Stack technologiczny
W pracy komercyjnej najczęściej korzystam z połączenia Node.js i TypeScript, które stanowią mój podstawowy warsztat programistyczny. Po godzinach chętnie eksperymentuję z Go, tworząc własne projekty i narzędzia, często w duchu prostoty i wysokiej wydajności. W przeszłości pracowałem również z Pythonem, głównie w kontekście mikroserwisów oraz przetwarzania i analizy danych. Dzięki temu potrafię dobierać język i technologię do specyfiki problemu, a nie odwrotnie.
Technologie:
Moim głównym narzędziem w backendzie jest Nest.js, w którym tworzę aplikacje oparte o mikroserwisy i komunikację asynchroniczną z wykorzystaniem brokerów wiadomości (np. RabbitMQ). W zależności od potrzeb stosuję także inne formy wymiany danych, jak RPC czy połączenia w czasie rzeczywistym oparte o sockety.
Jeśli projekt tego wymaga, tworzę rozwiązania serverless, często na bazie AWS Lambda. Mam doświadczenie zarówno w pracy z bazami relacyjnymi, jak i nierelacyjnymi, w tym szczególnie MongoDB i Redis, a także z wyszukiwarkami pełnotekstowymi, takimi jak Elasticsearch.
Technologie:
Od dłuższego czasu zgłębiam tematykę sztucznej inteligencji i jej zastosowań w programowaniu. Interesuje mnie przede wszystkim integracja modeli AI z backendem oraz to, jak mogą one wspierać i automatyzować procesy w aplikacjach. Eksperymentuję z narzędziami takimi jak LangChain czy Ollama, a także z podejściami typu RAG i Agentic AI.
Również na codzień korzystam z narzędzi AI do tworzenia kodu, testów i pisanie dokumentacji. Przyspiesza to moją pracę i pozwala na skupienie się na innych, twórczych zadaniach.
Technologie:
Zarówno w pracy, jak i w projektach prywatnych, staram się tworzyć rozwiązania od początku przygotowane do działania w chmurze. Najczęściej korzystam z AWS, Dockera oraz podejścia Infrastructure as Code przy użyciu Terraform.
Regularnie pracuję z pipeline’ami CI/CD, głównie w oparciu o GitLab CI i GitHub Actions, a sporadycznie także Jenkins. Obecnie rozwijam swoją wiedzę w zakresie Kubernetesa oraz zaawansowanych usług AWS, aby móc tworzyć jeszcze bardziej skalowalne i odporne na awarie systemy.
Technologie:
W pracy komercyjnej najczęściej korzystam z połączenia Node.js i TypeScript, które stanowią mój podstawowy warsztat programistyczny. Po godzinach chętnie eksperymentuję z Go, tworząc własne projekty i narzędzia, często w duchu prostoty i wysokiej wydajności. W przeszłości pracowałem również z Pythonem, głównie w kontekście mikroserwisów oraz przetwarzania i analizy danych. Dzięki temu potrafię dobierać język i technologię do specyfiki problemu, a nie odwrotnie.
Technologie:
Moim głównym narzędziem w backendzie jest Nest.js, w którym tworzę aplikacje oparte o mikroserwisy i komunikację asynchroniczną z wykorzystaniem brokerów wiadomości (np. RabbitMQ). W zależności od potrzeb stosuję także inne formy wymiany danych, jak RPC czy połączenia w czasie rzeczywistym oparte o sockety.
Jeśli projekt tego wymaga, tworzę rozwiązania serverless, często na bazie AWS Lambda. Mam doświadczenie zarówno w pracy z bazami relacyjnymi, jak i nierelacyjnymi, w tym szczególnie MongoDB i Redis, a także z wyszukiwarkami pełnotekstowymi, takimi jak Elasticsearch.
Technologie:
Od dłuższego czasu zgłębiam tematykę sztucznej inteligencji i jej zastosowań w programowaniu. Interesuje mnie przede wszystkim integracja modeli AI z backendem oraz to, jak mogą one wspierać i automatyzować procesy w aplikacjach. Eksperymentuję z narzędziami takimi jak LangChain czy Ollama, a także z podejściami typu RAG i Agentic AI.
Również na codzień korzystam z narzędzi AI do tworzenia kodu, testów i pisanie dokumentacji. Przyspiesza to moją pracę i pozwala na skupienie się na innych, twórczych zadaniach.
Technologie:
Zarówno w pracy, jak i w projektach prywatnych, staram się tworzyć rozwiązania od początku przygotowane do działania w chmurze. Najczęściej korzystam z AWS, Dockera oraz podejścia Infrastructure as Code przy użyciu Terraform.
Regularnie pracuję z pipeline’ami CI/CD, głównie w oparciu o GitLab CI i GitHub Actions, a sporadycznie także Jenkins. Obecnie rozwijam swoją wiedzę w zakresie Kubernetesa oraz zaawansowanych usług AWS, aby móc tworzyć jeszcze bardziej skalowalne i odporne na awarie systemy.
Technologie: