Павел Черепанов имеет опыт в IT более десяти лет и специализируется на автоматизации процессов, развертывании сервисов и приведении инфраструктуры в воспроизводимое состояние. Работает с Docker, Kubernetes, HAProxy, GitLab CI/CD, Linux и Git, а также разрабатывает Telegram-ботов, API и интеграции на Python, используя PostgreSQL и контейнерные технологии. В личных проектах применяет FastAPI, React/TypeScript и инструменты машинного обучения — от подготовки данных до интеграции LLM через API, рассматривая финансовые и спортивные данные как объекты анализа без гарантий прибыльности. Подход к задачам начинается с уточнения требований и критериев завершения, далее — поэтапное решение с передачей исходного кода, инструкций и проверенных результатов; AI-инструменты используются для ускорения, но финальная проверка проходит в тестах и рабочем окружении. Готов помочь с ботами, интеграциями, Docker-окружением, CI/CD или диагностикой сервисов, предварительно согласовав ограничения и доступы.
Навыки и технологии: Python, PostgreSQL, FastAPI, React, TypeScript, aiogram, Playwright, Celery, Redis, Docker, Kubernetes, LightGBM, scikit-learn, pandas, Polars.
Проекты и достижения: Кандидат разработал несколько личных проектов, включая Telegram-бота для мониторинга фриланс-заказов, исследовательский ML-пайплайн для временных рядов, систему футбольной аналитики и браузерный тренажёр для диагностики Linux и DevOps-инцидентов. В Telegram-боте реализована интеграция с несколькими фриланс-площадками, нормализация данных и шифрование сессий. В ML-пайплайне обеспечена воспроизводимость экспериментов с временными рядами и учёт издержек. Футбольная аналитика включает сбор и нормализацию данных с внешних источников, а тренажёр предоставляет пользователям возможность практиковаться в диагностике инцидентов без необходимости настройки стенда.
Достижения и признание: Проекты демонстрируют способность кандидата к самостоятельной разработке и применению современных технологий для решения сложных задач. Каждый проект включает элементы проверки гипотез и анализа данных, что подтверждает глубокое понимание предметной области и навыков в разработке программного обеспечения.
* создается нейросетью на основе портфолио, информации указанной пользователем о себе и отзывам от других пользователей