🧭 Dla rekrutera
Jeśli szukasz inżyniera, nie wykonawcy
11+ lat Java/Spring, 10 lat w blockchain analytics, founding engineer platformy opartej na Neo4j, kontrybutor Apache HugeGraph. Od maja 2026 Founder & Principal Engineer w GruzaLab Software. Magister informatyki, 5.0, praca z Deep Learningu.
| Backend | Java, Spring, REST API, systemy rozproszone |
|---|---|
| Graph | Neo4j, Cypher, Apache HugeGraph, algorytmy propagacji ryzyka, 12+ lat teorii grafów |
| Bazy danych | MaprDB, RocksDB, MySQL, Oracle PL/SQL |
| Systems / DevOps | Proxmox VE, Linux, Docker, Cloudflare |
| AI / GPU | Deep Learning, Numba CUDA, RTX 3090, Claude Code |
| Open source | Apache HugeGraph — 6 PR w master; TspSolver — mediana 0,198% od optimum (TSPLIB) |
Dostępność: 100% zdalnie lub hybrydowo w Warszawie (do 2 dni w tygodniu na miejscu), B2B lub etat. Pełne CV i graf kariery poniżej. Oferta dla firm: gruzalab.pl.
🎯 Profil zawodowy
Inżynier oprogramowania i systemów z 11+ letnim doświadczeniem w Javie (w tym 10 lat z Java 8+ w Coinfirm/Lukka, Spring Framework komercyjnie od ok. połowy 2017) oraz projektowaniu i utrzymaniu rozproszonych systemów produkcyjnych (blockchain analytics, systemy grafowe, architektury cloud-native). Specjalizacja w systemach grafowych (Neo4j, Apache HugeGraph, własne algorytmy grafowe) oraz automatyzacji i infrastrukturze (Proxmox, Linux, DevOps). Założyciel GruzaLab Software — autor systemu VetFlow, zbudowanego od zera do produkcji w 10 dni i używanego dziś przez trzy kliniki. Magister informatyki (Deep Learning, 5.0) z pasją do optymalizacji wydajności i architektury danych.
✅ Kluczowe kompetencje:
- Java & Spring: 11+ lat komercyjnego doświadczenia w Javie (10 lat Java 8+ w Coinfirm/Lukka), Spring od ok. połowy 2017, architektura systemów rozproszonych, API dla systemów finansowych/AML/blockchain
- Systems & DevOps: Proxmox VE, Linux, Docker, automatyzacje, monitoring
- Graph Databases: Neo4j & Cypher (3+ lata produkcyjne), kontrybutor Apache HugeGraph (6 PR w master), projektowanie grafowych modeli danych, algorytmy propagacji ryzyka
- Produkt end-to-end: VetFlow — system dla klinik weterynaryjnych: pierwsze wdrożenie produkcyjne po 10 dniach, dziś 5+ miesięcy rozwoju, ~264 tys. linii kodu w 8 repozytoriach, 2 000+ commitów
- AI & GPU: Deep Learning (praca magisterska), GPU (Numba CUDA), AI-orchestrated development (Claude Code, agenci autonomiczni)
💼 Doświadczenie zawodowe
Własna działalność „Sebastian Gruza GruzaLab Software": systemy szyte na miarę dla firm, software, infrastruktura, AI. Jeden operator prowadzi całą pętlę: analiza, architektura, implementacja, testy, wdrożenie.
- VetFlow (główny projekt): system dla klinik weterynaryjnych — od zera do wdrożenia produkcyjnego w 10 dni (55 000+ linii kodu, 35+ funkcjonalności; w modelu zespołowym 4–8 tygodni pracy kilkuosobowego zespołu). Dziś, po 5+ miesiącach rozwoju: używany przez trzy kliniki, ekosystem 8 repozytoriów, ~264 tys. linii kodu, 2 000+ commitów (szczegóły w sekcji „Własne produkty")
- AI-orchestrated development: zadania rozbijane na elementy z kryteriami odbioru, implementacja delegowana i nadzorowana, każda zmiana weryfikowana testami; architektura i audyty bezpieczeństwa jako część procesu
- Pilotaże B2B: 2-tygodniowe wdrożenia jednego procesu klienta na jego danych, w stałej cenie
- Apache HugeGraph: diagnoza i poprawki błędów we własnym laboratorium walidacyjnym, sześć PR przyjętych do master (m.in. #3204: ponawiane commity respektują przerwania, co ogranicza skutki niedostępności store'a dla wątków REST); walidacja zapytań REST i Gremlin na HStore i RocksDB w trybie oracle, 174 przypadki porównujące zbiory identyfikatorów (sekcja „Projekty Open Source")
- R&D: TspSolver — solver TSP na GPU (sekcja „Projekty Open Source")
Technologie: Python, FastAPI, PostgreSQL, JavaScript, Kotlin (Android), Claude Code, AES-256-GCM, 2FA (TOTP + SMS), testy E2E i bezpieczeństwa, Linux, Proxmox VE, Docker
Kontekst: Lukka to rebrandowana Coinfirm - ciągłość zatrudnienia od października 2016 do września 2026 (10 lat). Zatrudnienie na niepełny etat.
