Pythoni arendaja

Август 2025 - по сегодняшний день Разработала и развернула проектную документацию на базе MkDocs с автогенерацией API через mkdocstrings, настроила структуру и кастомизацию сайта, контейнеризировала приложение в Docker и выложила на внутренний сервис компании. Запустила сервис подготовки данных для Медиаплан Калькулятора: спроектировала и реализовала self-service сервис предобработки адресных программ и прайс-листов, разработала UI на Streamlit с загрузкой Excel-файлов и автоматической обработкой, настроила интеграцию с backend API (multipart upload, error handling, контроль таймаутов), обеспечила воспроизводимый пайплайн без ручных операций и ad-hoc скриптов, сократив время актуализации данных до нескольких часов и подготовив архитектуру к интеграции в Retail Media Platform. Реализовала веб-версию медиаплан-калькулятора— перевела существующий Excel-медиаплан в интерактивное веб-приложение на Streamlit, реализовала фильтрацию данных, расчёт ключевых рекламных метрик, алгоритмы ограничений и сортировки, экспорт результатов в Excel; обеспечила логирование, обработку ошибок и удобный интерфейс для внутреннего сервиса. Разработала интерактивный аналитический инструмент расчета LTV (Streamlit + ClickHouse). Реализовала динамическую генерацию SQL-запросов на основе пользовательских фильтров и группировок. Настроила интеграцию с ClickHouse. Реализовала форматирование метрик и экспорт отчетов в Excel. Проведение технического обучения для бизнеса (3 воркшопа, 15+ участников): - Провела обучающее выступление для бизнес-подразделений - Объяснила принципы работы CDT и микросервисной архитектуры - Представила разработанный командой механизм интерпретации дерева принятия решений - Адаптировала сложную техническую логику под бизнес-аудиторию - Ответила на вопросы и выстроила диалог между технической и бизнес-командой Октябрь 2024 - Август 2025 Стажировка Разработала и развернула в Docker веб-интерфейс на Streamlit для анализа данных по продажам, что позволило аналитикам без участия разработчиков быстро запускать алгоритмы и тестировать бизнес-гипотезы. Оптимизировала дашборд на Streamlit, переведя его с CSV-файлов на работу с базой данных ClickHouse, что позволило ускорить загрузку данных и обеспечить стабильную работу при большом объёме информации Оптимизировала внутренние функции для анализа данных с использованием Python, повысив читаемость кода, устранив лишние шаги в расчётах и сократив число ошибок