Портфолио и кейсы фрилансеров по разработке программ на заказ

Парсер анализирует сео описания первых 12 карточек товаров с остальными карточками - аутсайдерами. Программа сама выделяет ключевые слова из топ 12 и сравнивает их с остальными ниже стоящими товарами. Программа выдает рейтинг товара, сама анализирует качество описания, количество знаков, наличие ключевых слов и выдает уже необходимые слова для вставки в текст. Нужно просто вставить слова в текст и текст будет на 100% соответствовать требованиям площадки.

Windows-приложение на C# / .NET 8 для автоматического сравнения двух прайс-листов Excel/CSV по SKU. Программа позволяет загрузить старый и новый прайс, независимо сопоставить колонки, определить добавленные, удалённые, изменённые и неизменённые позиции, а затем выгрузить результат в Excel-отчёт. Что реализовано: - импорт XLSX и CSV; - независимый mapping колонок OLD / NEW; - автоматическое определение SKU / Name / Price / Stock; - ручной выбор колонок; - сравнение по SKU без учёта регистра и пробелов; - статусы Added / Removed / Changed / Unchanged; - расчёт разницы цены и процента изменения; - сравнение остатков; - поиск и фильтрация результатов; - обнаружение duplicate SKU; - построчная валидация ошибок импорта; - экспорт XLSX-отчёта; - локальная обработка без облачных сервисов; - Excel не требуется. Готовая версия Windows x64: https://github.com/ITaEE/PriceCompare/releases/tag/v1.0.0

BazaHost — сервис для аренды и управления игровыми серверами. Проект делал с нуля: от логики заказа и автоматического создания сервера до пользовательской панели и работы с серверной инфраструктурой. После оплаты пользователь получает готовый игровой сервер и может управлять им полностью из браузера: запускать и останавливать, работать с консолью и файлами, следить за нагрузкой, устанавливать моды, создавать резервные копии и настраивать задачи по расписанию. Что реализовал: • личный кабинет и панель управления сервером; • автоматическое создание и настройку игровых серверов; • запуск, остановку и перезапуск серверов; • консоль сервера в реальном времени; • файловый менеджер; • мониторинг ресурсов и статистику; • установку и обновление модов и плагинов; • интеграцию со Steam Workshop и Modrinth; • работу с зависимостями модов; • планировщик команд, рестартов и резервных копий; • систему тарифов, заказов и оплаты; • backend/API для взаимодействия панели с серверной частью; • публичный сайт и пользовательский интерфейс. Отдельная часть работы — серверная инфраструктура. Панель должна не просто сохранять настройки в базе, а реально управлять игровыми процессами, файлами и состоянием серверов. В проекте я отвечал за продукт целиком: архитектуру, backend, web-интерфейс, автоматизацию и серверную часть. Проект работает в production и используется реальными клиентами.

SobesUP - продукт, который я спроектировал и разработал с нуля до работающего сервиса. Это Windows-приложение и web-платформа для подготовки и прохождения технических собеседований. Приложение работает поверх созвона, распознаёт речь в реальном времени и формирует подсказку с учётом текущего вопроса, истории диалога, резюме пользователя и выбранной вакансии. Помимо desktop-приложения, в проект входит сайт, личный кабинет, backend/API, авторизация, работа с тарифами и платежами. Что реализовал: • Windows desktop-приложение и overlay-интерфейс; • обработку аудиопотока и Speech-to-Text в реальном времени; • интеграцию с LLM и AI-сервисами; • контекст диалога, резюме и вакансии; • анализ кода и задач со снимка экрана; • управление приложением горячими клавишами; • backend и API для приложения и сайта; • личный кабинет пользователя; • систему тарифов и платежей; • web-интерфейс и публичный сайт продукта. В этом проекте я занимался не отдельной частью, а всем продуктом целиком: архитектурой, backend, desktop-приложением, интеграциями и пользовательским интерфейсом.

