2026ರ ಪ್ರಮುಖ ನಿರ್ಮಾಣಗಳು
ಯೋಜನೆಗಳು
ಪೋರ್ಟ್ಫೋಲಿಯೋ ಈಗ AI-ಪ್ರಧಾನ, ಬ್ಯಾಕೆಂಡ್-ಪ್ರಧಾನ ಯೋಜನೆಗಳ ಸುತ್ತ ನೆಲೆಗೊಂಡಿದೆ, ಇದು ನಾನು ವೃತ್ತಿಪರವಾಗಿ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿರುವ ದಿಕ್ಕನ್ನು ಉತ್ತಮವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ: model ನಿರ್ಮಾಣ, agent ಆರ್ಕೆಸ್ಟ್ರೇಷನ್, ಸುರಕ್ಷಿತ ಸ್ವಾಯತ್ತತೆ ಮತ್ತು ವರ್ಕ್ಫ್ಲೋ ಎಂಜಿನಿಯರಿಂಗ್.
2026 · Decoder-only ಭಾಷಾ ಮಾದರಿ
Phoenix 125M
ಕಸ್ಟಮ್ tokenizer, data pipeline ಮತ್ತು training loop ಜೊತೆಗೆ ಒಂದೇ RTX 3080 Ti ಮೇಲೆ ಮೊದಲಿನಿಂದ ತರಬೇತಿ ಪಡೆದ LLaMA-ಶೈಲಿಯ 125M parameter ಮಾದರಿ.
The project is an end-to-end exercise in model building: corpus curation, tokenization, training stability, benchmarking, and open-source packaging.
✓ ~2B tokens processed, Apache 2.0 release, WinoGrande 0.507.
2026 · ಬಹುಭಾಷಾ ಭಾಷಾ ಮಾದರಿಗಳು
Sweta-Hi and Sweta-Kn
ಕಸ್ಟಮ್ tokenizers ಮತ್ತು ಎಂಡ್-ಟು-ಎಂಡ್ ಬಹುಭಾಷಾ data pipeline ಜೊತೆಗೆ LLaMA-ಶೈಲಿಯ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮೇಲೆ ನಿರ್ಮಿಸಲಾದ ಹಿಂದಿ ಮತ್ತು ಕನ್ನಡ pretraining ಪ್ರಯತ್ನಗಳು.
This work is focused on underrepresented language coverage, practical training throughput, and evaluation quality ahead of release.
✓ Custom tokenizers, async data loading, released on HuggingFace.
2026 · Fine-tuning · Text-to-SQL
SQLForge: Mistral 7B QLoRA
Mistral 7B v0.3 ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹ text-to-SQL ಮಾದರಿಯಾಗಿ ಪರಿವರ್ತಿಸುವ 4-bit QLoRA fine-tune. Phoenix 125M ಗೆ ಬಳಸಿದ ಅದೇ 12 GB GPU, ಮುಂಚಿತವಾಗಿ ನಿಗದಿಪಡಿಸಿದ 3.75 GB VRAM ಹೆಡ್ರೂಮ್, ಮತ್ತು ಮೊದಲ WikiSQL ರನ್ ಮೆಟ್ರಿಕ್ ಸುಳ್ಳು ಹೇಳುತ್ತಿದೆ ಎಂದು ತೋರಿಸಿದ ನಂತರ schema-aware ಮೌಲ್ಯಮಾಪನದ ಮರುನಿರ್ಮಾಣ.
The project is a focused engineering exercise in capability lift on consumer hardware: model selection by VRAM math, LoRA rank tuning, instruction-template-correct loss masking, and an evaluation harness that does true execution-accuracy comparison against table rows rather than string match.
✓ +77.8 percentage point exact-match lift, 97.4 percent valid SQL, ~8.25 GB peak VRAM on a 12 GB card.
2026 · Agentic ವಿಷಯ pipeline
LinkedIn Post Swarm
ಡ್ರಾಫ್ಟ್ ರಚನೆ, ವಿಮರ್ಶೆ, ಅನುಮೋದನೆ ಮತ್ತು ನಿಗದಿತ ಪ್ರಕಟಣೆಗಾಗಿ Claude, Ollama, Playwright ಮತ್ತು Telegram ಬಳಸುವ ಬಹು-agent ಪ್ರಕಟಣಾ ವರ್ಕ್ಫ್ಲೋ.
