Marcin Grzechnik

• •Analizowałem i oceniałem jakość kodu generowanego przez modele AI (Python), ze szczególnym uwzględnieniem poprawności logicznej, czytelności oraz zgodności z dobrymi praktykami inżynierskimi

• •Weryfikowałem działania kodu poprzez uruchamianie testów oraz analizę wyników (unit/integration) Remote

• • Identyfikowałem błędy, edge case'y oraz problemy wydajnościowe w kodzie backendowym

• • Formułowałem szczegółowy feedback w stylu code review (pros/cons, rekomendacje zmian)

• • Pracowałem z repozytoriami Git oraz środowiskiem Docker (konfiguracja, debugowanie, uruchamianie projektów)

• • Oceniałem gotowość kodu do wdrożenia (production readiness)

• •Analizowałem i poprawiłem obsługi DSN w kliencie HTTP (Python), gdzie niepoprawna interpretacja ścieżki URL powodowała błędne routowanie zapytań za reverse proxy; odpowiednie promptowanie modelu zapewniło rozwiązanie, które umożliwiało poprawne wykorzystanie ścieżki jako proxy_path bez naruszenia istniejącej logiki wyboru bazy danych

• • Oceniałem jakość odpowiedzi generowanych przez modele AI, wtym kodu Python, na podstawie szczegółowych wytycznych

• •Analizowałem poprawność logiczną, spójność oraz bezpieczeństwo odpowiedzi Remote

• • Przetwarzałem i anotowałem dane w celu poprawy jakości modeli AI

• • Pracowałem z dużą liczbą przykładów wymagających wysokiej dokładności i spójności ocen

• • Rozwijanie backendu w Django REST Framework oraz integracja z bazami PostgreSQL.

• • Projektowanie i implementacja REST API (walidacja danych, paginacja, filtrowanie, autoryzacja). Remote

• • Optymalizacja zapytań SQL i ORM (select_related, prefetch_related), skrócenie czasu odpowiedzi bazy o ok. 30%.

• • Projektowanie i modyfikacja struktur danych dla zwiększenia wydajności systemu.

• •Wdrożenie testów jednostkowych i integracyjnych (pytest), co zmniejszyło liczbę błędówwśrodowisku testowym o 25%.

• • Implementacja walidacji danych (regex, walidatory DRF), poprawiającej bezpieczeństwo procesów logowania i rejestracji.

• • Udział w projekcie API do obsługi danych lotniskowych (airport API) – projektowanie endpointów, serializacja danych oraz integracja z zewnętrznymi źródłami danych.

• • Budowa i rozwój modułu automatycznego przetwarzania danych (web scraping) z wykorzystaniem Playwright oraz BeautifulSoup, normalizacja danych i zapis do PostgreSQL.

• • Refaktoryzacja kodu backendowego w celu zwiększenia czytelności i modularności architektury.