Middle QA Engineer / Tester

QA Automation Engineer QA-Engineer/Automation с сочетанием глубокой технической экспертизы (6+ лет в IT) и глубокого понимания бизнес-процессов в сфере Affiliate Marketing. Прошел путь от классической автоматизации на Java/Selenium до построения современных систем тестирования с использованием AI-агентов. Последний год фокусируюсь на AI-driven QA: активно внедряю Claude Code и LLM для генерации тестов, анализа логов и автоматизации технической поддержки. Благодаря опыту в Account Management, умею говорить на языке бизнеса и переводить сложные технические проблемы в понятные решения. Обладаю базовыми навыками в инфраструктуре (Docker, K8s), мониторинге (Kibana, Grafana) и работе с высоконагруженными API (Kafka, Postman). Специализируюсь на оптимизации процессов через умную автоматизацию, сокращая Time-to-Market и операционные издержки команды. AI-Driven QA: Полное переосмысление процессов тестирования с использованием ИИ-агентов (Claude Code, QWEN + playwright). Автоматизация написания тест-кейсов, генерация скриптов на Python и анализ логов через LLM. Affise & Admin Panel Support: Глубокое тестирование и отладка кастомных интеграций в платформе Affise. Решение сложных технических тикетов на стыке клиентской части и серверной логики. Автоматизация & API: Создание системы мониторинга доступности офферов и корректности редиректов. Тестирование сложных Postback-интеграций и REST API через Postman и кастомные Python-скрипты. Инфраструктура: Развертывание тестовых окружений в Docker, настройка базового CI/CD для автоматической проверки лендингов перед запуском трафика. Резюме обновлено 4 апреля 2026 в 17:31 Достижение: Внедрил Claude Code в ежедневный рабочий процесс, что позволило сократить время на подготовку технической документации и написание автотестов на 50%, освободив ресурс для архитектурных задач

Архитектурное тестирование: Тестирование микросервисов и очередей сообщений Apache Kafka (валидация событий в топиках, проверка доставки месседжей). Мониторинг и логи: Оперативный поиск причин багов в Kibana (анализ логов приложения). Базовый мониторинг работоспособности сервисов в Grafana/Prometheus. Работа с данными (SQL): Проверка консистентности данных через DBeaver. Использование базовых SQL-запросов (SELECT, JOIN) для сверки данных в БД. Инфраструктура: Работа в Docker-контейнерах. Базовое взаимодействие с Kubernetes (k8s) (просмотр логов подов, проверка статусов ресурсов). Process Management: Ведение тестовой документации в Jira и Confluence. Управление регрессионными циклами и подготовка Test Summary Reports. API Documentation & Testing: Работа с Swagger (OpenAPI) для изучения структуры эндпоинтов, проверки спецификаций и проведения быстрого ручного тестирования запросов без использования внешних клиентов. Достижение: Выстроил прозрачную систему отчетности в Confluence и сократил время локализации серверных багов на 40% за счет внедрения практик глубокого анализа логов. Оптимизировал процесс диагностики инцидентов: Благодаря внедрению мониторинга логов в Kibana, время на локализацию багов сократилось в среднем на 40%, что ускорило их исправление разработчиками. Обеспечил успешный запуск 5 крупных игровых модулей, проведя комплексное интеграционное тестирование систем со сложной логикой взаимодействия через Kafka Автоматизация (UI): Разработка и поддержка UI-автотестов на Java/Selenium. Использование паттерна Page Object Model (POM) для создания масштабируемой структуры тестов. CI/CD & Git: Интеграция автотестов в пайплайны GitLab CI. Работа с ветками в Git (commit, pushmerge requests). Linux (CLI): Работа в терминале на базовом уровне: навигация по файловой системе, поиск по логам (grep, tail, cat, less), управление правами доступа и мониторинг процессов (top/htop) на тестовых серверах. Web & Proxy: Глубокое тестирование фронтенда через Chrome DevTools. Анализ и подмена трафика (breakpoints, rewrite) через Charles Proxy. API: Функциональное тестирование эндпоинтов в Postman и через cURL, проверка логики и структур JSON. Ключевые достижения: Автоматизировал 60% критического регрессионного сценария, что позволило сократить время на проверку стабильности системы перед релизом с 6 часов до 40 минут. Обнаружил и локализовал более 300 дефектов на ранних стадиях, используя Charles Proxy для выявления ошибок в обмене данными между фронтендом и бэкендом