Примеры работ и кейсы по направлению «Прикладное программирование»

Speech-to-Text Bot — всё для работы с медиа прямо в Telegram: Транскрипция голосовых и аудио — точный текст через локальный Whisper AI, без утечки данных в облако Скачивание видео и фото из YouTube, Instagram, TikTok, Pikabu, Threads — одной ссылкой Обработка видео: — Краткая выжимка содержания — Вшитые субтитры — Таймкоды с разбивкой по темам

Коммерчески успешный бот для записи в автомобильную инспекцию в Испании. Написал на Python + FastAPI + PostgreSQL + Celery + Docker. Используется оплата Stripe и Telegram Stars. Есть управление подписками (добавление, продление, удаление), работа с отзывами.

Работал CTO в компании "Кибер Протект" (ранее Acronis) - одном из ведущих разработчиков решений в области защиты данных и информационной безопасности. Руководил всем R&D-направлением. Под моим руководством разрабатывались ключевые продукты компании: Кибер Бэкап (резервное копирование для физических, виртуальных и облачных сред), Кибер Инфраструктура (гиперконвергентная платформа), Кибер Бэкап Персональный, DLP и облачные решения. Компания заняла первое место на российском рынке бэкапа. Отвечал за архитектуру, техническую стратегию, найм и развитие команды.

Работал в core команде Яндекс.Такси. Занимался внутренними инструментами, фреймворками, системами мониторинга, деплоя, оптимизацией и т.д.

Задача: Высокий риск отклонения документации государственными органами и технадзором. Ручная проверка проектной документации на соответствие актуальным ГОСТам и нормативам занимала дни и недели. Человеческий фактор приводил к пропуску критических ошибок, что приводило к отклонению документации. Решение: Разработан ИИ-эксперт на базе n8n, интегрированный с актуальными базами нормативно-технической информации. ИИ сопоставляет каждый пункт документации с актуальными версиями государственных стандартов. Система автоматически подтягивает обновления нормативов. Результат: Первичный аудит текстово-табличной части занимает 5–15 минут. Сотрудник приступает к работе уже с «размеченным» документом, фокусируясь только на критических деталях и графике. Время сотрудника на один объект сократилось в разы при сохранении высокого качества контроля.

Задача: Была низкая скорость ответа клиентам. Поиск нужной информации (прайсов, условий, регламентов) в разрозненном корпоративном хранилище занимал слишком много времени, что приводило к потере лидов и лояльности. Решение: Разработан ИИ-агент в Telegram на основе RAG-технологии (Retrieval-Augmented Generation). Стек: n8n + Gemini (LLM) + Supabase (Векторная БД) + Telegram API. Принцип работы: ИИ интегрирован со всей файловой системой компании. Сотрудник формулирует вопрос на естественном языке в Telegram. Бот предоставляет точный ответ, подкрепляя его прямыми цитатами из первоисточников. Это исключает неточности. Результат: Время поиска информации сокращено с минут до секунд. Исключены ошибки при консультировании. Сотрудники освобождены от рутинных задач и сфокусированы на продажах.

Исходные данные: сайт https://nikawatches.ru. Надо спарсить весь каталог со всеми характеристиками и сохранить в файл-шаблон xlsx, предназначенный для загрузки товаров на другую торговую площадку. Как выглядит в браузере? Каталог разбит на пересекающиеся категории, в категории список карточек товаров, разбитый на несколько страниц. При клике на карточку получаем подробное описание, таблицу характеристик и фото-галерею. Что "под капотом"? Содержимое доступно статическими get-запросами. Обходим постранично каталог, получаем ссылки на товары. Затем проходим по всем ссылкам, находим описание, характеристики и все фото товаров. Каталог не слишком большой, примерно 800 товаров, защиты по количеству запросов нет, так что процесс проходит довольно гладко. На выходе получаем файл, с помощью которого легко залить весь каталог с фото и описаниями на нужную торговую площадку.

Исходные данные: сайт https://bo.nalog.gov.ru. Есть xlsx-файл со списком 35000+ организаций. Надо на сайте по ИНН организации найти бух. отчетность, получить ряд показателей (дебиторская задолженность, прибыль, выручка и т.п.) и добавить их в этот же файл xls, создав новые колонки для каждой из организаций. Государственные сайты часто весьма удобны для парсинга, так как не заморачиваются с защитой. И этот раз не стал исключением: ИНН для поиска можно передавать в адресной строке через get-запрос, а все ответы получать как статическое содержимое. Бана по количеству запросов нет. Сайт довольно быстро работает, так что хоть надо сделать тысячи запросов, но за ночь даже в один поток данные получить вполне реально. Пишем парсер, закидываем скрипт на vps и можно спать... А поутру результат готов.

Бот рахмет это шикарный бот который отправляет стикер на ваш любой стикер

Задача: Сотни PDF и текстовых файлов (регламенты, прайсы, кейсы). Ручная загрузка данных занимала бы десятки часов и приводила к ошибкам. База знаний мгновенно бы устаревала, как только вносились правки в исходные документы. Решение: Разработала систему Real-time индексации на стеке n8n + Google Drive API + Supabase (Vector Store). Как это работает: Скрипт в фоновом режиме мониторит изменения в облачном хранилище. При появлении нового файла или редактировании старого, система автоматически запускает процесс переиндексации. Удаленные файлы автоматически вычищаются из векторной базы. Результат: База знаний ИИ-агента всегда актуальна на 100% без участия человека. Экономия времени сотрудника — от 40 часов в месяц.