Oleksii Patsurkovskyi

Zaproponuj Oleksii pracę nad swoim kolejnym zleceniem.

Odessa, Ukraina

3 dni 1 godzina temu

gotowy do podjęcia pracy

wiek 29 lat

w Serwisie 10 lat

Ranking

Zakończonych zleceń

Średnia ocena

Ranking

Programowanie stron internetowych

1489 miejsce z 6430

Banery

442 miejsce z 3193

Umiejętności i kwalifikacje

Programowanie

Design i sztuka

Usługi

Marketing

Promocja w sieciach społecznościowych (SMM)

Portfolio

2006 PLN
Automatyzacja finansowego księgowania: Jobber → Google Sheet przez N8N

Tworzenie chatbota

Zrealizowano kompleksowy i odporny na awarie system automatyzacji dla branży sprzątającej. Główne zadanie — skonfigurować automatyczny transfer danych z CRM Jobber do Google Sheets za pomocą platformy n8n w celu dokładnego obliczenia wypłat dla zespołów sprzątających (model procentowy i godzinowy).

Co zostało zrobione (Szczegóły techniczne realizacji):

… - Sekcyjny model danych („Konstruktor”): Wiersz wizyty w tabeli podzielony jest na niezależne strefy (Wizyta, Faktura, Płatność, Rozliczenie). Każdy strumień n8n aktualizuje tylko swoje pola, co wyklucza konflikty podczas równoległego przetwarzania webhooków.
- Dynamiczne adresowanie (Header-based): n8n odczytuje numery kolumn według kluczy w pierwszym wierszu tabeli. Menedżer może swobodnie zmieniać miejsca kolumn — integracja nie ulegnie awarii.
- Idempotentność i ochrona przed duplikatami: Zrealizowano generację unikalnych kluczy event_id oraz mechanikę atomic upsert przez n8n Data Table. Powtarzające się webhooki są automatycznie odrzucane, nie tworząc duplikatów.
- Elastyczne rozdzielanie finansów:
- Napisano algorytm określania odpowiedzialnego za gotówkę (Cash Taker) wśród kilku zespołów na wizycie na podstawie ich typu i ID.
- Zrealizowano logikę podziału faktur multi-wizytowych (jeśli jedna faktura jest wystawiona na kilka sprzątań, kwoty są dzielone równo).
- Tryb „Ręczna Edycja” (Manual Lock): Stworzono mechanizm ochrony danych. Jeśli menedżer zaznaczy opcję ręcznej korekty w dowolnym wierszu wizyty, automatyka całkowicie zamraża aktualizację tego obiektu, aby nie nadpisać ręcznych poprawek.
- Fail-safe i monitoring:
- Zintegrowano kolejkę błędów — Dead Letter Queue (Failed_Events) bezpośrednio w Google Sheets dla wygodnego rozpatrywania przez menedżera.
- Skonfigurowano politykę retrajów Exponential Backoff w celu obejścia limitów API (429, 5xx). Stworzono system 24 niestandardowych powiadomień Telegram (podzielonych na gałęzie: Info, Ostrzeżenia, Błędy) do natychmiastowego powiadamiania o rozbieżnościach w kwotach, braku zespołów w słownikach lub błędach API.
- Optymalizacja obciążenia: Obliczenia końcowych wypłat (V), kwot sprzątania (N) i rozbieżności (R) zostały całkowicie przeniesione na stronę formuł Google Sheets w obrębie wiersza, co zmniejszyło liczbę zapytań do API i przyspieszyło działanie systemu.

Stos technologii:
- n8n (Tworzenie workflow, n8n Data Table do logowania i deduplikacji)
- Jobber API (GraphQL, Webhooki, Weryfikacja zdarzeń przez HMAC-SHA256)
- Google Sheets API (Batch-aktualizacje, praca z formułami)
- JavaScript / Node.js (Wyrażenia regularne, parsowanie pozycji i logika filtrowania danych wewnątrz węzłów n8n)
- Telegram Bot API (Routing powiadomień według tematów)

Wynik dla biznesu:
Zleceniodawca otrzymał całkowicie autonomiczną witrynę finansową. Ręczna praca księgowego/menedżera została zminimalizowana — system sam zbiera dane o wykonanej pracy, oblicza czysty dochód po odliczeniu parkingów i podatków, dzieli napiwki i nalicza wynagrodzenie dla sprzątaczy. Wszystkie nietypowe przypadki lub rozbieżności finansowe są sygnalizowane przez Telegram, co gwarantuje 100% kontrolę nad finansami.
2881 PLN
Backtester algorytmicznych strategii handlowych

Python

Opracowanie systemu testowania algorytmów handlowych na dużych zbiorach historycznych danych rynkowych. Cechą szczególną było to, że strategie mogły mieć setki tysięcy różnych kombinacji parametrów.

Udało się zrealizować backtesting miliona kombinacji parametrów na historii w 2 lata w ciągu 2 godzin.

… Zadania, które rozwiązywałem:

Przetwarzanie dużych danych: Zorganizowałem pracę z masywnymi wolumenami historycznych danych rynkowych.

Obliczenia matematyczne: Zrealizowałem skomplikowaną logikę, obejmującą obliczenia macierzowe i wektoryzację operacji w celu maksymalnego przyspieszenia przetwarzania.

Optymalizacja wydajności: Użyłem biblioteki Numba do kompilacji JIT i eliminacji "wąskich gardeł" w wydajności rdzenia systemu.