Projekty (2024-2026):
- Analiza środków: praca nad programem do analizy środków w Javie (Spring Boot)
- Projekt API: zaprojektowanie API składnika programu wywoływanego przez inne serwisy
- Mikroserwisy: udział w rozwoju platformy o architekturze mikroserwisowej, na której wyliczany był raport z modułem mojego autorstwa
- Cloud Migration Lead: Hands-on migracja platformy blockchain analytics na AWS cloud stack (S3, DynamoDB, Apache Iceberg), której celem było odejście od zbyt drogiego MapR
- Data Lakehouse Architecture: Implementacja nowoczesnej architektury data lakehouse (Iceberg + S3)
- SOC2: stosowanie polityki SOC2 dotyczącej bezpieczeństwa i audytowalności
- POC Apache HugeGraph: wykryte błędy były jedną z przyczyn odrzucenia rozwiązania; ich późniejsza reprodukcja i poprawki powstały w laboratorium GruzaLab Software
- AI-Powered Development: Wczesna adopcja AI tools (Claude Code) w codziennym programowaniu Java
Technologie: Java 8+, Spring Framework, Spring Boot, mikroserwisy, AWS (S3, DynamoDB, Iceberg), NoSQL (MaprDB), Apache HugeGraph (POC), 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, projektowany z myślą o skalowalności dla blockchainów z milionami transakcji dziennie przy zachowaniu wysokiej jakości algorytmu
- REST API: zaprojektowanie i wystawienie REST API w Javie (Spring Framework) jako części własnego programu do komunikacji z innymi systemami ekosystemu Coinfirm/Lukka
- Migracja Neo4j → MaprDB: po migracji algorytm propagacji ryzyka stał się domyślny w raporcie AML Coinfirm/Lukka
- Expert-level Neo4j & Cypher: Optymalizacja grafów z milionami węzłów, AML/KYC compliance
- MySQL: praca z MySQL na początku zatrudnienia
- Frontend: powierzchowna styczność z frontendem w Angularze, wyświetlającym graf z własnego algorytmu śledzenia środków
Tech: Neo4j, Cypher, MaprDB, MapR Streams (styczność), MySQL, Java 8+, Spring (od ok. połowy 2017), REST API, Angular (styczność), 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
Teoria grafów: projekty programistyczne i implementacje algorytmów grafowych
🛠️ Umiejętności techniczne
Graph Databases (Expert)
Backend Development (Expert)
Databases (Advanced)
Systems / DevOps / Infrastructure
AI / GPU / ML
Domain Expertise
🚀 Własne produkty
VetFlow — system dla klinik weterynaryjnych
Web: vet-flow.pl | Wdrożony na produkcji
Pełny system do prowadzenia kliniki weterynaryjnej, zbudowany przez jedną osobę: od zera do pierwszego wdrożenia w 10 dni, rozwijany od ponad 5 miesięcy. Wdrożony i używany w codziennej pracy trzech klinik. Zakres pierwszej wersji, na który software house potrzebuje 4–8 tygodni i kilkuosobowego zespołu.
Kluczowe fakty:
- Pierwsza wersja (10 dni): 55 000+ linii kodu, 35+ funkcjonalności, 120+ commitów
- Dziś: 5+ miesięcy rozwoju (2 miesiące intensywnej budowy, potem utrzymanie, aktualizacje i dalszy rozwój), 2 000+ commitów, ~264 tys. niepustych linii kodu w 8 repozytoriach, w tym ~38 tys. linii testów
- Ekosystem: główna aplikacja kliniki (~227 tys. linii, w tym ~38 tys. testów), aplikacja dla właścicieli zwierząt Łappky, VetApp (Android), Vet-Flow Connect (integracja wyników badań), wersja mobilna oraz usługi pomocnicze (knowledge, supervisor, router)
- Zakres: flow wizyty w 6 sekcjach, szczepienia z raportami do PIW, magazyn z automatycznym rozchodem, 8 typów dokumentów PDF, słowniki (411 chorób, 419 ras), kreator stron klinik (6 szablonów)
- Migracja danych: importer z dwóch systemów legacy z zachowaniem ciągłości pracy kliniki
- Codzienna praca: usunięcie licznych drobnych niedoskonałości poprzedniego programu, które utrudniały pracę w największej z trzech przychodni
- Bezpieczeństwo: szyfrowanie AES-256-GCM, 2FA (TOTP + SMS + kody zapasowe), audit log, RODO (eksport i usuwanie danych)
- Jakość: 11 rund testów E2E, testy bezpieczeństwa (auth, IDOR, SQLi, XSS)
- Proces: AI-orchestrated development — dekompozycja na zadania z kryteriami odbioru, nadzorowana implementacja, weryfikacja każdej zmiany
Stack:
- Backend: Python 3.12 (~150 tys. linii), FastAPI (async), PostgreSQL 16 (SQLAlchemy 2.0 + asyncpg, migracje Alembic)
- Bezpieczeństwo: JWT, bcrypt, TOTP, szyfrowanie pól PII (AES-256-GCM), sanityzacja HTML (nh3), rate limiting, Cloudflare Turnstile
- Dokumenty: WeasyPrint + Jinja2 (wydruki, faktury, kartoteki pacjentów)
- Integracje: KSeF (e-faktury FA XML), GUS BIR1 (REGON), S3/R2, Brevo (SMS i e-mail), import z Firebird (Klinika XP)
- Frontend: vanilla JavaScript (~65 tys. linii) bez frameworka i bundlera, CSS custom properties, FullCalendar; aplikacja Android w Kotlinie
- Proces: Claude Code (AI-orchestrated development), testy E2E i bezpieczeństwa
🌍 Języki
- Polski: Natywny
- Angielski: B2 (Professional working proficiency, wsparcie AI w komunikacji pisemnej)
🏆 Projekty Open Source
Apache HugeGraph — kontrybutor (rozproszona baza grafowa, Apache Software Foundation)
PR: github.com/apache/hugegraph | Lab: github.com/SebastianGruza/hugegraph-validation | 6 PR w master
We własnym labie reprodukuję błędy HugeGraph na prawdziwym klastrze, diagnozuję przyczynę, piszę poprawkę, mierzę przed/po i wysyłam ją upstream. Całość (reproducery, raporty, patche) dokumentuję w repozytorium walidacyjnym.
