Фролов Кирилл

Обо мне

Python Backend Developer с 4+ годами коммерческого опыта. Работал в командах от 3 до 15 человек, в офисе и удалённо. Участвовал в проектировании и разработке микросервисов полного цикла: от сбора требований до деплоя и поддержки в production. Эксперт в асинхронном программировании (FastAPI, Asyncio, aiohttp), проектировании REST/gRPC API и построении CI/CD процессов с автоматическим тестированием. Имею опыт работы с очередями (Kafka, RabbitMQ), реляционными и NoSQL БД (PostgreSQL, Redis, InfluxDB, MongoDB), а также с системами мониторинга и observability. Дополнительно имею хорошие компетенции в ML так как начинал с позиции Data Scientist. Проводил code review, менторил разработчиков и участвовал в технических собеседованиях. Интересуюсь высоконагруженными системами, архитектурой распределённых сервисов и постоянно расширяю стек инструментов.

Опыт работы

INVIAN (08.2023 — н.в., 2+ года)

Python Developer

Спроектировал и реализовал систему из 5 микросервисов (детекция загрязнений, оценка дорожного покрытия и др.). Запустил в production, обеспечил масштабируемую архитектуру.
Настроил мониторинг, что повысило observability и сократило время реакции на инциденты.
Внедрил автоматизированное тестирование, что снизило количество регрессий и ускорило релизы.
Оптимизировал взаимодействие сервисов, заменив сокеты на event-driven архитектуру, что упростило систему, сократило число сервисов в цепочке и ускорило доставку данных заказчику.
Занимался поддержкой и рефакторингом legacy-продуктов.
Подготовил гайдлайны, документацию и ADR для legacy-продуктов, что в свою очередь сократил о время адаптации новых сотрудников.
Провёл 10+ технических собеседований Python-разработчиков, участвовал в менторстве новичков и code review.

Стек: Python 3.11/3.8, FastAPI, Pydantic, Asyncio, Aiohttp, Socket, PostgreSQL, Alembic, Git, GitHub, GitLab, Docker, Docker Compose, RabbitMQ, Kafka, Redis, Pytest, Behave, Grafana, Telegraf, InfluxDB, MongoDB, Linux

Navian Investment Group (07.2022 — 08.2023, 1+ год)

Data Scientist

Разработал модель для предсказания цен на недвижимость, повысив точность оценки объектов и качество аналитики компании.
Реализовал систему для извлечения площади объектов из чертежей, что сократило обработку планировок и ручной труд аналитиков.
Автоматизировал сбор и агрегацию данных по 25 000+ полигонам Великобритании, что ускорило обновление базы и сделало её масштабируемой для аналитических сервисов.
Интегрировал ML-модель в рекомендательную систему недвижимости, заменив алгоритмическое решение → повысил качество рекомендаций и адаптивность под конкретного пользователя.

Стек: Python 3.8, Pandas, GeoPandas, Numpy, Matplotlib, Seaborn, Shapely, OpenCV, Scikit-learn, Selenium, BeautifulSoup, MongoDB, Git, GitHub, Docker, Docker compose, Linux