Дарья Чербаева

Я — Middle+ Python-разработчица с более чем 5-летним коммерческим опытом. Специализируюсь на разработке и оптимизации backend-сервисов на Django и Flask, создании REST/GraphQL API, парсинге и обработке данных, работе с PostgreSQL, MongoDB, Redis и Celery. Уверенно вхожу в незнакомый и legacy-код: разбираюсь в чужой архитектуре, рефакторю и стабилизирую сервисы без потери функциональности. Свободно владею английским языком (C1) и регулярно использую его в работе с технической документацией и современными инструментами разработки.

Имею опыт работы как в продуктовых компаниях, так и в стартапе. В Akvelon разрабатывала бэкенд микросервисного телемедицинского приложения (Flask, SQLAlchemy, GraphQL, PostgreSQL, покрытие тестами на pytest). В Тендерплане отвечала за ~200 парсеров и сборщиков данных, развивала внутренний фреймворк команды и разрабатывала внутренние сервисы. Сейчас — соосновательница и backend-разработчица AI-проекта: сервис ИИ-генерации аудиорежиссуры для аудиокниг и подкастов, доведённый до рабочего MVP, где я отвечаю за бэкенд, интеграции с LLM- и TTS-API и промпт-инжиниринг. Проводила технические собеседования и проверяла тестовые задания, занималась онбордингом и менторством стажёров и новых сотрудников. Преподавала программирование в КФУ (практические занятия у студентов программной инженерии, вебинары по Python для групп 10+ человек), в «Алгоритмике» детям 10–17 лет, а также взрослым индивидуально, поэтому умею объяснять сложные темы простым языком и помогать выстраивать системное понимание backend-разработки. Окончила магистратуру КФУ по направлению «ИИ в разработке цифровых продуктов».

Могу помочь:

• начать карьеру в IT и подготовиться к стажировкам, Junior-позициям и техническим собеседованиям — со стороны и кандидата, и интервьюера;

• разобраться в Python, backend-разработке, базах данных и принципах построения веб-приложений;

• освоить практическую разработку: Git, REST API, архитектуру проектов, тестирование, работу с legacy-кодом и лучшие инженерные практики;

• научиться писать парсеры и собирать данные из внешних источников и API;

• разобраться в основах искусственного интеллекта, машинного обучения и современных LLM-инструментах — от работы с API моделей и промпт-инжиниринга до AI-ассистентов в повседневной разработке.