SearchCareerJobs in Digital, IT & Affiliate
В
Specialist

Backend Developer

Premium

Владислав Александров

6+ yearsRemote
NegotiableGeorgia

About

Backend-разработчик с опытом более 6 лет в проектировании и разработке масштабируемых, распределённых и высоконагруженных систем. Специализируюсь на решении сложных инженерных задач, проектировании надёжной архитектуры и преобразовании бизнес-требований в эффективные технические решения. Умею глубоко погружаться в предметную область, находить нестандартные подходы и создавать универсальные решения, которые легко поддерживать и масштабировать. Уделяю особое внимание качеству кода, производительности и долгосрочной устойчивости технических решений. ТЕХНИЧЕСКИЕ НАВЫКИ Python 3.x Asyncio, FastAPI, Litestar, Uvicorn, Granian, PostgreSQL, SQLAlchemy, Alembic, OpenSearch, Redis, S3-compatible storage, RabbitMQ, Kafka, NATS, Temporalio, Scrapling, Playwright, OTEL, Pyright, Docker, Git, Claude Code, Codex

Work experience

Lead Backend Engineer / Lead DATA Engineer

NEXALA AI

Деятельность компании: Legal AI-платформа для рынка MENA: сбор, структурирование и поиск законодательства и судебной практики. Роль: Руководил направлениями DATA Engineering и Backend Development. Отвечал за архитектуру, разработку и развитие платформы. DATA Engineering - Разработал систему сбора и актуализации законодательства и судебной практики из 34+ источников в режиме реального времени. - Самостоятельно спроектировал и реализовал конвейер обработки правовых документов, разработав универсальную модель их хранения и структурирования с учётом особенностей издания законодательства. - Достиг точности извлечения текста и структуры до 98,7% при сравнении с эталонной разметкой и скорости обработки 0,13–0,2 секунды на страницу. Результат: сформирован корпус из ~15 000 правовых актов и ~347 000 судебных дел. Обработка документа объёмом 300 страниц занимает менее минуты. Backend Engineering - Спроектировал распределённую микросервисную архитектуру платформы с независимыми сервисами и чётким разделением ответственности. - Разработал архитектуру ключевых компонентов, таких как авторизация и управление доступом RBAC, управление функциональностью и тарифами, подписочной моделью, сервис уведомлений. - Спроектировал единое хранилище правовых данных с версионированием, связями между документами и умным поиском. Результат: совместно с командой вывел платформу в production, обеспечив работу ключевых бизнес-модулей, инфраструктуры обработки данных и системы наблюдаемости. Стек: Python 3.14 Asyncio, Litestar, Granian, PostgreSQL, SQLAlchemy, Alembic, OpenSearch, Redis, NATS JetStream, GCloud Storage, Temporalio, GKE, PyMuPDF, Scrapling, Playwright, Vertex AI, PaddleOCR, MinerU, OTEL.

Senior Python Developer

DOT Agency

Деятельность компании: Разработка Enterprise RPA-решений для сквозной автоматизации бизнес-процессов: от ETL-pipeline’ов до предиктивной аналитики. Спроектировал и реализовал архитектуру внутреннего продукта для автоматизации поиска заказов, ставшего основным каналом продаж компании. – Live-мониторинг: разработал систему сбора данных с ключевых фриланс-площадок в режиме реального времени, минимизировав задержку между публикацией и обнаружением заказа. – Нормализация данных: внедрил pipeline на базе NLP для извлечения именованных сущностей и превращения неструктурированных описаний заказов в унифицированный формат. – Предиктивная аналитика: реализовал сложную логику двухуровневого скоринга: AI-оценка релевантности задач технологическому стеку и опыту компании; Автоматический KYC-анализ заказчиков для фильтрации нецелевых заявок. – Автоматизация бизнес-процесса: создал Telegram-бота для управления presale. При обнаружении целевого заказа система уведомляет команду и позволяет инициировать автоматический отклик в один клик. Результат: сократил время реакции на новый заказ с нескольких часов до нескольких секунд. Полная автоматизация процесса обеспечила рост конверсии в сделку за счет мгновенного контакта с приоритетными клиентами. – Разработал и поддерживал более 50 scraper’ов различной сложности для внешних клиентов E-commerce, FinTech, Real Estate, Social Media. – Унифицировал архитектуру сбора данных и внедрил библиотеку переиспользуемых компонентов, что ускорило разработку новых решений на 30%. Стек: Python 3.12+ Asyncio, FastAPI, Uvicorn, Pydantic, SQLAlchemy, PostgreSQL, MySQL, Redis, MinIO, RabbitMQ, Temporalio, playwright, HTTPX, Telethon, Docker-compose.

Backend Engineer

MatchMetrics LV

Деятельность компании: Разработка высоконагруженной платформы для сбора и обработки спортивной аналитики в реальном времени для B2B-клиентов. – Спроектировал и внедрил систему агрегации данных с десятков сайтов-конкурентов, защищенных сложными анти-бот системами. – Миграция от Selenium к Playwright: инициировал перевод стека crawling’a на Playwright. Оптимизировал потребление ресурсов серверов и обеспечил более стабильную работу в headless-режиме, что позволило легко масштабировать количество replic для сбора. – Антибот-стратегии: реализовал методы обхода защит: ротация браузерных отпечатков, использование Stealth-плагинов и динамическая ротация прокси. Довел шанс успешного сбора данных до 97.5%. Результат: создал отказоустойчивое хранилище исторических и live-данных, сократив отставание от данных рынка на 60%. Участвовал в разработке сервиса видео-аналитики, извлекающего расширенные метрики из видеопотока матчей в реальном времени. – Трекинг объектов: интегрировал модели YOLO / OpenCV для детекции и отслеживания ключевых объектов: игрока, мяча и разметки корта. – Пространственная аналитика: разработал алгоритмы расчета уникальных метрик: тепловые карты падения мяча, скорость перемещения, покрытие зон и статистика ударов. – API и real-time доставка: спроектировал архитектуру REST API для клиентов и реализовал WebSocket-сервер с механизмом подписок. Клиенты получают аналитику с задержкой <200мс сразу после обработки кадра. – Очереди задач: внедрил Celery + RabbitMQ для асинхронной обработки видео-событий, обеспечив стабильную обработку пиковых нагрузок во время динамичных турниров. – Оптимизация БД: оптимизировал тяжелые аналитические запросы в PostgreSQL и добавил слой кэширования в Redis. Тем самым сократил время генерации сложных отчетов для клиентов с 10 секунд до <500 мс. Стек: Python 3.8+, FastAPI, Selenium, Playwright, OpenCV, PyTorch, PostgreSQL, SQLAlchemy, RabbitMQ, Celery, Docker-compose, WebSockets.