Mario Rossi

mario.rossi@email.com
(555) 987-6543
Milano, Italia
in/mariorossi

Profilo

Ingegnere Software con oltre 6 anni di esperienza professionale in sistemi backend scalabili, infrastruttura cloud e architetture distribuite utilizzando Java, Python e AWS.

Esperienza Lavorativa

Ingegnere Software Senior

CloudScale Technologies

Milano, Italia

Febbraio 2022 - Presente

Progettato e implementato infrastruttura di microservizi utilizzando Java Spring Boot e AWS, supportando oltre 2M di transazioni giornaliere con 99,9% di affidabilità di uptime.
Guidato la migrazione da architettura monolitica a servizi containerizzati utilizzando Docker e Kubernetes, riducendo il tempo di deployment del 75% e i costi di infrastruttura del 30%.
Progettato e ottimizzato schemi di database PostgreSQL e implementato strategie di caching Redis, migliorando le prestazioni delle query del 60% per applicazioni ad alto traffico.
Collaborato con team DevOps e sicurezza per stabilire pipeline CI/CD utilizzando Jenkins e Terraform, garantendo test automatizzati e pratiche di deployment sicure in più ambienti.
Fatto da mentore a un team di 5 ingegneri junior sui principi di design di sistema e best practice, condotto interviste tecniche e stabilito standard di codifica che hanno migliorato la produttività del team del 40%.

Ingegnere Software

DataFlow Solutions

Roma, Italia

Settembre 2019 - Gennaio 2022

Sviluppato pipeline ETL robuste utilizzando Python e Apache Kafka, elaborando oltre 500GB di dati in tempo reale giornalmente per applicazioni di analisi e machine learning.
Costruito API REST scalabili utilizzando FastAPI e integrato con molteplici servizi di terze parti inclusi Stripe, SendGrid e Salesforce, supportando clienti enterprise con requisiti di integrazione complessi.
Implementato sistemi completi di monitoraggio e alerting utilizzando Prometheus e Grafana, riducendo il tempo medio di risoluzione per problemi di produzione del 50%.
Collaborato con team di data science per deployare modelli di machine learning utilizzando MLflow e AWS SageMaker, abilitando decision-making automatizzato per applicazioni business-critical.
Stabilito framework di testing automatizzato utilizzando pytest e implementato strumenti di qualità del codice incluso SonarQube, raggiungendo oltre il 90% di copertura del codice su tutti i servizi backend.

Educazione

Laurea in Ingegneria Informatica

Politecnico di Milano

Milano, Italia

Ago 2015 - Mag 2019

Competenze

Tecnologie Backend: Java, Python, Spring Boot, FastAPI, Node.js, GraphQL

Cloud e Infrastruttura: AWS, Docker, Kubernetes, Terraform, Jenkins, PostgreSQL, Redis

Usa questo Esempio