Zmergowane do apache/hugegraph master (wrzesień 2026):
- #3184 HStore: zapytania prefix/range po sort-key wywracały dekoder po stronie store'a; zapytania range tylko po sysprop nie są już pushdownowane
- #3204 store-client: zawieszony store blokował wątki REST na minuty; retry commitów respektują teraz przerwania
- #3207 paging zwracał rekord z granicy strony dwa razy, gdy limit był wielokrotnością 500 (RocksDB i HStore)
- #3210 serwer czeka na store'y przy starcie zamiast kończyć działanie przy zimnym starcie klastra
- #3216
usePD=truenie działało na JVM z locale używającym przecinka dziesiętnego - #3220 serwer po upgradzie z 1.7.0 z
usePD=trueczytał pusty schemat; nazwa meta-klastra wiązana przed otwarciem grafu
W review: typ danych DECIMAL (BigDecimal) w serwerze i toolchainie, endpoint GET /readiness świadomy storage'u.
Lab walidacyjny (hugegraph-validation):
- • Tryb oracle: te same zapytania REST i Gremlin na HStore (PD + 3 store'y) i embedded RocksDB, porównanie zbiorów id; 174 przypadki, zero ręcznie utrzymywanych oczekiwań
- • Prawdziwe awarie: 3 VM z procesami bare-metal oraz 3-węzłowy klaster k3s z chartem Helm: kill podów, pełny dysk, limity OOM, rolling upgrade pod obciążeniem
- • Każde znalezisko = reproducer + pomiar: skrypt, logi i liczby przed/po dla każdej poprawki; testy liczone przez upstream CI
Technologie: Java, Apache HugeGraph (HStore, PD, RocksDB), Gremlin, REST, Python, Bash, k3s, Helm
TspSolver — memetyczny solver TSP na GPU (Python + Numba CUDA)
GitHub: github.com/SebastianGruza/TspSolver | Research-grade / powtarzalne wyniki
Solver Problemu Komiwojażera (TSP) napisany od zera na jedną kartę RTX 3090 (Numba/CUDA), zbudowany w 7-dniowym eksperymencie z autonomicznym agentem AI (21–27.09.2026), z człowiekiem w pętli wyznaczającym kierunek i oceniającym trasy wzrokowo.
Kluczowe wyniki:
- ✅ Kaggle Santa 2018 — Prime Paths (197 769 miast): 1 526 256 od zera, bez LKH; 0,94% od szczytu leaderboardu
- ✅ TSPLIB: 41 instancji (52–9 882 miast), mediana 0,198% od optimum; 16 instancji ≤ 0,1%, 35 ≤ 1%, najgorsza 1,89%
- ✅ Lepszy od poprzedniej wersji solvera (Java + Aparapi, 2025) na każdej instancji, np. gr9882: 1,01% vs 3,57%
Architektura:
- • Tryb populacyjny (n ≤ 5000): memetyczny algorytm na GPU — wyspy, krzyżowanie OX, kolonie z migracją, tabu; polerowanie łańcuchem LK/or-opt
- • Tryb fragmentów (duże instancje): łańcuch Lin–Kernighana, Or-opt, 2-opt, ILS z double-bridge, mini-ILS per blok CUDA w shared memory,
uncross - • Proces: każda hipoteza mierzona „bramką" (10 min × 3 seedy, mediana), bandyta konfiguracji na nocne przebiegi, dziennik co 12 h
🚀 Dostępność
- Tryb pracy: 100% remote ✅ lub hybrydowo w Warszawie (najwyżej 2 dni w tygodniu na miejscu)
- Prawo do pracy: UE ✅
- Obecnie: własna działalność GruzaLab Software (B2B); etat w Lukka zakończony we wrześniu 2026
- Forma współpracy: B2B contract ✅
🎯 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!