Kushath Nanduri

Ce que je construis

Je construis des systèmes data et ML, et je construis et automatise avec des agents IA. Chacun des projets suivants a été construit pour répondre à une vraie question, pas pour remplir un portfolio.

forge-prep est un outil d'évaluation de la qualité des données : un package Python publié (v0.1.0) qui audite un corpus d'entreprise et le note de 0 à 100 sur six dimensions avant que ces données n'atteignent le pipeline de fine-tuning Forge de Mistral. Il tourne uniquement sur la bibliothèque standard de Python, avec une suite de 38 tests sous GitHub Actions CI.

KrisCodec est un codec audio neuronal pour la musique, écrit à partir de zéro. Il utilise des activations Snake et un quantificateur vectoriel résiduel, produit un format .kris personnalisé, et décode en environ 7,4 ms. Je l'ai construit pour comprendre la conception d'un codec de bout en bout, pas pour en encapsuler un existant.

ARIA est une architecture de raisonnement. Un GPT-2 Small gelé (124M de paramètres) porte la connaissance, un noyau de raisonnement récurrent (~20M) itère dessus, et un contrôleur d'arrêt (~2M) décide quand s'arrêter. Environ 146M de paramètres au total, dont ~22M entraînables. Je l'ai entraîné sur ARC, GSM8K et PIQA pour tester si la profondeur de raisonnement au moment de l'inférence peut être ajoutée sans réentraîner le socle du modèle.

VOXMAX est une exploration de scoring vocal, encore privée et en développement : une application Expo / React Native adossée à un backend FastAPI qui transforme environ douze secondes de parole en un score, calculé par un vrai pipeline de caractéristiques acoustiques et non par un simple appel API.

ZXERO est un compagnon de codage IA : un agent conçu pour soutenir le vibecoding et le prompting contextuel avec les chatbots IA, aidant les développeurs à travailler plus efficacement avec les assistants de codage IA. Il a été lancé commercialement et a validé le modèle payant par des revenus Stripe réels, environ 1 247 $, auprès de ses premiers clients payants. Je l'ai ensuite volontairement fait passer d'un produit vendu à un outil ouvert et communautaire : le dépôt de code est public, les utilisateurs apportent leurs propres clés API et s'auto-hébergent, et il n'est plus commercialisé activement aujourd'hui, avec une véritable base d'utilisateurs réels.

Stickbook est un scrapbook partagé pour les voyages en groupe : une application web collaborative accessible par lien, où chaque membre du groupe peut ajouter, modifier et partager des photos et souvenirs d'un voyage partagé, sans compte requis. CRKLE est une agence technologique et IA que je dirige pour les petites entreprises : sites web, applications web et agents IA de réponse téléphonique sur mesure (Retell AI) qui gèrent les appels entrants de bout en bout pour des clients propriétaires d'entreprises, en plus du SEO et du GEO (Generative Engine Optimisation) pour que ces sites soient trouvés à la fois par les moteurs de recherche et par la découverte IA/LLM.

Mon parcours

Le matériel d'abord

J'ai commencé par la couche physique. Mon BTech est en génie électrique, électronique et communications, du Mahatma Gandhi Institute of Technology (décembre 2020–juillet 2024) : traitement du signal et pensée systémique appris depuis le matériel, avant que tout cela ne soit abstrait derrière un framework.

Au milieu de ce parcours, j'ai passé quatre mois chez Zonta Technologies à Hyderabad (octobre 2022–janvier 2023). J'ai développé et exécuté des stratégies et plans de test pour l'évaluation de plateformes, et soutenu l'intégration produit, la certification, les essais et les tests d'interopérabilité pour NDL (Network Design Lab) et FIT (First in Test). C'était de l'ingénierie de test et d'intégration, et cela m'a appris ce qu'il faut pour tenir un engagement de conformité à une norme avant la mise en production.

Puis Paris

Je suis venu à Paris pour un MSc en Data Science & Business Intelligence à l'EDC Paris Business School (septembre 2024–septembre 2026). J'ai choisi volontairement un programme à la croisée de l'ingénierie et du business : c'est à cette intersection que le travail sur la donnée trouve réellement sa place, et faire comme si ce n'était pas le cas produit de moins bons systèmes.

Ce que j'ai appris

La leçon à laquelle je reviens sans cesse, c'est la transition de ZXERO d'un produit vendu vers un outil ouvert. Ça fonctionnait : c'était lancé commercialement et ça générait de vrais revenus Stripe auprès de ses premiers clients payants. Je n'ai pas continué à le faire grandir comme quelque chose que je vendais. Je l'ai ouvert à la place : le dépôt de code est public, et les personnes qui l'utilisent aujourd'hui apportent leurs propres clés API et le font tourner elles-mêmes. Prouver que quelque chose fonctionne commercialement et décider de ne plus le vendre sont deux jugements distincts, et le second n'est pas un échec du premier.

La deuxième chose vers laquelle je reviens sans cesse, c'est la distance entre un système qui tourne et un système dont on peut mesurer le comportement. Faire tourner quelque chose, c'est la partie facile. Le chiffre de décodage de KrisCodec, environ 7,4 ms, existe parce que je l'ai mesuré, et l'outillage d'évaluation de forge-prep existe parce qu'un corpus qu'on ne peut pas noter est un corpus auquel on ne peut pas faire confiance. J'optimise pour le second type de système : celui qui vous dit quand il a tort.

Avec quoi je travaille

Au quotidien, je travaille en Python et SQL, je construis des pipelines et de l'ETL, du packaging et de la CI, ainsi que les contrôles de schéma et de qualité de données qui les rendent fiables. J'utilise Power BI, Tableau et pgAdmin quand il s'agit d'analyse, de dashboarding et de reporting. Côté ML, cela veut dire PyTorch, le traitement du signal audio, l'outillage d'évaluation, la préparation de données pour le fine-tuning, et la quantification vectorielle. Quand quelque chose doit être mis en production, c'est généralement FastAPI et des backends REST, React Native / Expo, Web Audio, et le déploiement qui va avec.

Côté agentique, je construis avec Claude Code et des serveurs MCP, dont un serveur MCP personnel qui centralise mon profil et mes preuves et se connecte à un système automatisé de génération de CV et de lettres de motivation, ainsi que des agents Claude Console pour le sourcing d'emploi automatisé et la capture du contexte des offres. J'automatise des workflows avec n8n, Make et Zapier, et je tiens mes notes et bases de données personnelles dans Notion, dont un curriculum SQL de 22 pages construit avec un jeu de données relationnel personnalisé. Pour les présentations, logos et le design visuel, j'utilise Canva.

Je laisse de côté ce que j'ai touché une fois mais jamais livré. C'est tout l'intérêt de cette page.

Ouvert aux postes en data, analytique, ingénierie IA et automatisation IA : des équipes qui construisent de l'outillage d'évaluation, de l'infrastructure data, des workflows agentiques, ou des systèmes ML où le travail est mesuré, pas affirmé.