Kluczowe umiejętności: Python, Pandas, NumPy, Numba, Inżynieria danych, Handel algorytmiczny, Obliczenia macierzowe, Wektoryzacja.
2735 PLN
Pełnostackowy serwis SaaS do nauki języków z AI-słownikami

Javascript & Typescript

Stworzenie od podstaw usługi internetowej (Next.js, Zustand, Supabase) do spersonalizowanego nauczania języków. Rozwiązanie problemu klasycznych aplikacji — brak elastyczności w wyborze słowników i sztywne powiązanie z parami językowymi.

Zadania, które realizowałem:

… Projektowanie architektury: Opracowałem uniwersalny system przechowywania słów, umożliwiający naukę dowolnej kombinacji języków bez dublowania logiki w kodzie.

Integracja rozwiązań AI: Wdrożyłem generację tematycznych słowników. Użytkownik podaje dowolny wąski temat (na przykład „terminologia medyczna”), a AI formułuje zestawienie z tłumaczeniami i przykładami.

Automatyzacja treści: Zautomatyzowałem proces lokalizacji i uzupełniania bazy danych — za pomocą SI przetłumaczono i dodano ponad 8 000 słów.

Wyniki: Przeszedłem drogę od pomysłu (CustDev) do w pełni działającego i skalowalnego produktu SaaS w ciągu półtora miesiąca.

Kluczowe umiejętności: Rozwój produktu, Next.js, Supabase, integracja AI, inżynieria promptów, architektura wielojęzyczna.
9482 PLN
Opracowanie systemu CRM B2B dla magazynów i e-commerce

Programowanie stron internetowych

Tworzenie od podstaw i pełne wsparcie dla niestandardowego systemu CRM, przeznaczonego do automatyzacji procesów biznesowych magazynów i sklepów internetowych.

Zadania, które realizowałem:

… Projektowanie i strategia: Przeprowadziłem badanie rynku, zebrałem opinie od potencjalnych użytkowników i stworzyłem krok po kroku roadmapę produktu.

Zarządzanie rozwojem: Napisałem szczegółowe wymagania techniczne (TT) i specyfikacje dla wszystkich funkcji systemu. Zarządzałem pełnym cyklem życia produktu — od koncepcji do udanego wydania w terminie.

Wdrożenie i onboarding: Osobiście prowadziłem konsultacje i szkolenia dla klientów. Pomagałem integrować CRM w ich obecne realia i budować nowe, bardziej efektywne procesy biznesowe.

Wsparcie i rozwój: Zapewniałem nieprzerwaną pracę i rozwój funkcjonalności systemu przez prawie 3 lata na podstawie metryk produktowych i feedbacku.

Wyniki dla biznesu:

-30% obciążenia operacyjnego: Dzięki automatyzacji rutyny i właściwemu budowaniu procesów wewnątrz systemu, klienci mogli zmniejszyć obciążenie swoich pracowników o jedną trzecią.

Wysoki poziom lojalności: Klienci szczególnie podkreślali jakość komunikacji, zorganizowane podejście do szkolenia personelu oraz głębokie zaangażowanie w szczegóły ich biznesu.

Kluczowe umiejętności w projekcie: Zarządzanie produktem, badania rynku, rozwój roadmapy, komunikacja z klientem, pisanie TT, optymalizacja procesów biznesowych.
1021 PLN
Full-Stack dashboard do analizy Telegramu (React, Node.js)

Javascript & Typescript

Aplikacja full-stack (SPA) do analizy kanałów Telegram. System automatycznie wykrywa anormalne wzrosty zainteresowania publiczności i znajduje wirusowe publikacje na wczesnych etapach, wykorzystując względną metrykę Share Rate (wskaźnik repostów).

Został opracowany niestandardowy parser oparty na MTProto API (GramJS), który zbiera historię wiadomości z konta użytkownika, omijając ograniczenia standardowego Bot API. Rdzeń systemu oblicza podstawową normę (mediana) każdego kanału za pomocą przesuwnego okna danych (od T-8 do T-1 dni), skutecznie eliminując szum informacyjny i fałszywe anomalie.

… Kluczowe funkcje:
Inteligentna matematyka wiralności: Algorytm porównuje świeże posty nie według liczby wyświetleń, ale według odchylenia procentu repostów od historycznej normy konkretnego kanału.

Bezpieczne parsowanie (Anti-Flood): Wdrożono skomplikowany system omijania blokad Telegram API (pływające opóźnienia Jitter, przerwy przy paginacji), imitujący zachowanie żywego człowieka.

Lazy Media Download: W celu optymalizacji przestrzeni dyskowej i zmniejszenia obciążenia sieci, pliki multimedialne są pobierane i buforowane przez backend tylko dla potwierdzonych wirusowych postów.

Odporna baza danych: Użycie SQLite w trybie asynchronicznego dziennikowania (WAL) pozwala jednocześnie zapisywać setki rekordów w tle i dostarczać dane na frontend bez zacięć interfejsu.

Autonomiczna autoryzacja: Natychmiastowy interfejs użytkownika do wprowadzania kodu potwierdzającego Telegram bezpośrednio w interfejsie React z bezpiecznym zapisywaniem sesji w bazie danych.

Stos technologii:
Frontend: React.js, Vite, Tailwind CSS (tryb ciemny, responsywne układy siatki/tabeli).
Backend: Node.js, Express.js.
API i dane: GramJS (klient Telegram MTProto), better-sqlite3 (tryb WAL).

Aktywność

	Ostatnie oferty 2	Budżet	Dodana	Terminy	Oferta
	Rozwój części frontowej dla systemu CRM (Frontend, React) 2056 PLN	2056 PLN	24 mrz	12 dni
	TradingView wskaźnik 2118 PLN	2118 PLN	23 mrz	4 dni