ПортфолиоPortfolio

---

Backend разработкаBackend Development

Go Currency TrackerGo Currency Tracker

В рамках практики в университете разрабатывался проект по отслеживанию валютных курсов. По итогам работы создан полнофункциональный сервис для мониторинга курсов валют Центрального Банка России и криптовалют (Binance API) с веб-интерфейсом и Telegram ботом.

Ключевые технологии:

• Go 1.23 — основной язык программирования для высокопроизводительных сервисов
• Chi Router — HTTP роутер для создания REST API
• PostgreSQL — реляционная СУБД для хранения исторических данных курсов валют
• Docker & Docker Compose — контейнеризация и автоматизация запуска микросервисов
• Telegram Bot API — интеграция с мессенджером для уведомлений
• Binance API — получение актуальных курсов криптовалют

Реализованный функционал:

• REST API для взаимодействия с фронтендом и внешними системами
• Эндпоинты для получения курсов валют ЦБР с историческими данными
• Интеграция с Binance API для курсов криптовалют в рублях
• Веб-интерфейс с интерактивными графиками и экспортом в Excel
• Telegram бот с подписками на валюты и криптовалюты
• Автоматическое обновление курсов валют ежедневно в 23:59 UTC
• Мониторинг криптовалют каждые 15 минут с умными уведомлениями

Архитектурные решения:

• Docker контейнеры: веб-сервер, Telegram бот и база данных
• Автоматическая инициализация таблиц при запуске приложения
• Проверка доступности БД и настройка зависимостей между сервисами
• Контейнеризация всех компонентов для кроссплатформенного развёртывания
• Graceful shutdown для корректного завершения работы сервисов

Особенности реализации:

• Хранение истории курсов валют и криптовалют с временными метками
• Система подписок пользователей на уведомления по конкретным валютам
• Экспорт исторических данных в Excel формат для анализа
• OpenAPI документация с Swagger UI для разработчиков

As part of university practice, a project for tracking currency exchange rates was developed. As a result of the work, a fully functional service was created for monitoring Central Bank of Russia currency rates and cryptocurrencies (Binance API) with a web interface and Telegram bot.

Key technologies:

• Go 1.23 — main programming language for high-performance services
• Chi Router — HTTP router for creating REST API
• PostgreSQL — relational DBMS for storing historical currency rate data
• Docker & Docker Compose — containerization and automation of microservice deployment
• Telegram Bot API — integration with messenger for notifications
• Binance API — obtaining current cryptocurrency rates

Implemented functionality:

• REST API for interaction with frontend and external systems
• Endpoints for obtaining CBR currency rates with historical data
• Integration with Binance API for cryptocurrency rates in rubles
• Web interface with interactive charts and Excel export
• Telegram bot with subscriptions to currencies and cryptocurrencies
• Automatic currency rate updates daily at 23:59 UTC
• Cryptocurrency monitoring every 15 minutes with smart notifications

Architectural solutions:

• Docker containers: web server, Telegram bot, and database
• Automatic table initialization when launching the application
• Database availability check and configuration of dependencies between services
• Containerization of all components for cross-platform deployment
• Graceful shutdown for proper service termination

Implementation features:

• Storage of currency and cryptocurrency rate history with timestamps
• User subscription system for notifications on specific currencies
• Export of historical data to Excel format for analysis
• OpenAPI documentation with Swagger UI for developers

Экран анализа валютных курсов в приложении

Currency rate analysis screen in the app

Экран анализа криптовалютных курсов в приложении

Cryptocurrency rate analysis screen in the app

Пример работы Telegram-бота: обновления валют и криптовалют

Example of Telegram bot in action: currency and crypto updates

Мобильное приложение TE-ManagerTE-Manager Mobile App

С сентября 2022 года в качестве фрилансера развиваю backend для мобильного приложения по управлению задачами и эмоциями. Наша команда стала победителем гранта размером в 1 млн рублей V очереди конкурса "Студенческий стартап".

