depuis la création du compte
Confiez votre projet à Dinahasina
Faites appel à l'expertise de Dinahasina pour faire avancer votre projet, ou découvrez d'autres freelances pour trouver celui qui correspondra parfaitement à vos besoins.
Architecte logiciel en solutions robustes et matures, j'élabore des systèmes distribués haute performance en privilégiant l'optimisation des ressources et la fiabilité. Mon approche combine l'adoption de solutions bas niveau et d'architectures microservices pour garantir une distribution fluide, une maintenabilité exemplaire et une efficacité industrielle.
• Développement Backend : Conception, développement et déploiement de plateformes SaaS basées sur Node.js et Django, avec une forte implication dans la qualité logicielle, la performance et la maintenabilité, sur des environnements distribués et hautement disponibles.
• Architecture Logicielle : Contribution active aux choix d’architecture applicative backend (organisation des services, patterns, event-driven architecture, event sourcing, normalisation des flux), avec une familiarité solide des systèmes distribués et une influence sur les décisions d’architecture globale.
• Blockchain & Sécurité : Intégration de composants blockchain (token ERC-20) au sein d’architectures backend distribuées, incluant la sécurisation des flux sensibles, mécanismes de signature, certification, contrôle d’intégrité et sécurisation des communications inter-services.
• Ingénierie de données : Conception de formats de fichiers optimisés et bufferisés, interopérables avec des logiciels industriels de traitement de données géospatiales, et intégration via des extensions logicielles dédiées.
• Traitement et visualisation Lidar : Développement d’algorithmes C++ optimisés pour le traitement parallèle, le streaming, la préparation et la visualisation de nuages de points Lidar (PDAL, LAStools, libLAS, PCL, CGAL).
• Extraction et navigation de données : Implémentation de mécanismes d’extraction séquentielle et de navigation dans des jeux de données clusterisés via des requêtes graphiques structurées (sélections, coupes, projections).
• Pipelines de données : Mise en place de pipelines de transport et de validation garantissant l’intégrité, la cohérence et l’efficacité lors du chargement et du streaming de données massives.