Иван Никитин

Разрабатывал внутреннюю админ-панель для управления мобильными проектами (≈100 команд: project/product-менеджеры и администраторы): проектирование и развитие REST API на FastAPI, бизнес-логика, фоновые процессы (Celery), кеширование (Redis), PostgreSQL; взаимодействие с React-frontend по контрактам API (OpenAPI/Swagger).

Оптимизировал архитектуру и структуру бизнес-логики (декомпозиция модулей, снижение связности, выделение сервисного слоя), сократив time-to-delivery новых фич на ~25% и снизив стоимость поддержки.

Реализовал модуль управления push-уведомлениями и in-app событиями: фильтрация/сегментация пользователей, шаблонизация сообщений, планирование рассылок, трекинг статусов; интеграции с Firebase Cloud Messaging (FCM) и Apple Push Notification service (APNS). Маркетинг запускал кампании без участия разработчиков; вовлечённость выросла в среднем на 12% (по внутренним метрикам).

Построил аналитический дашборд: сбор и нормализация данных из RevenueCat, AppMetrica, Mixpanel; обработка (Pandas), выдача через API; метрики Retention, ARPU, DAU/MAU; экспорт отчётов в Excel.

Настроил CI/CD в GitHub Actions: unit/integration тесты, pre-deploy проверки; снизил количество багов на проде примерно на 30% и довёл покрытие тестами до 85%.

Оптимизировал PostgreSQL (SQL-запросы, индексы) для ускорения отчётов и тяжёлых эндпоинтов.

Добавил audit log действий в админке (кто/что/когда изменил) для контроля и расследования инцидентов.

Оптимизировал SQL-запросы и индексы в PostgreSQL для ускорения отчётов и тяжёлых эндпоинтов.

Повысил надёжность фоновых процессов: идемпотентность и ретраи Celery (timeouts/backoff), обработка ошибок интеграций, ограничение нагрузки.

Настроил observability: метрики и алерты в Prometheus + Grafana (latency API, ошибки, очереди/таски Celery, health-checks), ускорив диагностику инцидентов и повысив стабильность.

Crypto Flow, проект по прогнозированию движения криптовалютных активов на основе time series анализа и данных внешних провайдеров (LunarCrush, IntoTheBlock, Santiment). Отвечал за backend часть, интеграции, асинхронные пайплайны обработки данных и поддержку ML логики. Стек: Django 4.2, PostgreSQL, Redis, Celery. ML: scikit-learn, CatBoost, tsfresh, pandas, numpy, ClearML. Визуализация: Plotly.

Переписал и переработал ключевые модули, улучшив читаемость, модульность и масштабируемость кода.

Улучшил REST API на Django, доработал модели Django ORM и структуру данных, добавил новые эндпоинты для работы с крипто метриками и временными рядами.

Помогал с интеграцией и унификацией данных из LunarCrush, IntoTheBlock и Santiment, включая нормализацию форматов, обработку ошибок и устойчивую загрузку данных.

Разработал тестовые дашборды и автоматическую визуализацию графиков в Plotly с пометками ключевых событий. Затем встроил генерацию графиков в бизнес логику и добавил автоматическую генерацию аналитических отчётов.

Автоматизировал тестирование API, написал unit и integration тесты, что снизило количество багов примерно на 40%.

Интегрировал новую ML модель для предсказания цен, адаптировал её под архитектуру проекта и пайплайн подготовки признаков.

Оптимизировал асинхронные задачи Celery и работу Redis брокера, устранил узкие места, ускорил обработку задач примерно на 60%. Настроил Celery Beat для регулярного сбора данных по расписанию.

Оптимизировал PostgreSQL, провёл ревизию схемы, добавил индексы и улучшил SQL запросы, сократив время выборок примерно на 30%.

Настроил контейнеризацию Docker и Docker Compose, оптимизировал сборку и деплой контейнеров, сократив время билда и деплоя примерно на 20%. Настроил CI/CD пайплайны в GitHub Actions и GitLab CI, автоматизировал тестирование и деплой.

Обрабатывал многолетние исторические данные по большому числу криптоактивов, выполнял регулярный высокочастотный сбор данных, обеспечивая стабильную работу под значительной нагрузкой на очередь фоновых задач и PostgreSQL, более 100 Celery задач в день.

Вёл разработку нескольких коммерческих проектов на Python: проектировал API и бизнес-логику на FastAPI/Django, настраивал асинхронные задачи (Celery), работал с PostgreSQL/Redis/MongoDB, контейнеризировал сервисы в Docker и интегрировал внешние API. В рамках роли закрыл 5 ключевых интеграций (OpenAI, Instagram, Google Drive, Google Sheets, ЮKassa) и реализовал 2 канала взаимодействия с пользователем (Telegram и Instagram).

Проект «Голосовой бот с ChatGPT». Реализовал Telegram-бота с обработкой голосовых сообщений: транскрибация, запросы к LLM и генерация аудио-ответов. Поднял асинхронный бэкенд на FastAPI и интеграцию с OpenAI; бот-часть на aiogram; хранение пользовательских данных и истории диалогов в MongoDB; добавил логирование и обработку ошибок для стабильной работы в проде.

StickAndDrive платформа для автоматизированного обслуживания клиентов

Создание платформы на FastAPI для автоматизации работы с владельцами автомобилей, заинтересованными в размещении рекламы. Интеграция с Google Drive API и Google Sheets API для хранения и обработки данных. Использование платежной системы JumpFinance для автоматизации выплат автовладельцам, а также MongoDB для хранения информации о пользователях и рекламных кампаниях. Разработка бота на aiogram для выбора рекламных предложений, обработки отчётов о выполнении кампаний и автоматизации взаимодействия с администраторами.

Telegram-бот с курсами и интеграцией ЮКасса

Разработка Telegram-бота для предоставления образовательного контента и тестирования пользователей. Использование FastAPI для создания REST API и PostgreSQL для хранения данных о пользователях и их прогрессе. Внедрение интеграции с ЮКасса для автоматизации платежей и обеспечения безопасности транзакций, а также настройка тестирования функционала курса через бота.

Нейро-бот менеджер по продажам для Instagram

Разработка и внедрение нейро-менеджера по продажам для автоматизации взаимодействия с клиентами в Instagram. Использование OpenAI API и Instagram API для интеллектуальной обработки запросов пользователей, отсев нецелевых обращений и перенаправление заинтересованных клиентов к менеджеру. Настройка APScheduler для планирования и управления расписанием бота, PostgreSQL для хранения данных пользователей и статистики взаимодействий.

Проект для MAXBET

Разработал и интегрировал парсер live/prematch данных: сбор ID событий, коэффициентов, счёта и исходов, устойчивость к ошибкам и ретраи. Реализовал конкурентную обработку через asyncio и multithreading, кеширование и промежуточное хранение в Redis и PostgreSQL, а также WebSocket-обновления. Обеспечил стабильную обработку 250+ матчей в параллельной выборке и корректную актуализацию данных в режиме обновлений.

Проект для студии "Красивые люди"

Разработал веб-приложение и админ-панель для управления системой по аренде комнат, предоставляющее удобный интерфейс для арендаторов и арендодателей, упрощая процесс поиска и аренды жилья. (Python, Django, React, Docker)