Ключевые достижения:

• С нуля развернул production-сервер на Yandex Cloud: установил и настроил nginx, обеспечил защищённое соединение по HTTPS, подключил домен и подготовил среду для масштабируемых веб-приложений.
• Реализовал OpenAPI документацию для удобного тестирования эндпоинтов через Swagger UI и быстрой проверки запросов.
• Использовал фреймворк Flask (Python) и базу данных PostgreSQL.
• Разработал REST API для приложения управления задачами с возможностью отслеживания времени, категоризации и приоритизации задач.
• Реализовал многоуровневую систему аутентификации с поддержкой JWT-токенов и OAuth-интеграцией с Google и Яндекс.
• Спроектировал и внедрил двустороннюю синхронизацию задач с Яндекс.Календарём (CalDAV).
• Создал модуль для отслеживания настроения пользователей с функциями анализа и визуализации данных.
• Разработал систему статистики для анализа продуктивности по категориям, важности и временным периодам.
• Интегрировал облачное хранилище Yandex Object Storage для пользовательских данных.
• Обеспечил безопасное хранение учётных данных и токенов с использованием современных методов шифрования.
• На старте проекта интегрировал решения в Java Android приложение.

Техническое развитие и модернизация:

• Микросервисная архитектура: Переписал монолитное Flask-приложение на микросервисную архитектуру с использованием FastAPI (Python) и Go-сервиса для лучшей производительности. Внедрил Docker-контейнеризацию для упрощения развертывания и масштабирования. Реализовал взаимодействие между сервисами через HTTP API с валидацией данных.
• Модернизация безопасности: Полностью обновил JWT-систему: заменил HS256 на RS256 (асимметричная криптография). Внедрил систему отзыва токенов (blacklist) с возможностью принудительного выхода со всех устройств. Добавил device fingerprinting для привязки токенов к устройствам. Реализовал каскадный отзыв токенов при обнаружении компрометации.
• Система аутентификации без паролей: Заменил традиционную аутентификацию на систему кодов верификации через email/SMS. Интегрировал Redis для кэширования кодов и rate limiting.
• Технические улучшения: Внедрил версионирование API. Добавил comprehensive health checks для всех сервисов. Реализовал детальное логирование и мониторинг производительности. Создал систему фоновых задач для автоматической очистки устаревших данных.
• Инфраструктура: Настроил nginx с улучшенной конфигурацией для микросервисов. Интегрировал Redis для кэширования и управления состоянием. Создал Docker Compose конфигурацию для локальной разработки и тестирования.

Сайт проекта: temanager.com

Since September 2022, I have been working as a freelancer developing the backend for a mobile application for task and emotion management. Our team won a grant of 1 million rubles in the V round of the "Student Startup" competition.

Key achievements:

• Built a production server from scratch on Yandex Cloud: installed and configured nginx, ensured secure HTTPS connection, connected a domain, and prepared an environment for scalable web applications.
• Implemented OpenAPI documentation for convenient endpoint testing via Swagger UI and quick request verification.
• Used the Flask (Python) framework and PostgreSQL database.
• Developed a REST API for a task management application with time tracking, categorization, and task prioritization capabilities.
• Implemented a multi-level authentication system with JWT token support and OAuth integration with Google and Yandex.
• Designed and implemented two-way task synchronization with Yandex.Calendar (CalDAV).
• Created a module for tracking user moods with data analysis and visualization functions.
• Developed a statistics system for analyzing productivity by categories, importance, and time periods.
• Integrated Yandex Object Storage cloud storage for user data.
• Ensured secure storage of credentials and tokens using modern encryption methods.
• Integrated solutions into a Java Android application at the start of the project.

Technical Development and Modernization:

• Microservice Architecture: Rewrote the monolithic Flask application to a microservice architecture using FastAPI (Python) and Go service for better performance. Implemented Docker containerization for simplified deployment and scaling. Realized inter-service communication through HTTP API with data validation.
• Security Modernization: Completely updated the JWT system: replaced HS256 with RS256 (asymmetric cryptography). Implemented a token revocation system (blacklist) with the ability to force logout from all devices. Added device fingerprinting for token binding to devices. Implemented cascading token revocation upon compromise detection.
• Passwordless Authentication System: Replaced traditional authentication with a verification code system via email/SMS. Integrated Redis for code caching and rate limiting.
• Technical Improvements: Implemented API versioning. Added comprehensive health checks for all services. Implemented detailed logging and performance monitoring. Created a background task system for automatic cleanup of outdated data.
• Infrastructure: Configured nginx with improved configuration for microservices. Integrated Redis for caching and state management. Created Docker Compose configuration for local development and testing.