CLI-утилита, которая локально превращает аудио и видео любой длины и формата в текст с пунктуацией и таймкодами, без облачных сервисов. Что умеет: пакетная обработка файлов, пробный прогон на выбранной минуте, диагностика записи (уровни, SNR по полосам, гул, доля речи, спектрограмма), пересборка результата из черновиков за секунду. Рядом с текстом появляется короткий отчёт только со спорными местами и версиями обеих моделей. Что под капотом: whisper.cpp large-v3 с Silero VAD даёт основу с пунктуацией, GigaAM на фрагментах до 25 секунд по VAD закрывает пропуски. Написал детектор петель повторов и схлопнутых таймкодов: такие участки заменяются текстом второй модели, а расхождения движков оцениваются по пересечению слов. Для GigaAM звук проходит цепочку ffmpeg: срез гула, подъём согласных, нормализация громкости. По запросу mlx-whisper как третье мнение. Идемпотентный установщик с самопроверкой через синтез речи. Около 6 минут обработки на 30 минут записи на Apple Silicon. Стек: Python, whisper.cpp, GigaAM, Silero VAD, ffmpeg, PyTorch, MLX, NumPy

Задача: серверы на Astra Linux стоят во внутренней сети, снаружи к ним ведёт только SOCKS5-прокси. Обычный ssh через такой прокси не ходил, а работать с серверами нужно было каждый день. Что сделал: написал на Python (paramiko + PySocks) утилиту, которая строит SSH-сессию через SOCKS5, выполняет команды на удалённом сервере и гоняет файлы по SFTP. К ней — пошаговая инструкция, чтобы коллеги подключались без меня. Результат: подключиться, выполнить команду или перекинуть файл теперь можно одной командой, без танцев с туннелями. Стек: Python, paramiko, PySocks, SSH, SFTP, Astra Linux. Код рабочий, в открытый доступ не выкладываю. Открытые проекты — на github.com/ilya-com87

Три инструмента серверной платформы A7 (умные дома, здания, диспетчеризация), основную часть которой я разработала. A7Editor — настольный редактор конфигураций. В одном окне дерево проекта, несколько панелей кода, подсказки по типам и полям, проверка перед отправкой, отправка пакета на выбранный сервер с журналом по каждому типу, diff и коммит в Git прямо из редактора. Редактор использует ту же объектную модель и язык, что и сервер, поэтому понимает конфигурацию целиком, а не как набор текстовых файлов. C++ и Qt 6, Linux, AppImage. A7Admin — приложение администратора. Каталог серверов с метками окружения, подключение по WebSocket напрямую или через relay, дерево объектов от квартала до устройства с поиском и переходом по ссылкам, скрипты, которые выполняются на сервере, журнал с фильтрами по уровню и источнику. C++ и Qt 6. A7 Мониторинг — обзор парка из 50–100 домовых серверов: кто в норме, кто требует внимания, где нет данных; двенадцать инженерных систем от СКУД до счётчиков; страница сервера с причиной внимания, нагрузкой и журналом. Go, TypeScript и Preact поверх Prometheus, каталог из 137 семейств метрик. Берусь за такие же задачи: внутренние редакторы, админки и мониторинг под вашу систему, развитие существующего кода на C++ и Qt — с передачей кода, сборки и документации и сопровождением после сдачи.

