Govindaiah Simuni는 어린 시절부터 컴퓨터를 좋아했고 청소년기에 프로그래밍을 배웠습니다. 그는 항상 의욕이 넘치고 집중력이 뛰어나며 열정적인 개인이었으며 어렸을 때부터 자신이 가지고 있던 기술을 깨달았습니다. 이러한 기술을 최대한 활용하기 위해 그는 2003년에 기술 여행을 시작하고 핀테크 회사와 협력하기 시작했습니다. 그는 아메리칸 드림을 이루기 위해 2007년 미국으로 건너가 핀테크 기업과 계속 협력해왔습니다.
Govindaiah는 배치, 데이터, AWS 클라우드와 Active Directory, Exchange, Windows Server 제품, 기타 AWS 기술 및 솔루션과 같은 온프레미스 제품을 위한 복잡한 솔루션의 아키텍처를 전문으로 하는 배치 및 데이터 솔루션 설계자입니다.
데이터 솔루션 아키텍트의 역할에는 고객과의 관계를 유지하고 AWS에 서비스를 원활하게 배포하는 것이 포함됩니다. 여기에는 개념 증명 설계 및 구현, 템플릿 및 권장 아키텍처로 고객 지원, 비즈니스 및 기술 요구 사항을 견고한 클라우드 지원 배포로 변환하는 작업이 포함됩니다.
그는 엔터프라이즈 데이터 아키텍처 문제를 해결하고 고객이 원하는 비즈니스 결과를 달성하도록 보장하는 데 열정을 갖고 있습니다. 현재 데이터 처리 모델 문제에 대한 솔루션을 제공하는 그의 최근 연구는 정말 인상적입니다. 이 솔루션은 대체 환경을 갖춘 대규모 프로덕션 환경의 동기화 문제에 대한 솔루션을 제공하여 수정 사항을 테스트하고 대기 시간을 최소화하면서 프로덕션에 릴리스합니다. 대규모 프로덕션 환경에서 소규모 대체 환경으로 최소한의 데이터 세트를 식별하고 동기화하는 방법을 설명합니다. 또한 최소한의 감독, 리소스 및 비용으로 이기종 환경 간의 데이터 마이그레이션 솔루션을 제공합니다.
빅 데이터 웨어하우스에서는 지속적인 모니터링이 필요한 엄격한 SLA에 따라 수천 개의 작업이 야간 배치로 실행됩니다. 현재 지원 인력 팀은 동시에 둘 이상의 애플리케이션을 수동으로 모니터링하고 문제에 대응합니다. 수동 모니터링은 단조롭고 일상적이며 힘들고 인적 자원 집약적입니다. 본 발명은 기계 학습을 체계적으로 사용하여 스스로 학습하고, 치유하고, 개선하는 엔드투엔드 배치 프로세스 시스템을 모니터링하는 프레임워크를 구축합니다. AI/ML 시스템은 모니터링하면서 배치 프로세스의 구조, 일정, 실행 속도, 오류 및 수정 사항을 학습합니다.
시간이 지남에 따라 효율성이 향상되고 안정성, 안정성 및 확장성이 향상됩니다. 시스템을 모니터링하기 위해 여러 시간대에 있는 글로벌 팀의 복잡한 일정에 대한 필요성을 최소화 및/또는 제거하기 위해 분산형 자율 조직(DAO)을 통해 결정이 즉시 내려질 것입니다.
조직에서는 데이터가 일괄 처리 및/또는 애플리케이션 프로세스를 통해 매일 관계형 데이터베이스로 수집됩니다. 관계형 데이터 모델은 참조 무결성을 강화하여 데이터 일관성을 유지합니다. 이는 일반적으로 관련 작업/프로세스에 대한 종속성을 설정하여 수행됩니다. 그러나 참조 무결성에 의해 강제되는 종속성은 배치 및/또는 애플리케이션이 직렬 방식으로 데이터를 수집하도록 합니다. 상위-하위 링크가 누락되면 참조 무결성으로 인해 프로세스 또는 작업 오류가 발생할 수 있습니다. 따라서 종속성으로 인해 SLA 위반이 자주 발생합니다.
데이터 통합은 합병과 관련된 여러 회사에 속한 여러 시스템의 데이터를 결합하고 조화시키는 프로세스로, 본질적으로 모든 이질적인 데이터 소스를 하나의 응집력 있는 시스템으로 통합하여 합병 후 효율적인 운영을 가능하게 합니다. 시스템 병합 중 데이터 통합의 핵심 사항: 데이터 통합, 데이터 매핑, 데이터 변환 및 데이터 통합의 핵심 사항입니다. 사후 데이터 통합 시스템은 데이터 지속가능성을 지속적으로 유지합니다.
SQL 쿼리 해석기는 데이터베이스에서 사용 가능한 계획 및 쿼리 성능을 기반으로 쿼리 성능을 예측하는 데 중점을 둡니다. 런타임에 영향을 미치는 기능은 정적 및 동적 요소를 기반으로 평가하고 순위를 매기고 유사성 %를 기준으로 버킷화하며 이를 사용하여 도구를 생성하지만 쿼리 성능을 별도로 예측하는 데 기계 학습 기술을 사용하는 방법에 대한 자세한 내용 또는 통역사처럼 작동하는 사용자 인터페이스. 사용자 또는 애플리케이션의 테이블/열 사용량 및 하루 중 시간을 기준으로 데이터를 동적으로 구성(자동 정규화, 비정규화, 제거, 파티션 등)하고 실행 빈도에 따라 그룹화합니다. 프레임워크는 데이터를 별도의 파일로 동적으로 이동하거나 병합합니다(목록 버킷팅의 경우 디렉터리).
Govindaiah Simuni는 IoT, 통신 및 고급 기술 분야에서 탄탄한 배경을 갖고 있으며 해당 분야에서 거의 20년의 경험을 보유하고 있습니다. 그는 현재 Bank of America에서 데이터 솔루션 설계자로 일하고 있으며 AI, 기계 학습 및 증강 지능의 적용에 중점을 두고 핀테크 및 기술 분야의 다양한 이니셔티브에 기여하고 있습니다. 그는 마드라스 대학교에서 전자 및 통신 공학 석사 학위를 취득했으며 여러 전문 저술 및 연구 공헌을 통해 데이터 아키텍처 분야에 기여해 왔습니다. Simuni는 데이터와 기술의 복잡한 문제를 해결하기 위한 솔루션을 탐색하고 개발하는 데 전념하고 있습니다.