The system includes critic-revision loops, source aggregation, state management, retries, and escalation paths so autonomy stays controllable.
✓ Human-in-the-loop approvals, resilient retries, scheduled output.
2026 · ಸ್ವಾಯತ್ತ AI ಭದ್ರತಾ ಆರ್ಕೆಸ್ಟ್ರೇಟರ್
Rudra
ಕಟ್ಟುನಿಟ್ಟಾದ scope guardrails, sandboxed ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಆಡಿಟ್ ಮಾಡಬಹುದಾದ event-driven ವರ್ಕ್ಫ್ಲೋಗಳ ಸುತ್ತ ನಿರ್ಮಿಸಲಾದ ಬಹು-agent ಆಕ್ರಮಣಕಾರಿ ಭದ್ರತಾ ಆರ್ಕಿಟೆಕ್ಚರ್.
The emphasis is on safe autonomy: typed validation, retry budgets, isolation boundaries, and guardrails that make the system usable for serious testing.
✓ Recon + Analyst agents complete. Scope validation, sandbox, and audit trail fully designed.
2026 · AI-ಚಾಲಿತ lead generation ವರ್ಕ್ಫ್ಲೋ
LocalLeads
ವ್ಯವಹಾರ ಶೋಧ, AI ವಿಷಯ ರಚನೆ, ಸೈಟ್ ಜೋಡಣೆ, ಡೆಪ್ಲಾಯ್ಮೆಂಟ್ ಮತ್ತು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಔಟ್ರೀಚ್ಗಾಗಿ ಎಂಡ್-ಟು-ಎಂಡ್ ಬ್ಯಾಕೆಂಡ್ ಸಿಸ್ಟಮ್.
Operational controls include SQLite state tracking, Telegram approvals, deployment automation, and delivery flows aimed at production-style reliability.
✓ ~25 businesses contacted, live deployment automation, Telegram approval gates.
2026 · ಸ್ವಾಯತ್ತ trading intelligence ಸಿಸ್ಟಮ್
ATIS
ಭಾರತೀಯ ಷೇರುಗಳ ಮೇಲೆ swing trading ಗಾಗಿ 6-ಹಂತದ ಸ್ವಾಯತ್ತ ಸಿಸ್ಟಮ್, ಇದು ಸಂಶೋಧನಾ ಪತ್ರಗಳು ಮತ್ತು ಫೈಲಿಂಗ್ಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ, causal knowledge graph ಅನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, walk-forward ಮತ್ತು Monte Carlo ಮೌಲ್ಯೀಕರಣದೊಂದಿಗೆ theses ಅನ್ನು backtest ಮಾಡುತ್ತದೆ, ಮತ್ತು 600 NSE/BSE ಷೇರುಗಳ ಮೇಲೆ ದೈನಂದಿನ ಶ್ರೇಣೀಕೃತ swing trade signals ಅನ್ನು ರೂಪಿಸುತ್ತದೆ.
The system is built on three principles: every signal traces to a validated thesis in the knowledge graph, every LLM reasoning step is verified against Neo4j facts, and the architecture self-improves through Elo-based thesis lifecycle management and agent decision auditing.
✓ 59 agents built, Rust hot path implemented, 85/100 system effectiveness score on free data alone.
2026 · Model Context Protocol server
Dhan MCP Server
ನನ್ನ ಲೈವ್ DhanHQ broker ಖಾತೆ ಮತ್ತು ಭಾರತೀಯ ಮಾರುಕಟ್ಟೆ ಡೇಟಾವನ್ನು ಯಾವುದೇ MCP client ಗೆ ತೆರೆದಿಡುವ Model Context Protocol server, ಇದರಿಂದ Claude ಅಥವಾ Copilot ಹೋಲ್ಡಿಂಗ್ಗಳು, positions ಮತ್ತು option chains ಬಗ್ಗೆ ನೇರವಾಗಿ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಬಹುದು.
Built on the official DhanHQ SDK v2 with 11 live tools across portfolio, market data, options, and instrument discovery, two transports, and order placement implemented but disabled so it can never touch real money unintentionally.
✓ 11 live MCP tools, official DhanHQ SDK v2, order placement disabled by default for safety.
