Михаил Ракитин НейроРезюме

Михаил Ракитин — Python-разработчик, специализирующийся на FastAPI, Django, DRF и асинхронных задачах с использованием Celery и Redis. Он обладает опытом в проектировании REST API и микросервисов, а также в автоматизации с помощью LLM и n8n. Михаил работал с облачными платформами, такими как AWS, Microsoft Azure и Google BigQuery, и занимался миграцией сервисов на собственные серверы. В его компетенции входит работа с базами данных, включая PostgreSQL, Oracle (PL/SQL), MongoDB и Redis, а также использование DevOps-инструментов, таких как Docker, CI/CD и AirFlow. Кроме того, он имеет опыт в тестировании с PyTest и locust, а также в командной работе с инструментами Jira, Confluence, Trello, YouGile, Git и GitLab. Михаил успешно сотрудничал в интернациональных командах, состоящих из 10–12 человек, и способен работать автономно.

Портфолио

Навыки и технологии: Python, Django, FastAPI, PostgreSQL, MongoDB, SQLAlchemy, Celery, Redis, Docker, Microsoft Azure, OCR, LLM, YOLO, OpenCV, Telethon, AirFlow, n8n, JSONB, GIN/btree индексы, Pytest, httpx AsyncClient.

Проекты и достижения: Кандидат успешно разработал аналитический сервис для маркетплейсов, оптимизировав процессы сбора данных и снизив затраты на инфраструктуру. Он также создал AI-пайплайн для массовой обработки документов, улучшив качество извлечения данных и снизив необходимость ручной валидации. В проекте ikamethelp.com кандидат обеспечил стабильную работу backend-сервиса, поддерживающего рост нагрузки и интеграции с внешними сервисами. Для корпоративного сайта кандидат разработал аналитическую платформу, способную обрабатывать большие объёмы данных из социальных сетей и медиа в реальном времени.

Достижения и признание: Кандидат добился значительного снижения эксплуатационных расходов за счёт отказа от облачных платформ в пользу собственной инфраструктуры. Внедрение LLM и других технологий позволило автоматизировать и ускорить обработку данных, что способствовало масштабированию аналитических возможностей клиентов без увеличения затрат на человеческие ресурсы.

* создается нейросетью на основе портфолио, информации указанной пользователем о себе и отзывам от других пользователей

english version