Vlad Kolomiiec
Запропонуйте Vlad роботу над вашим наступним проєктом або зареєструйте профіль фрилансера і починайте заробляти просто зараз.
Особисте повідомлення
Запропонувати роботу
Київ,
Україна
10 днів 22 години тому
вільний для роботи
1 Сейф завершений
1 рік тому
1 замовник
вік 29 років
на сервісі 6 років
Рейтинг
Успішних проєктів
Середня оцінка
Навички та вміння
Програмування
Архітектура та інжиніринг
Адміністрування
Портфоліо
-
66 524 UAH Мікросервіс для обробки замовлень Python
Веб-програмуванняРозроблений мікросервіс на Python з використанням FastAPI, який управляє замовленнями інтернет-магазину. FastAPI був обраний за його продуктивність і підтримку асинхронних операцій, що дозволяє швидше обробляти запити та покращує масштабованість системи. Усі дані про замовлення, клієнтів і транзакції зберігаються в PostgreSQL. Для оптимізації запитів налаштована індексація таблиць, що забезпечує високу швидкість роботи з великими обсягами даних.
Сервіс підтримує обробку замовлень, розрахунок вартості доставки та інтеграцію з зовнішніми API для обробки платежів і управління логістикою. Наприклад, для взаємодії з платіжними системами реалізована інтеграція з Stripe API та PayPal API, що дозволяє приймати платежі через кілька способів, включаючи банківські картки та електронні гаманці. Уся авторизація та аутентифікація користувачів забезпечується за допомогою JWT токенів, що гарантує безпеку передачі даних між клієнтом і сервером.
… Для виконання фоновых завдань, таких як відправка сповіщень клієнтам та інтеграція з логістичними сервісами, використовується Celery. Він дозволяє асинхронно обробляти завдання, не навантажуючи основний потік виконання. В якості брокера завдань і для кешування даних застосовується Redis, що також прискорює обробку замовлень і зменшує навантаження на базу даних. Наприклад, інформація про стан замовлення та розрахунок вартості доставки кешується для більш швидкого доступу.
Документація API надається через вбудований Swagger UI, що спрощує тестування та використання сервісу іншими розробниками. Мікросервіс був контейнеризований за допомогою Docker для легкого розгортання в різних середовищах, включаючи локальні сервери та хмарні платформи. Уся система також підтримує масштабування в кластері з використанням Kubernetes, що дозволяє адаптуватися під зростаючі навантаження.
Особливість сервісу - це асинхронна обробка замовлень за допомогою asyncio. Це дозволяє ефективно управляти часом очікування відповідей від зовнішніх API, таких як платіжні та логістичні сервіси. Для системи реалізована обробка помилок і повторні спроби запитів у разі збоїв мережі. Також було налаштовано API Rate Limiting з використанням Redis, щоб обмежити кількість запитів і захистити систему від перевантажень і атак. Вебхуки використовуються для відстеження статусів замовлень і сповіщення клієнтів в реальному часі про зміни.
-
39 914 UAH Створення REST API для управління даними про продукти Django
Веб-програмуванняРозроблено REST API для CRUD-операцій з даними про продукти інтернет-магазину (створення, читання, оновлення, видалення). Використано Django REST Framework для побудови API.
API підтримує авторизацію з використанням OAuth2, що дозволяє підключати авторизацію через Google та Facebook. Для управління сесіями та безпечного доступу застосовані JWT-токени.
… Інтеграція з Stripe API реалізована для обробки платежів: через API можна ініціювати оплату, перевіряти статус транзакцій, і працювати з кошиком. Також API включає фільтрацію, сортування та пагінацію для роботи з великою кількістю записів про продукти. Реалізовано підтримку CORS для крос-доменных запитів.
-
24 392 UAH Автоматизація збору даних з сайтів нерухомості (OLX.ua та DOM.R
Парсинг данихВ рамках проекту був розроблений скрипт на Python, який з використанням Selenium здійснює автоматичний парсинг сторінок з динамічним контентом. Скрипт обробляє дані про об'єкти нерухомості, такі як опис, ціна, місцезнаходження, фотографії та контакти продавців. Він налаштований на регулярне виконання, збирає нові дані та оновлює інформацію по вже існуючим об'єктам.
Зібрані дані автоматично зберігаються на Google Drive за допомогою Google Drive API, що дозволяє легко отримати доступ до даних з будь-якого пристрою та ділитися ними з колегами. В кожен новий звіт додаються дані, які потім зберігаються у форматі CSV або Excel для зручного аналізу.
Для зручності моніторингу та контролю скрипт налаштований на автоматичне відправлення сповіщень через Slack API. Кожного разу, коли збираються нові дані або виникають помилки під час виконання скрипта, користувач отримує повідомлення в Slack з детальною інформацією. Це дозволяє оперативно реагувати на зміни та помилки, а також відстежувати ефективність роботи системи.
Особливістю проекту є використання AWS Lambda для запуску скрипта. Це серверне бездискове рішення дозволяє економити ресурси, оскільки виконання коду запускається тільки тоді, коли необхідно зібрати дані, що значно знижує витрати на обслуговування серверів та інфраструктури. AWS Lambda дозволяє налаштувати виконання скрипта за розкладом (наприклад, кожні 12 годин або щоденно), що робить систему гнучкою та надійною.
-
42 132 UAH Аналіз даних для бізнес-аналітики
PythonАналіз продажів на українських маркетплейсах і прогнозування сезонних піків. Дані про продажі були зібрані як через внутрішні системи компаній, так і шляхом парсингу публічних даних про продукти, ціни та транзакції з сайтів маркетплейсів. Потім дані були очищені та підготовлені для аналізу з використанням Python та бібліотеки Pandas. Цей етап включав у себе видалення пропусків, нормалізацію значень, а також трансформацію даних для зручної обробки у часових рядах.
Модель SARIMA була обрана через її здатність точно прогнозувати як тренди, так і сезонні зміни на основі історичних даних. Модель навчалася на даних за кілька років з урахуванням щотижневих і щомісячних піків продажів, а також впливу святкових і рекламних акцій. Після навчання модель використовувалася для прогнозування майбутніх змін у продажах, що дозволило бізнесу більш точно планувати свої запаси, маркетингові кампанії та логістику.
Для наглядної візуалізації результатів був створений інтерактивний дашборд з використанням Dash та Plotly. Цей дашборд дозволяє не тільки аналізувати історичні дані, але й отримувати прогнози на майбутнє в зручній графічній формі. Користувач може фільтрувати дані за різними параметрами, такими як період, категорії товарів або географія. Візуалізація представлена у вигляді графіків і діаграм, які відображають сезонні коливання та передбачувані майбутні піки продажів.
-
17 740 UAH Парсинг даних з маркетплейсів та аналіз цін
Парсинг данихРозроблено скрипт для парсингу даних з найбільших українських маркетплейсів Rozetka та Prom.ua. Використано Selenium для обробки динамічних сторінок та BeautifulSoup для розбору HTML. Дані про товари, такі як ціни, наявність та відгуки, збираються в CSV та завантажуються в MySQL базу даних. Скрипт автоматично запускається через Cron на сервері для регулярного оновлення даних. Також реалізовано сповіщення про різкі зміни цін через Telegram Bot API. Автоматизація через Cron для щоденного оновлення даних.
Відгуки та компліменти про виконані проєкти 1
7 лютого 2025
9000 UAH
Конвертація RTSP-потоку з відеокамер у HLS
Якість
Професіоналізм
Вартість
Контактність
Терміни
Позитивні враження від виконавця! Виконав усі вимоги, швидко відповідав та реагував на корегування
Активність
| Останні ставки 10 | Бюджет | Додано | Терміни | Ставка | |
|---|---|---|---|---|---|
|
Запит через POST
30 400 UAH
|
|||||
|
Сайт-генератор резюме для зварювальників
25 763 UAH
|
|||||
|
Вакансія: Prompt Engineer
12 500 UAH
|
|||||
|
Скрипт на python
14 000 UAH
|
|||||
|
Інтеграція оригінальних каталогів по підбору запчастин на сайт opencart
5000 UAH
|
|||||
|
Бот для html гри
26 610 UAH
|
|||||
|
Зробити зв'язку для аналізу дзвінків
700 UAH
|
|||||
|
Доопрацювання існуючої AI-моделі та інтеграція у веб-ресурс для переписки з користувачами (210к грн)
27 000 UAH
|
|||||
|
Бот для міні-гри
5000 UAH
|
|||||
|
Сервіс транскрибаціїї
3500 UAH
|