SriMallika Potluri

Analysé des modèles de prédiction de cyberattaques ainsi que des méthodologies clés telles que les séries temporelles, le profilage comportemental et la détection d’anomalies. Proposé un modèle de prédiction ayant significativement amélioré la précision et étendu la fenêtre de détection de 2 à 5 secondes, favorisant ainsi l’identification précoce des cyberattaques. Réalisé une analyse comportementale approfondie des séquences d’appels API collectées en phase de pré-attaque, à l’aide d’outils avancés tels que MobSF et Frida. Créé un jeu de données personnalisé à partir de journaux comportementaux dynamiques et de traces d’événements, permettant l’évaluation et la comparaison quantitative des modèles.

Extrait et traité des données brutes provenant de sources variées afin d’analyser les modèles d’émissions carbone. Assuré la fiabilité et la précision des analyses grâce à un nettoyage, une validation et une transformation rigoureuse des données. Identifié les tendances clés en matière d’émissions, contribuant à orienter des stratégies d’investissement ESG et à générer une levée de fonds verts de plusieurs millions d’euros. Collaboré avec des équipes pluridisciplinaires pour transformer les analyses en recommandations concrètes en faveur de la finance durable.

Optimisé l’évolutivité et la fiabilité du système grâce au débogage, à l’analyse et à la résolution efficace de problèmes HTML et CSS. Corrigé les incohérences d’affichage et les problèmes de compatibilité entre navigateurs, augmentant l’efficacité du code de 25 %. Collaboré avec les développeurs web à la mise en place de tests automatisés, réduisant le temps de test des applications de 50 %. Participé à un projet de refonte de site web, ayant permis d’améliorer les performances, d’accélérer le temps de chargement de 25 % et d’augmenter l’engagement des utilisateurs de 30 %.

Contribué au succès de l’équipe de support informatique de niveau 1 en assurant le support initial et en aidant à la classification et à la priorisation des demandes. Mis en place un pipeline automatisé de gestion des tickets, améliorant de 20 % les délais de première réponse et de résolution, et augmentant ainsi l’efficacité globale du support. Collaboré avec différentes équipes et automatisé plusieurs processus manuels, permettant un gain de 40 heures-personnes par jour.