使用说明
你好，我是Siva👋
🧠 关于我
具有强烈技术和科学好奇心的AI/ML工程师，使用RAG、MCP、n8n和端到端自动化框架构建AI代理。
我喜欢将机器学习与科学推理相结合，以解决Finanace、汽车、生物技术、自动化和人工智能系统中的现实问题。
🎓 教育
- 海德拉巴大学硕士
🤖 自治代理
-
构建了自主的人工智能代理，通过自动分类、路由和建议传入事件的解决方案来减少ServiceNow票证分流时间。
-
使用开发了SDLC自动化代理 LangGraph，其中多个代理（PM、前端、后端、QA）通过定义的节点和边缘进行协作，实现结构化的工作流编排。
-
实现 共享上下文记忆 在代理之间保持任务连续性，并改善整个开发生命周期的决策。
🤖 机器学习和深度学习体验
我在实际生产用例中实现并微调了各种ML和DL模型。
机器学习模型：
线性回归、逻辑回归、支持向量机、决策树（DT）、随机森林（RF）、KNN、朴素贝叶斯（NB）、，
梯度增强决策树（GBDT），XGBoost
深度学习模型：
深度神经网络（DNN）、卷积神经网络（CNN），
循环神经网络（RNN）、长短期记忆（LSTM）
🛠 技术技能
人工智能与代理系统
- 检索增强生成（RAG）
- 模型上下文协议（MCP）
- n8n自动化
- 本地LLM和OpenAI模型
- 矢量数据库（ChromaDB、Pinecone）
- LangChain和LangGraph
机器学习与数据
- Python、pandas、NumPy
- scikit-learn，XGBoost
- TensorFlow/PyTorch（学习）
- 数据清理、建模和评估
开发者工具
- Git和GitHub
- Docker、WSL
- Jupyter笔记本，谷歌Colab
🚀 当前项目
- 使用RAG+MCP构建人工智能代理，实现科学和操作自动化
- 稳定性测试和冷链自动化概念
- 试剂交易所（剩余试剂市场——创意阶段）
- 时间序列和期权交易数据的机器学习实验
📂 特色存储库
- RAG-ICH-Q6B
- QC稳定性设计助手
- 试剂交换MVP
- 简单选项信号
📫 联系
- 领英： www.linkedin.com/insivadataphd
- 电子邮件： sivadatasci@gmail.com