2026 · ಕೋಡ್ ಗ್ರಹಿಕೆ ಸಾಧನ
CodeAtlas
C ಸೋರ್ಸ್ ಅನ್ನು ಪ್ರತಿ-ಫಂಕ್ಷನ್ Mermaid flowcharts ಆಗಿ ಪರಿವರ್ತಿಸುವ ಕೋಡ್ ಗ್ರಹಿಕೆ ಸಾಧನ, ಎರಡು ಪರಸ್ಪರ ಬದಲಾಯಿಸಬಹುದಾದ engines ಜೊತೆಗೆ: ನಿರ್ಣಾಯಕ AST ಮಾರ್ಗ ಮತ್ತು LLM ಮಾರ್ಗ, FastAPI backend ಮತ್ತು React canvas ಮೇಲೆ ಒದಗಿಸಲಾಗಿದೆ.
The same backend exposes two diagram modes selected by an environment flag. AST mode parses C with ast-grep and emits Mermaid directly, fast and deterministic with no model in the loop. LLM mode sends each function to a model through LiteLLM, so it works against local Ollama, GitHub Models, OpenAI, or Anthropic without code changes.
✓ Two diagram engines (AST and LLM), four-service Docker stack, default to local Ollama so it runs free and offline.
2026 · GraphRAG knowledge graph
GraphMind
trade ಮತ್ತು ಸಂಶೋಧನಾ ಡೇಟಾವನ್ನು Neo4j knowledge graph ಮತ್ತು ChromaDB vector store ಆಗಿ ಸ್ವೀಕರಿಸುವ GraphRAG ನಿರ್ಮಾಣ, ನಂತರ graph traversal, dense retrieval ಮತ್ತು hybrid search ನಡುವೆ ಆಯ್ಕೆ ಮಾಡುವ LangGraph ReAct agent ಮೂಲಕ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ.
Retrieval is three-pronged: Neo4j Cypher for multi-hop relationship questions (which analysts covered an instrument, how funds connect to trades to sectors), dense vectors for semantic similarity, and BM25 for exact terms like tickers. Dense and sparse results are merged with Reciprocal Rank Fusion so meaning and exact-match both count.
✓ Neo4j + ChromaDB + BM25 fused via Reciprocal Rank Fusion, exposed as tools to a LangGraph ReAct agent.
2026 · LLM firewall ಹೊಂದಿರುವ GraphRAG
PaperGraph
ಸಂಶೋಧನಾ ಪತ್ರಗಳ ಕ್ಯುರೇಟ್ ಮಾಡಿದ corpus ಮೇಲೆ GraphRAG ಪ್ರಶ್ನೋತ್ತರ, ನಾಲ್ಕು-ಪದರದ LLM firewall ನಿಂದ ಮುನ್ನೆಲೆಯಲ್ಲಿ, offline RAGAS ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಸ್ವಯಂ-ಹೋಸ್ಟ್ ಮಾಡಿದ Langfuse tracing ಜೊತೆಗೆ, GCP Cloud Run ಗಾಗಿ ಪ್ಯಾಕೇಜ್ ಮಾಡಲಾಗಿದೆ.
PaperGraph fuses a Neo4j knowledge graph with vector retrieval, then guards the entire path with an LLM firewall built to survive untrusted input. It is the flagship for production RAG, AI safety, and LLM observability.
✓ 100% injection-block on a 20-prompt adversarial set, offline RAGAS + Langfuse, 45 tests passing.
2026 · Demand-forecasting + inventory copilot
KiranaIQ
ಸಣ್ಣ ಭಾರತೀಯ ಕಿರಾಣಾ ಅಂಗಡಿಗಳಿಗಾಗಿ demand-forecasting ಮತ್ತು inventory copilot: ಬಿಲ್ ಒಂದನ್ನು ಫೋಟೋ ತೆಗೆಯಿರಿ, ಪ್ರತಿ-SKU forecasts, ಸರಳ-ಭಾಷೆಯ ವಿವರಣೆಗಳು, ಮರು-ಆರ್ಡರ್ ಪ್ರಮಾಣಗಳು ಮತ್ತು ಬೆಲೆ ಪ್ರಯೋಗಗಳನ್ನು ಪಡೆಯಿರಿ.
