🎯 Profil zawodowy
Inżynier oprogramowania i systemów z 11+ letnim doświadczeniem w Java/Spring oraz projektowaniu i utrzymaniu rozproszonych systemów produkcyjnych (blockchain analytics, systemy grafowe, architektury cloud-native). Specjalizacja w systemach grafowych (Neo4j, własne algorytmy grafowe) oraz automatyzacji i infrastrukturze (AWS, Proxmox, DevOps). Magister informatyki (Deep Learning, 5.0) z pasją do optymalizacji wydajności i architektury danych.
✅ Kluczowe kompetencje:
- Java & Spring: 11+ lat komercyjnego doświadczenia, architektura systemów rozproszonych, API dla systemów finansowych/AML/blockchain
- Systems & DevOps: Proxmox VE, OPNsense, Linux, Docker, automatyzacje, monitoring
- Graph Databases: Neo4j & Cypher (3+ lata produkcyjne), projektowanie grafowych modeli danych, algorytmy propagacji ryzyka
- Cloud Platforms: AWS (S3, DynamoDB, Iceberg) - aktywna migracja cloud-native
- AI & GPU: Deep Learning (praca magisterska), GPU workloads, LLM/AI-assisted development
💼 Doświadczenie zawodowe
Kontekst: Lukka to rebrandowana Coinfirm - ciągłość zatrudnienia od października 2016. Obecnie zatrudniony na niepełny etat.
Równolegle rozwijam własną działalność B2B „Sebastian Gruza GruzaLab Software" (projekty konsultingowe, software, systemy).
Aktualne projekty (2024-2025):
- Cloud Migration Lead: Hands-on migracja platformy blockchain analytics na AWS cloud stack (S3, DynamoDB, Apache Iceberg)
- Data Lakehouse Architecture: Implementacja nowoczesnej architektury data lakehouse (Iceberg + S3)
- AI-Powered Development: Wczesna adopcja AI tools (Claude Code) w codziennym programowaniu Java
Technologie: Java, Spring Framework, AWS (S3, DynamoDB, Iceberg), NoSQL (MaprDB), Claude Code
🚀 Founding Engineer platformy blockchain analytics - od Neo4j do cloud-scale
- Zaprojektowałem algorytm "Proximity" - własny system propagacji ryzyka dla Bitcoin/Ethereum używany przez banki i giełdy krypto
- 2 major migrations: Neo4j → MaprDB (2019) → AWS Cloud (2024) - zero downtime, miliony transakcji dziennie
- Expert-level Neo4j & Cypher: Optymalizacja grafów z milionami węzłów, AML/KYC compliance
Tech: Neo4j, Cypher, MaprDB, Java, Spring, AWS (S3, DynamoDB, Iceberg)
- Outsourcing programistyczny: tworzenie modułów, rozwiązywanie problemów technicznych
- Rozwinięcie platformy InstaDB (Nianiolang)
Technologie: Java EE, .NET, Javascript, PHP, Oracle PL/SQL, MySQL
- Projekt związany z Vehicle Routing Problem with Time Windows (VRP-TW) - klasyczny problem optymalizacji grafowej
- Implementacja algorytmów dla optymalnego routingu z ograniczeniami czasowymi
Technologie: Java
🎓 Wykształcenie
Praca magisterska: "Zastosowanie głębokich sieci neuronowych do poprawy materiału nagranego na kasetach VHS"
Tematyka: Deep Learning, Neural Networks, Computer Vision, Image Processing
Unikalna kombinacja: IT + analiza danych + ekonomia
Teoria Grafów (przedmiot na studiach):
- Realizacja projektów programistycznych z zakresu teorii grafów
- Implementacje algorytmów grafowych dla innych studentów
- Solidne fundamenty teoretyczne + praktyczne zastosowania
🛠️ Umiejętności techniczne
Graph Databases (Expert)
Backend Development (Expert)
Databases & Cloud (Advanced)
Systems / DevOps / Infrastructure
AI / GPU / ML
Domain Expertise
🚀 Własne produkty
ShiftGo FLEX — AI-powered Shift Repair & Scheduling (SaaS)
Web: shiftgo.site | Start projektu: Sierpień 2025
Autorski globalny SaaS do generowania i naprawiania grafików zmianowych (2- i 3-zmianowych, 24/7). Zaprojektowany w duchu maksymalnej prostoty: bez kont, bez konfiguracji, klik → gotowy wynik.
