programowanie stron internetowych 2

Poziom znajomości języków obcych

English English: zaawansowany

Umiejętności i kwalifikacje

Programowanie

Usługi

Administracja systemami IT


Tłumaczenia

Portfolio


  • Strona z możliwością autoryzacji, wyszukiwania, rezerwacji

    Javascript & Typescript
    Krótki opis projektu Demonstracyjny projekt (Proof of Concept), który wizualizuje i technicznie realizuje jeden z kluczowych procesów biznesowych platform medycznych i mentalnych — bezproblemowe przejście nieautoryzowanego użytkownika od przeglądania profilu specjalisty do finalnej rezerwacji sesji. Skupienie projektu zostało położone na odpowiedniej architekturze bezpieczeństwa oraz zachowaniu wysokiego poziomu UX. Główna funkcjonalność:

    Publiczny interfejs: Strona z profilem psychologa oraz interaktywnym przyciskiem do rozpoczęcia rezerwacji na sesję.

    Inteligentny przekierowanie (Deep Linking): Inteligentny mechanizm autoryzacji. Jeśli klient nie jest zalogowany, aplikacja przekierowuje go na stronę logowania, ale automatycznie zapamiętuje jego zamiar. Po pomyślnym zalogowaniu użytkownik bez zbędnych opóźnień wraca do składania wniosku.

    Chronione trasy (Protected Routes): Dostęp do poufnych kroków (wybór typu terapii: Indywidualna lub Parna) jest ściśle kontrolowany na poziomie Middleware (warstw pośrednich przetwarzania zapytań).

    Techniczne zalety projektu dla dewelopera:

    Modułowa architektura: Wyraźny podział logiki biznesowej, routingu i weryfikacji uprawnień, co sprawia, że kod jest łatwy do odczytania i utrzymania.

    Skalowalność: Logika wyboru usług została zaprojektowana w taki sposób, że nowe formaty (np. terapia grupowa lub korporacyjna) można integrować bez przepisywania istniejącego kodu.

    Stabilność scenariusza użytkownika: Całkowite wyeliminowanie martwych końców (dead ends) podczas autoryzacji, co bezpośrednio wpływa na konwersję platformy.
  • Autonomiczny system AI RAG z wektorową bazą wiedzy

    AI i uczenie maszynowe
    Zaprojektowałem i zrealizowałem od podstaw asynchroniczny system RAG (Retrieval-Augmented Generation) do inteligentnej analizy i wyszukiwania w skomplikowanej dokumentacji technicznej oraz wewnętrznych bazach wiedzy firmy.

    Co zostało zrealizowane w projekcie:
    • Asynchroniczny backend: Wysokowydajne API na FastAPI z walidacją danych wejściowych w czasie rzeczywistym za pomocą Pydantic v2.
    • Wektorowe jądro: Nattywny semantyczny wyszukiwanie w bazie danych Qdrant według metryki kosinusowego podobieństwa z wykorzystaniem lokalnych embeddingów (wymiar wektora — 384, float32).
    • Orkiestracja AI: Logika działania agenta oparta na strukturach grafowych LangGraph (StateGraph) z jedynym wątkowo bezpiecznym stanem, co umożliwia łatwe dodawanie cykli regeneracji lub węzłów walidacji odpowiedzi.
    • Strategia chunkowania: Wdrożono inteligentne dzielenie tekstu na chunki (400 znaków) z nakładaniem (overlap 100 znaków), co całkowicie wyeliminowało utratę kontekstu na styku zdań i usunęło halucynacje modelu.

    System jest elastyczny: może działać zarówno z lokalnymi modelami (przez Ollama), jak i z chmurowymi API (Gemini, Claude, OpenAI). Cała infrastruktura jest w pełni konteneryzowana za pomocą Docker Compose i gotowa do wdrożenia na serwer.

Aktywność

  Ostatnie oferty 2
Integracja respond i CRM w celu przesyłania raportu o pierwszej wiadomości
57 PLN
Stworzenie platformy do wyszukiwania psychologów
1225 PLN