Серверная платформа A7 управляет умными домами, зданиями и диспетчеризацией: инженерные системы, устройства, сценарии. Я написала основную часть исходного сервера, а в 2026 году переписала его ядро с Qt на чистый C++17 — с новой архитектурой и полным переносом накопленных данных. Что спроектировано заново: • Хранилище: объекты в арене, ссылки «слот + поколение» вместо голых указателей, журнал изменений (WAL) и снимки. • Снимок без остановки сервера: пауза 3,63 с → 12 мс на стенде с 33 000 устройств и 5 000 кадров в секунду, потерянных кадров нет. • Мигратор со старой базы с независимой проверкой: выгрузка из 3,39 млн строк совпала со старой побайтно. • Паспорт схемы вместо пересборки на каждом старте: готовность сервера 2 973 → 2 173 мс на базе из 580 тыс. объектов. • Скриптовый движок: JS-подобный язык, компилятор и виртуальная машина с бюджетом времени и отменой. • Сеть и оборудование — в плагинах с бинарно стабильным C-интерфейсом; правки конфигурации без рестарта. Старый сервер служил эталоном: новое ядро сверялось с ним на реальных данных, на границах этапов — санитайзеры адресов и гонок. Около 380 тыс. строк C++ вместе с тестами, 6 100 автотестов, полный прогон без отказов, 155 файлов документации. Ядро работает на стендах и в песочнице. Так же подхожу к чужому legacy: сначала разобраться в связях и формате данных, потом менять архитектуру, не теряя данные и путь перехода со старой версии. Подробный разбор — на сайте по ссылке.

сервисная компания по бытовому ремонту (сантехника, электрика, сборка мебели, мелкий ремонт): 6 мастеров и один диспетчер на телефоне. Заявки приходили вразнобой: звонки, личка в Telegram, комментарии под объявлениями на Авито. Диспетчер вручную выяснял в переписке район, адрес, что сломалось и когда удобно принять мастера — по 6–8 сообщений на одну заявку. Часть обращений терялась вечером и в выходные, часть — в чатах при переключении между клиентами; данные потом переносили в таблицу руками, с ошибками в телефонах и адресах. Клиент после заявки не понимал, принята ли она и когда ждать мастера, и звонил уточнять. Цель, которую поставил клиент: принимать заявки круглосуточно в одном месте, получать их сразу в структурированном виде без уточнений в чате и держать клиента в курсе статуса без звонков диспетчера. Требования: — клиент оформляет заявку сам за 1–2 минуты: услуга, район, дата, описание проблемы, фото, имя, телефон; — заявка приходит менеджеру в чат в готовом виде и сохраняется в таблице/CRM автоматически; — статусы заявок с уведомлениями клиенту на каждом шаге: принята, назначен мастер, перенос, выполнена; — запись на свободные слоты без пересечений в расписании мастеров; — работа в Telegram и MAX с единой базой заявок и клиентов; — ИИ-ассистент для ответов по прайсу, зонам выезда и срокам, с передачей сложных обращений оператору; — всё на сервере клиента, тексты, услуги и районы меняются без разработчика.

CourseMate AI — Telegram-ассистент для онлайн-школы, который снимает с кураторов типовые вопросы и держит учеников в темпе курса. Проблема: кураторы 70% времени отвечали на одни и те же вопросы («где урок», «когда дедлайн», «что значит термин»), ответы шли с задержкой до 6–8 часов, ученики теряли темп и отваливались после второй недели. Что делает бот: • Отвечает по материалам курса (лекции, PDF, конспекты, FAQ) через RAG — со ссылкой на урок-источник. Вопрос вне материалов не додумывает: честно отвечает «уточню у куратора» и передаёт вопрос с историей диалога в чат кураторов. Ответ куратора уходит ученику от бота. • Проверяет доступ: привязка Telegram к аккаунту школы, при истёкшей подписке предлагает продлить. • Принимает домашние задания, делает первичную проверку по чек-листу преподавателя, спорные — человеку. • Напоминает о дедлайнах и непройденных уроках с учётом часового пояса. • Админка: школа сама загружает материалы с автопереиндексацией, видит вопросы без ответа и расход токенов по дням. Лимиты на ученика и кэш одинаковых вопросов держат расход на нейросеть предсказуемым. Стек: TypeScript, Node.js, Fastify, grammY, PostgreSQL + pgvector, Prisma, Redis, BullMQ, OpenAI-совместимый API (модель меняется в конфиге), Docker Compose на VPS школы. Результат: [80]% вопросов закрывается без куратора, ответ за секунды вместо часов, нагрузка на кураторов упала в 3 раза. Заказчик получил исходный код, README и месяц поддержки.