Kluczowe fakty:
- Repair (Napraw grafik): inteligentna naprawa — system poprawia tylko przyszłość, przeszłość pozostaje faktem
- Architektura: Python + Flask, Redis (kolejka, cache, TTL), własny solver constraint-based
- Bezpieczeństwo: linki share o wysokiej entropii (160-bit), rate limiting, Cloudflare Turnstile
- Model FREE: w pełni funkcjonalny — bez logowania, localStorage, rolling horizon, link share z TTL ~72h
- Rynek docelowy: małe i średnie zespoły zmianowe (ochrona, hotele, fabryki, call centers) — globalnie
Technologie: Python, Flask, Redis, Constraint-based Solver, Cloudflare, localStorage
🏆 Projekty Open Source
TspSolver — Hybrydowy Algorytm Memetyczny z Akceleracją GPU dla TSP
GitHub: github.com/SebastianGruza/TspSolver | Gotowy do produkcji / Research-grade
Wysokowydajny solver dla Problemu Komiwojażera (TSP), zbudowany w Java + Spring, wykorzystujący Aparapi do przeniesienia pełnego Hybrydowego Algorytmu Memetycznego na GPU.
Kluczowe osiągnięcia:
- ✅ 50+ instancji benchmarkowych rozwiązanych z 0.0% odchyleniem od optimum
- ✅ Przetestowane na 100+ problemach TSP_LIB (zwalidowane wyniki, powtarzalne uruchomienia)
- ✅ Skalowalność do 9,882 miast z 3.57% odchyleniem
- ✅ Autorski dwupoziomowy model wysp/kolonii dla zapewnienia różnorodności populacji
- ✅ W pełni równoległy kernel GPU (TspGAKernel) wykonujący selekcję, krzyżowanie, mutację, przeszukiwanie Tabu
Innowacje algorytmiczne:
- • Hybrydowy silnik memetyczny — łączy algorytm genetyczny (OX) z lokalnymi heurystykami 2-Opt, 3-Opt
- • Przeszukiwanie Tabu zoptymalizowane pod GPU z pamięcią opartą na strukturze BST
- • Adaptacyjna strategia "Fazy 2" wykrywająca stagnację i dynamicznie dostosowująca parametry wyszukiwania
Kontinuum doświadczenia z teorią grafów (12+ lat):
- 2010–2013: Kurs "Teoria Grafów" – algorytmy ścieżek, heurystyki
- 2013–2014: VRP-TW — komercyjny silnik optymalizacji tras
- 2016–2019: Neo4j — produkcyjne algorytmy grafowe (propagacja ryzyka AML)
- 2020–obecnie: TspSolver — badania nad wielkoskalową optymalizacją grafową z wykorzystaniem GPU
Technologie: Java, Spring Boot, Aparapi (GPU), Algorytmy Genetyczne, Algorytmy Memetyczne, Przeszukiwanie Tabu
🌍 Języki
- Polski: Natywny
- Angielski: B2 (Professional working proficiency, wsparcie AI w komunikacji pisemnej)
🚀 Dostępność
- Tryb pracy: 100% remote ✅
- Obecne zatrudnienie: Niepełny etat (umowa o pracę)
- Forma współpracy: B2B contract ✅
- Okres wypowiedzenia: 3 miesiące
- Plan na okres wypowiedzenia: Odświeżenie i uzupełnienie wiedzy Neo4j (nowe wersje, features, best practices od 2019)
🎯 Dlaczego pasuję do roli Graph Database Engineer?
✅ Strong Neo4j Foundation + Quick Ramp-Up (2016-2019)
Przez 3 lata byłem founding engineer platformy blockchain analytics opartej na Neo4j:
- Zaprojektowałem i zaimplementowałem algorytm "Proximity" (graph-based risk propagation)
- Expert-level Cypher (w 2016-2019): Pisanie i optymalizacja zapytań dla grafów z milionami węzłów
- Graph Data Modeling: Projektowanie schematów pod kątem wydajności i skalowalności
- Performance Tuning: Indeksy, schema design, query optimization
Note: Neo4j z pewnością ewoluowało od 2019 - planuję 3-miesięczny okres wypowiedzenia wykorzystać na odświeżenie i uzupełnienie wiedzy (nowe features, best practices, aktualne wersje). Solidne fundamenty (graph theory, Cypher, data modeling) pozostają niezmienne.
| Wymaganie | Moje doświadczenie | Status |
|---|---|---|
| 8+ lat doświadczenia | 11+ lat Java development | ✅ Spełnione |
| 3+ lat Neo4j & Cypher | 3 lata (2016-2019) founding engineer Neo4j | ✅ Spełnione |
| Strong Java skills | 11+ lat, Spring Framework expert | ✅ Spełnione |
| Graph theory understanding | 12+ lat: Kurs akademicki + VRP-TW + Neo4j + TspSolver | ✅ Spełnione |
| Distributed systems | 9 lat blockchain analytics (miliony transakcji) | ✅ Spełnione |
| Cloud platforms (AWS) | Aktywna migracja AWS (S3, DynamoDB, Iceberg) | ✅ Spełnione |
| Higher education (CS) | Magister Informatyki (5.0) | ✅ Spełnione |
Dopasowanie: 100% wymagań
📊 Graf Wiedzy Kariery
Interaktywna wizualizacja połączeń między software, systemami, graph, AI, homelabem i biznesem GruzaLab. Przeciągaj węzły, zbliżaj i przewijaj!