MVP i aplikacje webowe
Landing, panel, dashboard, backend, integracje, prototyp produktu i pierwsza wersja gotowa do testów.
Freelance / contract software delivery
Dawid Bartczak. End‑to‑end MVP builder.
Jestem Dawid Bartczak. Łączę full-stack, aplikacje desktop/mobile, automatyzacje oraz ML/NLP, żeby zamieniać niejasne problemy w działające systemy. Moje starsze projekty powstały ręcznie, przed powszechnym AI-assisted codingiem. Dziś używam AI jako mnożnika produktywności, bez oddawania mu decyzji inżynierskich.
6+lat samodzielnego budowania projektów
9publicznych repozytoriów jako dowód pracy
4obszary: web, desktop, mobile, ML/NLP
AI+AI jako mnożnik, nie zamiennik myślenia
Co możesz mi zlecić
End-to-end MVP bez przerzucania odpowiedzialności między ludźmi.
Najlepiej działam tam, gdzie trzeba szybko zrozumieć problem, zaprojektować sensowną architekturę i zbudować działającą wersję produktu.
Narzędzia i automatyzacje
Skrypty, boty, workflow, narzędzia wewnętrzne i małe systemy, które oszczędzają czas zespołu.
Prototypy ML / NLP
Eksperymenty z tekstem, OCR, klasyfikacją, modelami i pipeline'ami, gdy klasyczny CRUD nie wystarcza.
Wybrane case studies
Dowody, nie deklaracje.
Te projekty pokazują trzy różne rodzaje dowożenia: produkt desktopowy, pipeline ML i full-stackowy eksperyment NLP.
Byteflow
Lekka, wieloplatformowa aplikacja do komunikacji szeregowej zbudowana w Tauri.
- Łączy praktyczny problem sprzętowy z czytelnym UI.
- Pokazuje umiejętność budowania narzędzi użytkowych, nie tylko stron.
- Dobrze nadaje się jako dowód myślenia produktowego.
Paragon Pipeline
Seria modeli i algorytmów do odczytu, klasyfikacji oraz ekstrakcji informacji z polskich paragonów.
- Łączy kilka wyspecjalizowanych modeli w jeden proces.
- Pokazuje pracę z nieidealnymi danymi i polskim kontekstem językowym.
- To najmocniejszy dowód samodzielnego ML/NLP problem solvingu.
CrimsonGPT
Full-stackowy eksperyment z małym modelem językowym przed fazą fine-tuningu.
- Łączy frontend produktu z eksperymentem ML.
- Pokazuje ciekawość wokół modeli językowych jeszcze przed boomem AI toolingowym.
- Ma działające demo i publiczny kod.
Projekty bez AI
Ręcznie zbudowany fundament problem solvingu.
Obecne projekty traktuję jako dowód samodzielnego rozumienia technologii. AI nie pisało ich za mnie. To ważne, bo dziś mogę używać AI szybciej, mając własny fundament.
Aplikacja desktopowa
Bez AIByteflow
Lekka, wieloplatformowa aplikacja do komunikacji szeregowej zbudowana w Tauri.
DesktopTauriSerial I/OUX
ML / OCR / NLP
Bez AIParagon Pipeline
Seria modeli i algorytmów do odczytu, klasyfikacji oraz ekstrakcji informacji z polskich paragonów.
OCRNERTransformersReceipts
Full-stack / NLP
Bez AICrimsonGPT
Full-stackowy eksperyment z małym modelem językowym przed fazą fine-tuningu.
Full-stackLLMNLPProduct UI
Grafika / algorytmy
Bez AICanvasGL
Rasteryzacja trójkątów z interpolacją barycentryczną w HTML Canvas.
CanvasGraphicsMath
Matematyka / wizualizacja
Bez AIParametric Regression
Dopasowywanie funkcji do zbioru punktów metodą regresji parametrycznej z wizualizacją w Canvas.
RegressionCanvasMath
Aplikacja mobilna
Bez AIBiteBack
Aplikacja mobilna z konkursu programistycznego wspierająca ograniczanie marnowania jedzenia.
MobileReact NativeProduct
NLP tooling
Bez AICrimson Tokenizer
Tokenizator BPE trenowany na korpusie polskich tekstów datasetu SpeakLeash.
BPETokenizerPolish NLP
Wspierane AI
AI przyspiesza proces, ale decyzje zostają po stronie inżyniera.
Nie sprzedaję AI jako magii. Używam go jak senior używa dobrych narzędzi: do researchu, wariantów architektury, refaktoru, testów, dokumentacji i szybszego sprawdzania hipotez.
Szybszy research
Porównanie bibliotek, API, ograniczeń hostingu i edge-case'ów przed implementacją.
Lepszy refactor
Używam AI do generowania wariantów, ale finalny wybór opieram o czytelność, ryzyko i testy.
Więcej testów i dokumentacji
AI pomaga szybciej opisać scenariusze, przypadki brzegowe i instrukcje wdrożenia.
Proces
Od chaosu do działającej wersji.
01
Discovery
Ustalam problem, użytkownika, ograniczenia i minimalny zakres MVP.
02
Architektura
Rozbijam system na moduły, dane, interfejsy i ryzyka techniczne.
03
Build
Buduję pionowy slice produktu, potem dokładam funkcje według wartości.
04
Iteracja
Testuję, upraszczam, poprawiam UX i usuwam kruche fragmenty.
05
Deploy
Przygotowuję build, Docker/hosting i instrukcje dalszego utrzymania.
Zakres techniczny
Szeroko, ale spięte jednym celem: dowieźć produkt.
Frontend
Next.jsReactTypeScriptSCSSUX systems
Apps
TauriReact NativeDesktop toolsMobile prototypes
Backend / DevOps
Node.jsAPIsDockerLinux hostingGitHub
ML / CS
NLPOCRNERTokenizationCanvasRegression
Kontakt
Masz problem, który trzeba zamienić w działający produkt?
Napisz krótko, co chcesz zbudować, jaki jest cel biznesowy i czy potrzebujesz MVP, prototypu, automatyzacji czy konsultacji technicznej.