Profil professionnel & CV

Dragan Miljanović

AI-Native Software Engineer

Basé à Podgorica, Monténégro · disponible pour une collaboration internationale à distance

Je développe et livre des applications web, backend, Android et Windows desktop avec des workflows AI-native structurés portés par Codex.

Échanger sur votre besoinVoir les projets

Profil professionnel

Ingénieur logiciel AI-native orienté développement produit sur applications web, backend, Android et Windows desktop.

Depuis 2025, je développe, apprends et travaille activement avec Codex, des agents IA et des outils d’ingénierie associés.

Le travail couvre automatisation Python, reporting SQL, systèmes BI, workflows temps réel et multi-appareils, Embedded Systems Research, architecture pratique, implémentation, debugging, tests et préparation au déploiement.

Compétences clés

  • Développement produit AI-native
  • Applications web full-stack
  • Backend & REST APIs
  • Applications Android
  • Applications Windows desktop
  • Automatisation Python
  • Reporting SQL & Business Intelligence
  • Systèmes temps réel et multi-appareils
  • Embedded / ESP32 R&D
  • Préparation au déploiement
  • Debugging et tests d’acceptation

Projets sélectionnés

MojAI

Workspace de développement AI-native multi-projets.

Next.js, TypeScript, PostgreSQL, Prisma, REST APIs.

Plateforme AI-native privéeÉtude de cas

Band Guide

Plateforme Android multi-appareils pour performance live et setlists.

Android, Java, Firebase, synchronisation temps réel. Tests : 107 tests, 0 échecs/erreurs/skipped.

Plateforme Android multi-appareilsÉtude de cas

LOCIRA

Plateforme temps réel de suivi GPS et dispatch taxi.

Kotlin Android, Node.js, REST APIs, cartes, sockets.

Plateforme de dispatch temps réelÉtude de cas

Pharmacy Assistant

Plateforme d’information pharmaceutique assistée par IA.

Web, Android, REST API, recherche assistée par IA. Soutient les workflows d’information et ne remplace pas le jugement médical ou pharmaceutique.

Plateforme d’information assistée par IAÉtude de cas

Ultra Fast Search

Application Windows desktop de recherche locale.

Packaging MSIX et distribution Microsoft Store terminés.

Publié sur Microsoft StoreÉtude de cas

Matrice Stage

Système Android offline pour performance live.

Kotlin, Local WebSocket, architecture offline-first.

Système Android de performance offlineÉtude de cas

Formation

  • Diplômé en management
  • Ingénieur en informatique

Méthode d’ingénierie AI-native

  1. Analyser
  2. Architecturer
  3. Agent Tasking
  4. Implémenter
  5. Revoir
  6. Tester
  7. Debugger
  8. Déployer
  9. Itérer

En parallèle d’une formation pratique continue et de cours sélectionnés, j’ai développé mon propre workflow d’ingénierie logicielle agentique pour planification, architecture, implémentation, tests, debugging et livraison.

Codex et les outils IA accélèrent l’implémentation et l’investigation, tandis que je garde le contrôle des exigences, de l’architecture, de la validation, des décisions de sécurité et de la préparation des releases.

Contexte professionnel

Expérience avec des organisations publiques et privées sur des workflows logiciels, de reporting et de systèmes d’information.

Domaines techniques complémentaires

Python

  • outils musique et audio
  • workflows de préparation de backing tracks
  • workflows liés à la suppression vocale
  • automatisation et traitement de données

Reporting SQL

  • systèmes de reporting locaux sur mesure
  • accès direct en lecture aux bases SQL approuvées
  • rapports métier et dashboards
  • intégration read-only avec attention à la sécurité lorsque pertinent

Embedded Systems Research

Systèmes ESP32 exploratoires connectés à Android pour contrôle eau/puits et workflows anti-grêle.

Disponibilité

  • Opportunités professionnelles à distance
  • Rôles d’ingénierie AI-native
  • Rôles full-stack et backend
  • Développement Android
  • Projets logiciels sur mesure
  • Discussions de licence produit