Примеры работ и кейсы по направлению «Прикладное программирование»

Задача(Proof-of-Concept): Автоматизировать пункты взвешивания для крупного завода с полной интеграцией оборудования (весы, камеры, табло) и созданием централизованного пульта управления. Решение: Разработал с нуля систему на Python/FastAPI + React, которая: - Автоматически собирает данные с весов и распознаёт номера с камер - Валидирует вес по бизнес-правилам (допустимые отклонения) - Выводит данные на электронные табло заказчика - Предоставляет админку для управления оборудованием и мониторинга в реальном времени Результаты: - Время обработки рейса ↓ с 7 до 2 минут - Автоматизация 82% рейсов (остальные — на ручную проверку) - Создан готовый продукт для продажи другим предприятиям - Пилот успешно масштабируется на все 12 пунктов завода Технический стек: Backend - Python 3.11, FastAPI, SQLAlchemy, Celery, PostgreSQL, Redis Frontend - React 18, TypeScript, Tanstack, shadcn/ui, Socket.io Infra: Docker, Prometheus, Grafana Computer Vision: OpenCV, Tesseract

Задача: Создать программу для автоматического считывания данных с паспортов Таджикистана и Узбекистана без интернета. Что было сделано: Полная оффлайн-архитектура: Написал систему, которая ищет и загружает модели для распознавания текста (EasyOCR) с локального диска, не требуя подключения к сети. Специальная обработка для паспортов: * Конвертация PDF в изображения. * Улучшение читаемости: увеличение резкости, коррекция контраста (CLAHE), удаление шума, автоматическое выравнивание. * Отдельный алгоритм для MRZ-зоны: Особый режим для считывания машинной строки паспорта с использованием ограниченного набора символов (A-Z<0-9). * Автоматизация процесса: Программа принимает файл (изображение или PDF) и возвращает распознанный текст, готовый для дальнейшего использования (загрузки в базу, Excel и т.д.). Результат: Система показала точность распознавания ~90%, сократив ручной ввод данных на 70%

Проектирование и внедрение решений для автоматизации работы с документами в 1С. Специализация — создание систем, которые экономят время и исключают ручные ошибки. Конкретно выполненные работы: Полная автоматизация создания и проведения накладных. Настройка автоматического заполнения реквизитов документов по заданным правилам. Создание сложных отчетов с выгрузкой данных в Excel для анализа. Организация автоматического переноса и распределения накладных по параметрам. Результат для клиента: Сокращение времени на обработку документов до 80%, полное исключение арифметических ошибок, прозрачная отчётность. Работаю с типовыми и нетиповыми конфигурациями. Делаю так, чтобы 1С работала на бизнес, а не наоборот.

В данном проекте: - импортированы данные Ozon Seller API по заказам за периоды выборки - импортированы данные Ozon Seller API по актуальным остаткам - сформирована сводная таблица в развертке по кластерам и идентификаторам товаров - реализована подсветка коэффициентов согласно правил: ◾выше 2,0 ➖ ярко зеленый цвет ◾от 1,5 - 2,0 ➖ зеленый - хорошо ◾от 0,9 - 1,5 ➖ желтый - среднее ◾от 0,0 - 0,9 ➖ красный - это плохо - настроены фильтра( срезы ) по идентификаторам товаров ( SKU ) и наименованию.

Утилита на Python для безопасной двусторонней синхронизации локальных каталогов с удалённым сервером по SSH/SFTP. Гибкая настройка: подключение через пароль или SSH-ключ, конфигурация вынесена в отдельный Python-файл. Умная синхронизация: загрузка только изменённых или отсутствующих файлов (сравнение по размеру и времени модификации). Исключения: поддержка фильтрации по шаблонам (например, .git, __pycache__). Безопасность и контроль: режим предпросмотра (--dry-run), подробное логирование в файл и консоль. Кроссплатформенность: работает из командной строки, поддерживает пути Windows/Linux. Технологии: Python и библиотеки

Разработка гибкого Python-приложения для извлечения, трансформации и загрузки данных (ETL) между разнородными источниками. Поддерживаемые форматы: MySQL, MS Access, CSV, XLSX, SQLite (с возможностью расширения). - Гибкая конфигурация: пользователь задаёт источники/приёмники, путь к скриптам трансформации и правила сравнения. - Двухэтапная трансформация: обработка данных сразу после извлечения и повторно — после сравнения с целевым набором. Интерфейс приложения: - Просмотр схем (таблицы, поля, типы) с экспортом в JSON - Предпросмотр данных выбранной таблицы - Управление запуском переноса - Журнал выполнения (логи) Режимы работы: GUI и консольный запуск. Технологии: Python и библиотеки: PyQT (GUI), pandas, mysql.connector, openpyxl, pyodbc.

Разработка на Python интеграционного решения между учетной системой в Windows и несколькими интернет-магазинами, включая Wildberries. - Синхронизация данных: автоматическая выгрузка товаров, остатков и загрузка заказов. - Интеграции: подключение к API СДЭК, Wildberries, CMS магазинов. - Оптимизация производительности: использование триггеров для фонового обновления остатков и справочников — без нагрузки на основную БД. Аналитика и управление ассортиментом: - Парсинг цен конкурентов - Формирование пересортицы после инвентаризации - Анализ продаж Работа с контентом: - Загрузка фото и карточек товаров на сайты и Wildberries - Импорт параметров товаров из Excel Технологии: Python, MS Access, MySQL, REST API, многопоточность, планировщики задач.

Поиск похожих паттернов на биржевом графике. Реализован алгоритм клиента + собственный алгоритм. Получение данных через API ByBit Особенности: - Стойкость к масштабу: находятся аналоги независимо от волатильности. - Опциональное сглаживание: для длинных паттернов используется EMA, чтобы убрать шум. - Интеллектуальная фильтрация: совпадения фильтруются по времени, чтобы не дублировать близкие результаты. - Визуализация результатов: все найденные паттерны показываются на интерактивных HTML-графиках с выделением зон. - Оптимизированная работа с данными: быстрая загрузка и сохранение через SQLite + гибкий конфиг для тестов. - Выходные данные: логи с совпадениями и HTML-страница с графиками и выделенными паттернами.

Чат-бот отвечает на вопросы по статьям и помогает в поиске товаров. Бот подключен через API к нейросети Яндекса. Сделана защита через прокси-шлюз Яндекс облака, а также защита на стороне бекенда

Dll инъектор на C# созданный для инъекции библиотек в уже работающий процесс.