Avenash Kabeera
Verified Expert in Engineering
Software Developer
Avenash在软件开发生命周期的各个领域拥有15年以上的经验, 在开发web应用程序方面有良好的记录, back-end services, and external APIs. 他是一名工程领导者和导师，在不同阶段的公司中拥有建立和扩展高性能团队的经验, 指导软件架构, design, and implementation, 管理跨管理层的利益相关者, product, strategy, operations, 以及业务开发功能.
Portfolio
Experience
Availability
Preferred Environment
Git, Visual Studio Code (VS Code)， Windows
The most amazing...
...我所从事的项目是建立一个企业级的投资组合报告批处理web应用程序，允许客户管理100的报告生成,000s.
Work Experience
软件工程经理
Affinidi
- 与产品合作, strategy, 以及业务开发，以定义产品愿景和路线图，通过可验证的凭证来利用分散的身份，实现分散的可信数据交换.
- 在整个销售周期中为客户互动提供技术指导和专业知识.
- 为Ceal生态系统设计微服务架构，用于快速产品验证, 支持快速转向新用例.
- 开发了从构思到生产的企业门户网站, 提供凭据颁发功能, 以及OAuth与用户凭证钱包的无缝集成.
- 为Ceal移动应用程序开发了一个新的QA框架，使QA测试自动化, 为每个版本的产品所有者节省50多个小时的手工测试.
- 实施工程最佳实践, 包括全面的设计和编码指南以及严格的代码审查过程, 使团队构建更加健壮, maintainable, 以及可测试的应用程序.
- 通过Terraform(基础设施即代码)为13个微服务建立和维护CI/CD管道, 使部署更容易到AWS.
- 作为软件工程经理，组建了三个19名工程师的制作团队.
- 建立一种“自由和责任”的文化，灌输一种强烈的学习和成长的心态，高度的自主性和责任感, 从而在整个组织中获得最高的晋升率和最快的进步.
高级机器学习工程师|技术负责人
Agoda
- 重新架构Spark作业和管道，以独立执行任务, 在不中断现有生产过程的情况下，稳定性提高50%以上.
- 重新设计并实现了Room Mapping将Spark作业简化为生产者/消费者模式，以支持多个实例的并行执行, 吞吐量增加25%以上.
- 与产品负责人合作对产品假设进行A/B测试, 改进用户体验和业务指标, 包括每日客房预订增加5%.
- 开发强大的数据管道，结合机器学习模型和匹配算法来处理大量供应商数据(100+ TB/次), 常常是不正确和支离破碎的, to achieve 99.房间测绘精度为9%.
- 优化了核心ETL作业，每天处理大约3亿条记录，减少了85%的内存使用.
- 开发了一个web应用程序和SOP，为运营团队启用自助配置房间映射规则引擎, 每周节省10小时以上的开发时间.
- 与数据科学家密切合作，训练并整合新的机器学习模型到当前的属性映射中，并简化中文属性的定位.
Software Engineer
Clients
- 设计并开发了一个新的c++ UI和框架，以取代客户端的遗留流程，优化DeltaV工作流，实现自动化, 优化运营效率，提供更好的用户体验.
- 已部署的软件作为带有Microsoft Installer的Windows应用程序来封装所有现有进程依赖项, 为最终用户删除手动设置和配置.
- 将应用程序打包到Microsoft安装程序中，该安装程序设置其所有依赖项, 允许终端用户立即开始使用.
- 利用不同的解决方案堆栈评估各种许可模型和实现路线图，为客户制定最终建议.
Lead Software Engineer
FactSet
- 领导全球办事处的三个工程团队，在投资组合分析部门开发和维护10个应用程序.
- 启动了创建统一web应用程序的项目, 投资组合报告处理程序, 替换四个遗留的批处理应用程序, 为客户的批处理工作流程提供一站式解决方案.
- 设计了一个长时间运行的基础设施，将投资组合报告处理程序的复杂操作卸载到后台进程, 显著提高作业运行成功率40%.
- 创建了一个集中式批处理API来编排和管理50,000+ reports per job, 减少30%以上的代码冗余.
- 主导设计开发了自动转换系统，实现无缝迁移10次,000多个客户文档和作业到下一代平台, 节省产品经理六个月的手工工作.
- 与项目经理和其他工程团队合作，为工程团队制定项目计划和优先级.
高级软件工程师
FactSet
- 从头开始构建私人财富管理应用程序, 将FactSet引入财富管理领域, 现已成为FactSet下一代财富解决方案的基础.
- 在一个周末内构建了一个原型web应用程序，并说服高级管理层投资将遗留Portfolio Publisher迁移到一个新的web应用程序.
- 重新设计了遗留Portfolio Batcher基础设施，从运行进程内作业到运行分布式服务, 在不中断客户生产流程的情况下提高可扩展性和稳定性.
- 创建了一个统一的API来替换三个Portfolio Publisher应用程序使用的不同遗留框架, 将客户端问题数量减少50%以上.
Experience
一个用于网络爬虫的文件下载模块
http://github.com/akabeera/file-downloader文件下载器非常强大，因为它能够支持巨大的文件(50GB以上的范围)而不会超时, 它可以在失去互联网连接的情况下自动重新启动下载, 它允许你控制每次下载的内存使用.
它也是非常可配置的. 您可以指定并行下载的文件数量, by size, 并在下载时破坏每个文件. 您还可以指定连接到服务器的最大超时以及在文件下载期间等待服务器活动的最大超时.
工作流自动化MVP
-将软件部署为Windows应用程序，并使用Microsoft Installer封装所有现有进程依赖项, 为最终用户删除手动设置和配置(c++).
•评估各种许可模式和实施路线图，利用不同的解决方案堆栈，为客户制定最终建议.
Skills
Languages
c++， Python, JavaScript, JavaScript 5, Perl, TypeScript, SQL, Java, Scala, Python 3, XSLT
Tools
Git, Draw.io
Paradigms
敏捷软件开发, 面向对象编程(OOP), RESTful Development, Unit Testing, Agile, Scrum, Microservices
Platforms
Windows, Visual Studio Code (VS Code)， Visual Studio 2017, Jupyter Notebook
Frameworks
AngularJS, Express.js, Flask, Spark, Hadoop, NestJS, Next.js, Jest
Libraries/APIs
wxWidgets, React, Node.js, NumPy, REST APIs
Storage
MySQL, PostgreSQL, Redis, Apache Hive, Data Pipelines
Other
Data Warehouse Design, Quantitative Analysis, Statistics, Data Structures, Algorithms, Operating Systems, Linear Algebra, Differential Equations, Image Processing, Signal Processing, Software Engineering, Regression, Quantitative Modeling, Engineering Management, Technical Leadership, Machine Learning, Big Data, Neural Networks, Deep Learning, Distributed Software, System Design, DocumentDB
Education
定量方法与建模理学硕士学位
巴鲁克学院-美国纽约州纽约市
计算机和电子工程学士学位
纽约大学坦顿工程学院-美国纽约州纽约市
Certifications
Sequence Models
Coursera
改进深度神经网络:超参数调优、正则化和优化
Deeplearning.ai via Coursera
构建机器学习项目
Deeplearning.ai via Coursera
神经网络和深度学习
Deeplearning.ai via Coursera
Machine Learning
斯坦福大学通过Coursera
How to Work with Toptal
在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.
Share your needs
Choose your talent
开始你的无风险人才试验
对顶尖人才的需求很大.
Start hiring