Примеры работ и кейсы по направлению «Управление проектами разработки»

Lookwise — веб-платформа персонального AI-стилиста, которая помогает пользователю получить практические рекомендации по одежде, цветам, силуэтам, причёске и аксессуарам с учётом внешности, образа жизни, целей и бюджета. В отличие от сервисов, которые просто генерируют красивое изображение, Lookwise строится вокруг прикладного вопроса пользователя: что именно мне подходит, почему и как собрать такой образ в реальной жизни. Пользователь создаёт аккаунт, загружает фотографии лица и фигуры, заполняет короткую анкету о стиле, размерах, бюджете, образе жизни и желаемом впечатлении. После этого система формирует персональный style profile и рекомендации. AI-конвейер объединяет анализ визуальных данных и работу нескольких специализированных AI-экспертов. Они формируют предложения, проверяют и критикуют варианты друг друга, после чего система собирает итоговый образ и дополнительно верифицирует результат. В готовом результате пользователь получает рекомендации по: - подходящим цветам; - силуэтам и посадке; - длинам и фасонам; - причёске и grooming; - аксессуарам; - нежелательным решениям; - направлениям персонального стиля; - готовым комплектам одежды; - товарам из подключённого каталога с учётом бюджета. Результат сохраняется в личном кабинете, где пользователь может вернуться к своим образам и оставить обратную связь.

Wordstat Radar — локальное веб-приложение для исследования поискового спроса и поиска коммерчески перспективных пользовательских запросов на основе данных Yandex Wordstat. Инструмент создавался для проверки продуктовых и маркетинговых гипотез: вместо ручного перебора десятков запросов пользователь задаёт исходные ключевые слова, регион и правила отбора, после чего система собирает связанные запросы, анализирует их частотность и помогает выделить коммерчески значимые направления. Реализована двухэтапная схема исследования: первоначальные seed-запросы используются для получения первого набора данных, после чего наиболее перспективные формулировки могут автоматически или вручную переходить во вторую волну поиска. Это позволяет постепенно расширять семантику и находить спрос, который не очевиден из первоначального набора ключевых слов. В приложении предусмотрены профили исследования, фильтрация по релевантности и пользовательскому намерению, работа с регионами, история запусков, кэширование результатов и сохранение промежуточных данных. Отдельный локальный dashboard позволяет работать с результатами через браузер: просматривать общую картину спроса, найденные запросы, потенциальные возможности, историю исследований и техническую диагностику интеграции. Результаты можно экспортировать в CSV, JSON и TXT для дальнейшей группировки и анализа.

CRM.POZDNYAKOV.IO — внутренняя CRM-платформа для управления полным циклом привлечения B2B-клиентов: от поиска и квалификации потенциальной компании до контакта, встречи, коммерческого предложения и выигранной сделки. Вместо обычного списка контактов система строится вокруг управляемой воронки. Лиды проходят последовательные стадии New → Enriched → Qualified → Contacted → Replied → Dialogue → Meeting → Proposal → Won. Для каждого лида предусмотрены профиль компании и контактного лица, отрасль, размер бизнеса, scoring, причины квалификации, потенциальные проблемы клиента и история взаимодействий по различным каналам. Отдельный Kanban-интерфейс позволяет управлять стадиями лидов с drag-and-drop, фильтровать базу по отрасли и score и быстро переходить от общей воронки к детальной карточке клиента. В платформе также спроектированы управление outreach-кампаниями, последовательности контактов, dashboard, задачи, история активности и аналитика: конверсии между стадиями, эффективность источников, ROI кампаний, A/B-тестирование и контроль затрат на LLM.

POZDNYAKOV.IO — веб-платформа для представления и продажи услуг внешнего управления ИТ-функцией, Fractional CIO и AI-аудита для растущего бизнеса. Основная задача проекта — объяснить сложную B2B-услугу не через обычный корпоративный лендинг, а через интерактивный пользовательский сценарий. Посетитель может самостоятельно проверить управляемость ИТ, разобрать типовые ситуации с бюджетами, подрядчиками, проектами и рисками, а также посмотреть демонстрационный пример AI-аудита и управленческого отчёта. На действующем сайте самопроверка состоит из 12 вопросов, присутствуют интерактивный управленческий разбор и отдельный демонстрационный AI-аудит. POZDNYAKOV.IO Сайт объединяет экспертный контент, кейсы, описание услуг, интерактивные диагностические инструменты и conversion-сценарии в единую цифровую систему. При разработке особое внимание уделялось структуре сложной информации, пользовательскому пути B2B-клиента, адаптивности и тому, чтобы интерактивные демонстрации помогали пользователю понять ценность услуги до первого контакта.

Light Up Production — внутренняя веб-система для управления производством LIGHT UP ART. Приложение создавалось для переноса производственных процессов небольшого собственного производства из таблиц и разрозненных записей в единую информационную систему. В системе ведутся продукты и SKU, сырьё и материалы, поставщики и закупочные цены, складские остатки, технологические карты и состав изделий, производственные операции и маршруты, партии продукции и контроль качества. Для производства реализован отдельный операторский сценарий: сотрудник получает последовательность технологических операций, чек-листы, параметры процесса и может фиксировать фактические данные непосредственно во время изготовления партии. Система также позволяет учитывать дефекты и результаты контроля качества, хранить версии технологических карт и получать производственные данные для последующего анализа. Предусмотрено разграничение прав пользователей: owner, technologist, operator, quality. Backend построен на PostgreSQL / Supabase, включая аутентификацию, хранение данных и файлов и политики разграничения доступа. Приложение развёрнуто в Docker-инфраструктуре и используется как отдельный production-сервис на production.light-up.art

LIGHT UP ART — сайт авторского бренда интерьерных объектов, ароматов и свечей. Задача проекта состояла не просто в создании каталога товаров, а в переносе визуального языка бренда в цифровую среду. В основе интерфейса — минималистичная editorial-эстетика, крупная предметная фотография, спокойная типографика и акцент на форме, материале и деталях продукта. Сайт объединяет презентацию бренда и коллекций, карточки отдельных объектов и коммерческий сценарий. Пользователь может познакомиться с продуктом, его материалами, ароматом и характером, рассмотреть предмет в деталях и перейти к покупке. Особое внимание уделялось визуальной иерархии, мобильной версии, композиции страниц и последовательному пользовательскому пути от первого знакомства с брендом до выбора конкретного изделия.

Penfaro — AI-платформа для создания книг и интерактивных образовательных материалов. Сервис объединяет работу автора над книгой, AI-анализ и редактирование текста, создание иллюстраций и аудио, построение учебных программ и интерактивных упражнений. Один из основных сценариев — создание учебных книг по иностранным языкам. Автор формирует программу, рассказы, лексику и задания, а читатель может перейти из печатной книги по QR-коду к аудио, переводу, упражнениям и продолжить обучение в личном кабинете с сохранением прогресса. Архитектура Penfaro рассчитана на развитие в полноценную платформу, где авторы смогут создавать и публиковать собственные образовательные продукты, а ученики — работать с материалами разных авторов в едином пространстве.

Study — веб-приложение для системного изучения программирования и проверки технических знаний. Первая версия платформы разработана для подготовки C#/.NET-разработчиков. Вместо хаотичного изучения вопросов из разных источников материал организован в последовательную программу обучения с тематическими блоками и регулярной проверкой знаний. В текущей версии сформирована база из 160 вопросов, разделённых на 4 учебных блока по 40 вопросов. Система позволяет проходить материал последовательно, отвечать на вопросы и использовать приложение как тренажёр при подготовке к техническому собеседованию или стажировке. Основная задача проекта — превратить подготовку программиста из набора разрозненных материалов в управляемый процесс: изучение → вопрос → ответ → проверка → повторение → прогресс. Что было реализовано - архитектура учебного веб-приложения; - структурирование программы обучения по тематическим блокам; - база технических вопросов; - механизм прохождения и проверки заданий; - логика последовательного обучения; - контроль целостности базы вопросов; - адаптивный веб-интерфейс; - backend и frontend приложения; - контейнеризация через Docker; - развёртывание приложения на VPS; - настройка production-окружения и HTTPS;

Обычные AI-сервисы отвечают на вопрос «как я буду выглядеть с другим цветом?». perColor.Pro пытается решить более профессиональную задачу: «что колористу разумно предложить этому конкретному клиенту и почему?»

Принял в работу незавершённый проект на Ruby on Rails и успешно довёл его до запуска в срок. Взял на себя всю техническую часть — от разработки и архитектуры до DevOps. Организовал процесс проектирования UX для новой версии дашборда. Внёс системность в разработку: внедрил измеримые метрики прогресса и выстроил инфраструктуру для управления знаниями внутри команды.