Project website: temanager.com

Один из экранов приложения

One of the app screens

Менеджер задач на Spring BootTask Manager on Spring Boot

В учебных целях реализовал приложение - менеджер задач на Spring Boot.

Ключевые технологии:

• Spring Boot 3.4 — основа приложения с поддержкой REST API
• Spring Data JPA — доступ к данным через репозитории
• MariaDB (production) + Flyway — миграции схемы
• Redis — кэширование для прироста производительности
• Kafka — асинхронная обработка событий (создание / просрочка задач)
• Docker & Docker Compose — контейнеризация приложения и инфраструктуры
• JUnit 5 & Mockito + JaCoCo — покрытие тестами > 80 %

Реализованная функциональность:

• Управление пользователями — регистрация и авторизация
• CRUD-операции с задачами
• Система уведомлений о новых и просроченных задачах
• Асинхронный обмен сообщениями через Kafka
• Кэширование данных в Redis (настраиваемый TTL)
• Профили окружения: dev / prod
• Полная контейнеризация с многоконтейнерной архитектурой

Архитектурные особенности:

• Многоуровневая структура: контроллеры → сервисы → репозитории
• Асинхронная обработка событий (Kafka + Scheduler для просроченных задач)
• Redis-кэширование с дифференцированным TTL
• Docker Compose — единая точка запуска всей экосистемы

Достижения:

• Покрытие кода тестами > 80 %
• Реализована микросервисная (event-driven) архитектура
• Существенное сокращение времени отклика за счёт кэширования

For educational purposes, I implemented a task manager application using Spring Boot.

Key technologies:

• Spring Boot 3.4 — application foundation with REST API support
• Spring Data JPA — data access through repositories
• MariaDB (production) + Flyway — schema migrations
• Redis — caching for performance improvement
• Kafka — asynchronous event processing (task creation / expiration)
• Docker & Docker Compose — containerization of application and infrastructure
• JUnit 5 & Mockito + JaCoCo — test coverage > 80 %

Implemented functionality:

• User management — registration and authorization
• CRUD operations with tasks
• Notification system for new and overdue tasks
• Asynchronous message exchange via Kafka
• Data caching in Redis (configurable TTL)
• Environment profiles: dev / prod
• Full containerization with multi-container architecture

Architectural features:

• Multi-layer structure: controllers → services → repositories
• Asynchronous event processing (Kafka + Scheduler for overdue tasks)
• Redis caching with differentiated TTL
• Docker Compose — single launch point for the entire ecosystem

Achievements:

• Code test coverage > 80 %
• Implemented microservice (event-driven) architecture
• Significant response time reduction through caching

Backend часть для ML-проектаBackend for ML Project

С декабря 2024 по март 2025 года разрабатывался научно-исследовательский проект по предсказанию риска рака лёгких с применением машинного обучения. По итогам работы подготовлена научная статья, которая готовится к публикации в профильном журнале.

Ключевые технологии:

• Python 3.9 — основной язык программирования
• Flask — веб-фреймворк для создания REST API
• PostgreSQL — реляционная СУБД для хранения пользовательских данных
• scikit-learn — библиотека для построения и использования ML-моделей (SVM, KNN)
• Docker & Docker Compose — контейнеризация и автоматизация запуска сервисов

Реализованный функционал:

• REST API для взаимодействия с фронтендом
• Эндпоинт /predict для приёма медицинских данных и возврата результатов
• Интеграция обученной SVM-модели для расчёта вероятности заболевания
• Сохранение истории прогнозов и пользовательских данных в PostgreSQL

Архитектурные решения:

• Микросервисная структура: фронтенд, бэкенд и база данных — как отдельные сервисы
• Автоматическая инициализация таблиц при запуске приложения
• Проверка доступности БД и настройка зависимостей между сервисами
• Контейнеризация всех компонентов для кроссплатформенного развёртывания

Особенности реализации:

• Предварительно обученная ML-модель (SVM) встроена в API
• Валидация и предварительная обработка входных данных
• Вывод вероятности риска в процентном выражении
• Хранение истории прогнозов для каждого пользователя

From December 2024 to March 2025, a research project was developed to predict lung cancer risk using machine learning. As a result of the work, a scientific article has been prepared and is being prepared for publication in a specialized journal.