KiranaIQ bundles five capabilities small retailers have no analytics for today: reading a paper bill, forecasting demand per item, explaining the forecast, recommending what and how much to reorder, and testing price changes safely. It is the flagship for classical and forecasting ML, explainability, and applied product engineering.
✓ Measured WAPE 35.8% vs 62.1% seasonal-naive on synthetic retail data, 64 tests passing.
2026 · Learning-to-rank retrieval benchmark
hybrid-search-bench
ಪ್ರಾಮಾಣಿಕ hybrid-retrieval benchmark: BM25, SPLADE ಮತ್ತು dense retrieval, ಒಗ್ಗೂಡಿಸಿ ನಂತರ LambdaMART learning-to-rank ಮಾದರಿಯಿಂದ rerank ಮಾಡಲಾಗಿದೆ, ಸಾರ್ವಜನಿಕ BEIR ಡೇಟಾಸೆಟ್ ಮೇಲೆ ಅಳೆಯಲಾಗಿದೆ.
Three retrieval legs are evaluated on the same qrels, fused with reciprocal-rank fusion, and then reordered by a learning-to-rank reranker trained on the train split. It is the flagship for search, ranking, and the classical learning-to-rank skills that pure-LLM portfolios usually miss.
✓ BEIR SciFact nDCG@10 0.778 vs 0.728 RRF (+6.9%); BM25 0.686 matches the published figure.
ಹಿಂದಿನ ಕೆಲಸ
ಪ್ರಸ್ತುತ ತಲೆಮಾರಿನ ಕೆಲಸಕ್ಕೆ ಮೊದಲು, ಇಂದಿಗೂ ಮುಖ್ಯವಾಗಿರುವ ಅಭ್ಯಾಸಗಳನ್ನು ರೂಢಿಸಿಕೊಳ್ಳಲು ನಾನು ಸಣ್ಣ ML ಮತ್ತು web ಯೋಜನೆಗಳನ್ನು ಬಳಸಿದೆ: ಪ್ರಯೋಗ, ಡೀಬಗ್ಗಿಂಗ್ ಮತ್ತು ಸಂಪೂರ್ಣ ಸಿಸ್ಟಮ್ಗಳ ಬಿಡುಗಡೆ.
2023
Semantic Search Engine
An earlier information retrieval build that combined semantic search ideas with enterprise documentation use cases and set up later work in retrieval-heavy AI systems.
2022
Super Resolution
An image enhancement project built to understand GAN-based vision pipelines and experiment rigor in visual ML work.
2022
Photo to Monet-style art
A CycleGAN style-transfer exploration that taught me a lot about training instability, qualitative evaluation, and visual debugging.
2022
Library Management
A MERN-stack build that sharpened my full-stack fundamentals around CRUD, search, and practical product structure.
ಮಾರ್ಗಸೂಚಿಯಲ್ಲಿ
ಮುಕ್ತವಾಗಿ ನಿರ್ಮಿಸುವ ಮೊದಲು ನಾನು ಮುಂದೆ ಯೋಜಿಸುತ್ತಿರುವುದು.
ಯೋಜಿಸಲಾಗಿದೆ
KiranaIQ forecasting v2
ಅನಿಯಮಿತ-ಬೇಡಿಕೆ ನಿರ್ವಹಣೆ ಮತ್ತು ಎಲ್ಲಾ ಅಂಗಡಿಗಳಾದ್ಯಂತ ಒಂದೇ ಜಾಗತಿಕ model ಜೊತೆಗೆ KiranaIQ ಭವಿಷ್ಯ ಊಹೆಯ ನಿಖರತೆಯನ್ನು ಸುಧಾರಿಸಿ.
GitHub ನಲ್ಲಿ ನೋಡಿ →Open-source ಮತ್ತು ಸಾರ್ವಜನಿಕ ಕೆಲಸ
ಮಾದರಿಗಳು, ಕೋಡ್ ಮತ್ತು ಪ್ರಯೋಗಗಳನ್ನು ಅನ್ವೇಷಿಸಿ
ಎಲ್ಲಾ ಪ್ರಮುಖ ಯೋಜನೆಗಳನ್ನು GitHub ನಲ್ಲಿ ದಾಖಲಿಸಲಾಗಿದೆ. Model weights ಮತ್ತು cards ಅನ್ನು Hugging Face ನಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ.