Jakub Pociask
Kraj: Poland
Lokalizacja: Rzeszów, PL
Na Useme od 8 sierpnia 2026
O mnie
Zajmuję się automatyzacją pracy z danymi i usprawnianiem powtarzalnych procesów w Excelu oraz Pythonie. Pomagam w porządkowaniu, łączeniu i weryfikacji baz danych, przygotowywaniu raportów, pracy z plikami CSV/XLSX oraz integracji danych z API i publicznych źródeł.
Tworzę rozwiązania, które skracają wielogodzinną pracę ręczną do kilku minut obsługi i kontroli jakości. Stawiam na poprawność danych: niejasne rekordy, braki i rozbieżności oznaczam do weryfikacji zamiast automatycznie „zgadywać”.
Mam także doświadczenie w obliczeniach GPU z wykorzystaniem NVIDIA CUDA. Pozwala mi to przyspieszać ciężkie obliczenia i przetwarzanie dużych zbiorów danych dzięki równoległej pracy karty graficznej.
Technologie: Python, Excel, SQL, API, automatyzacja, analiza danych, CUDA/GPU. Chętnie podejmuję zlecenia cykliczne: aktualizację baz, raportowanie, weryfikację danych i przygotowywanie powtarzalnych zestawień.
Kategorie
Portfolio
Automatyzacja weryfikacji danych – Python + QA
Projekt demonstracyjny: automatyczne pobieranie, normalizacja i porównywanie danych z wielu źródeł. System wykrywa rozbieżności, generuje raport DIFF i kolejkę QA zamiast nadpisywać niepewne dane. Python, API, Excel/CSV.
Automatyczne raportowanie – Excel + Python
Pipeline do cyklicznego tworzenia raportów: import plików, normalizacja danych, agregacja, obliczanie KPI, generowanie XLSX i kontrola poprawności. Rozwiązanie zaprojektowane do ponownego uruchamiania po dostarczeniu nowych danych.
Benchmark pobierania i walidacji danych
Demonstracyjny raport techniczny z rzeczywistego testu pipeline'u do masowego pobierania i przetwarzania dokumentów publicznych. Test objął 1000 rozproszonych rekordów: 1000/1000 poprawnie pobranych PDF oraz 1000/1000 poprawnie wygenerowanych plików
Automatyczne uzupełnianie baz – API + Excel
Projekt demonstracyjny automatyzujący pobieranie i uzupełnianie danych firm z publicznych rejestrów. Pipeline: identyfikacja → API → normalizacja → Excel → QA. Problematyczne rekordy są oznaczane do kontroli zamiast zgadywania danych.
Własny projekt analityczny rozwijany jako produkt Bubble Score Daily. Backend wykorzystuje Python i NVIDIA CUDA do równoległego przetwarzania dużej liczby obliczeń, z batchingiem, walidacją wyników i automatycznym raportowaniem.