Key technologies:

• Python 3.9 — main programming language
• Flask — web framework for creating REST API
• PostgreSQL — relational DBMS for storing user data
• scikit-learn — library for building and using ML models (SVM, KNN)
• Docker & Docker Compose — containerization and service launch automation

Implemented functionality:

• REST API for interaction with the frontend
• /predict endpoint for receiving medical data and returning results
• Integration of a trained SVM model for calculating disease probability
• Saving prediction history and user data in PostgreSQL

Architectural solutions:

• Microservice structure: frontend, backend, and database as separate services
• Automatic table initialization when launching the application
• Database availability check and configuration of dependencies between services
• Containerization of all components for cross-platform deployment

Implementation features:

• Pre-trained ML model (SVM) embedded in API
• Validation and preprocessing of input data
• Output of risk probability as a percentage
• Storage of prediction history for each user

Аналитика данных в киберспортеData Analytics in Esports

Dota 2 Avulus

С октября 2024 года работаю фриланс-аналитиком в профессиональной команде по Dota 2 — Avulus.

Ключевые задачи:

• Сбор данных из открытых источников (Spectral.gg, STRATZ, DotaBuff, OpenDota, Dota2ProTracker).
• Извлечение инсайтов и подготовка аналитических отчётов для тренера и игроков.
• Автоматизация поиска информации и построение сервисов для команды (использую Python — Pandas, NumPy, Matplotlib, MySQL).
• Развёртывание собственного веб-сервиса на Go для автоматизированной аналитики и отчетов.
• Подготовка к соперникам: анализ паттернов, поиск закономерностей по оппонентам и их истории выступлений.
• Постоянная коммуникация с тренером и составом, предоставление данных по их запросам в удобном и наглядном виде.

Достижения команды за время работы:

• 1 место на RES Regional Champions
• 4 место на CCT Series 5
• 5–6 место на ESL One Bangkok 2024
• 7–8 место на PGL Wallachia Season 2
• 7–8 место на ESL One Raleigh 2025

Квалификации на крупнейшие турниры:

• 1 место на FISSURE PLAYGROUND #1: Western Europe Closed Qualifier
• 1 место на DreamLeague Season 25: Western Europe Closed Qualifier
• 1 место на PGL Wallachia Season 3: Western Europe Closed Qualifier
• 2 место на ESL One Bangkok 2024: Western Europe Closed Qualifier

Since October 2024, I have been working as a freelance analyst for the professional Dota 2 team — Avulus.

Key tasks:

• Data collection from open sources (Spectral.gg, STRATZ, DotaBuff, OpenDota, Dota2ProTracker).
• Extracting insights and preparing analytical reports for the coach and players.
• Automating information search and building services for the team (using Python — Pandas, NumPy, Matplotlib, MySQL).
• Deploying a custom web service on Go for automated analytics and reports.
• Preparation for opponents: pattern analysis, finding regularities in opponents and their performance history.
• Constant communication with the coach and team, providing data according to their requests in a convenient and visual format.

Team achievements during my work:

• 1st place at RES Regional Champions
• 4th place at CCT Series 5
• 5–6th place at ESL One Bangkok 2024
• 7–8th place at PGL Wallachia Season 2
• 7–8th place at ESL One Raleigh 2025

Qualifications for major tournaments:

• 1st place at FISSURE PLAYGROUND #1: Western Europe Closed Qualifier
• 1st place at DreamLeague Season 25: Western Europe Closed Qualifier
• 1st place at PGL Wallachia Season 3: Western Europe Closed Qualifier
• 2nd place at ESL One Bangkok 2024: Western Europe Closed Qualifier

Примеры работ Work Examples

Карта распределения вардов за последние 8 матчей команды (на основе OpenDota API)

Ward distribution map for the team's last 8 matches (based on OpenDota API)

Пример автоматической генерации отчета по выбранным игрокам с моего сайта (количество матчей на герое за выбранное время и winrate (%))

Example of automatic report generation for selected players from my website (number of matches on a hero for the selected time and winrate (%))

Пример автоматической генерации отчета успешных героев против конкретного героя на выбранной позиции (1-5)

Example of automatic report generation of successful heroes against a specific hero in the selected position (1-5)