Vaishnavi Dalal
بونه, الهند
Vaishnavi Dalal
مطور برمجيات | مطور ذكاء اصطناعي ومتكامل
الفئة : الذكاء الإصطناعي
أنا مطور برمجيات وذكاء اصطناعي ولدي خبرة في بايثون، و++C، وتطوير الفول ستك، وتطوير الخلفية، والتطبيقات المدعومة بالذكاء الاصطناعي. عملت على الأتمتة، وتحليل السجلات، وأنظمة لينكس، ومشاريع تعلم الآلة من خلال تدريبات ومشاريع تقنية.
أنا متخصص في بناء حلول عملية وقابلة للتوسع باستخدام بايثون، وFastAPI، وReact، و Next.js، و Node.js، وقواعد البيانات، وDocker، وتقنيات الذكاء الاصطناعي الحديثة مثل نماذج اللغة الكبيرة وRAG. يمكنني المساعدة في تطبيقات الويب، وواجهات برمجة التطبيقات الخلفية، وتكاملات الذكاء الاصطناعي، والأتمتة، والتصحيح، وحلول البرمجيات المخصصة.
أنا ملتزم بكتابة كود نظيف وموثوق وتقديم حلول تلبي متطلبات العملاء. دعنا نعمل معا لتحويل أفكارك إلى منتجات وظيفية!
أنا متخصص في بناء حلول عملية وقابلة للتوسع باستخدام بايثون، وFastAPI، وReact، و Next.js، و Node.js، وقواعد البيانات، وDocker، وتقنيات الذكاء الاصطناعي الحديثة مثل نماذج اللغة الكبيرة وRAG. يمكنني المساعدة في تطبيقات الويب، وواجهات برمجة التطبيقات الخلفية، وتكاملات الذكاء الاصطناعي، والأتمتة، والتصحيح، وحلول البرمجيات المخصصة.
أنا ملتزم بكتابة كود نظيف وموثوق وتقديم حلول تلبي متطلبات العملاء. دعنا نعمل معا لتحويل أفكارك إلى منتجات وظيفية!
أوقات العمل
- الإثنين:08h00 إلى 18h00
- الثلاثاء:08h00 إلى 18h00
- الأربعاء:08h00 إلى 18h00
- الخميس:08h00 إلى 18h00
- الجمعة:08h00 إلى 18h00
- السبت:غير موجود
- الأحَد:غير موجود
• ساهم في تقليل وقت تشخيص وكيل سحابة لينكس بنسبة 82٪ (من 30 إلى 5 دقائق) من خلال تطوير جهاز تلقائي
أداة التحقق الصحية المتصلة التي تقوم بتثبيت 35+، والاتصال، وTLS، والتكوين، والتحقق من صحة الوحدة
شيكات.
• بناء محلل سجلات مدعوم بالذكاء الاصطناعي يعالج 10,000+ سجل Cloud Agent، مما قلل وقت التحليل بنسبة 87٪
(من ساعتين إلى أقل من 16 دقيقة) وتوفير 15+ ساعة هندسية أسبوعيا من خلال تحليل السبب الجذري الذكي.
• تم حل 15+ خطأ في التطبيق من خلال التحقيق في الأسباب الجذرية، وتنفيذ الإصلاحات، والتحقق من صحة الحلول عبر المنصات
مكونات وكيل سحابة لينكس.
• أنشأ سير عمل استكشاف الأخطاء لوحدات 5+ من وكلاء سحابة لينكس (VM، الامتثال للسياسات، SWCA، FIM,
وEDR)، وأتمتة 35+ فحص تشخيصي، وتقليل جهد استكشاف الأخطاء اليدوية بنسبة 80٪، وتسريع
حل المشكلات لفرق الهندسة والدعم.
أداة التحقق الصحية المتصلة التي تقوم بتثبيت 35+، والاتصال، وTLS، والتكوين، والتحقق من صحة الوحدة
شيكات.
• بناء محلل سجلات مدعوم بالذكاء الاصطناعي يعالج 10,000+ سجل Cloud Agent، مما قلل وقت التحليل بنسبة 87٪
(من ساعتين إلى أقل من 16 دقيقة) وتوفير 15+ ساعة هندسية أسبوعيا من خلال تحليل السبب الجذري الذكي.
• تم حل 15+ خطأ في التطبيق من خلال التحقيق في الأسباب الجذرية، وتنفيذ الإصلاحات، والتحقق من صحة الحلول عبر المنصات
مكونات وكيل سحابة لينكس.
• أنشأ سير عمل استكشاف الأخطاء لوحدات 5+ من وكلاء سحابة لينكس (VM، الامتثال للسياسات، SWCA، FIM,
وEDR)، وأتمتة 35+ فحص تشخيصي، وتقليل جهد استكشاف الأخطاء اليدوية بنسبة 80٪، وتسريع
حل المشكلات لفرق الهندسة والدعم.
• أجرى أبحاثا في تحليل الإجهاد الحراري الحضري وتصنيف منطقة المناخ المحلية (LCZ) لمؤشر CME باستخدام
4 مجموعات بيانات جغرافية مكانية: طقس IMD، صور MODIS & Landsat، وبيانات الطائرات بدون طيار الحرارية.
• معالجة بيانات المناخ والجغرافيا المكانية لمدة 20+ سنة في محرك Google Earth لاستخلاص 5+ ميزات مكانية، بما في ذلك
درجة حرارة سطح الأرض (LST)، NVI، NDDI، كثافة الغطاء النباتي، وLULC، مما يتيح تقييم الإجهاد الحراري و
تحليل اتجاه درجة الحرارة.
• استخدم نماذج الغابات العشوائية، وSVM، وANN لتصنيف LCZ، محققا دقة تحقق تبلغ 83٪ و
التنبؤ باتجاهات درجات الحرارة المستقبلية في الحرم الجامعي حتى عام 2050.
• نماذج تم التحقق منها باستخدام اختبار ANOVA والملاحظات الحرارية بدون طيار، وأتمتة المعالجة الجغرافية المكانية لتقليل
تحليل يدوي بنسبة 40٪ أثناء توليد خرائط الحرارة، ومصفوفات الالتباس، ولوحات المعلومات، والتقارير التنفيذية.
4 مجموعات بيانات جغرافية مكانية: طقس IMD، صور MODIS & Landsat، وبيانات الطائرات بدون طيار الحرارية.
• معالجة بيانات المناخ والجغرافيا المكانية لمدة 20+ سنة في محرك Google Earth لاستخلاص 5+ ميزات مكانية، بما في ذلك
درجة حرارة سطح الأرض (LST)، NVI، NDDI، كثافة الغطاء النباتي، وLULC، مما يتيح تقييم الإجهاد الحراري و
تحليل اتجاه درجة الحرارة.
• استخدم نماذج الغابات العشوائية، وSVM، وANN لتصنيف LCZ، محققا دقة تحقق تبلغ 83٪ و
التنبؤ باتجاهات درجات الحرارة المستقبلية في الحرم الجامعي حتى عام 2050.
• نماذج تم التحقق منها باستخدام اختبار ANOVA والملاحظات الحرارية بدون طيار، وأتمتة المعالجة الجغرافية المكانية لتقليل
تحليل يدوي بنسبة 40٪ أثناء توليد خرائط الحرارة، ومصفوفات الالتباس، ولوحات المعلومات، والتقارير التنفيذية.
يرجى الدخول كزبون لإعطاء رأيكم
محتاجون إلى خدمة ؟
هل تريدون الإستفادة من خدمات هذا المحترف ؟
أنشروا إحتياجكم وستتلقون عشرات المقترحات من محترفي المنصة.
