Hopp til innhold
EngineerProgramvare
Meny
Design
Norsk bokmål

Engineer / Programvare / Kategorier

Datastyring

  1. Én infrastrukturplan for 14 avdelinger

    Designet et helhetlig infrastrukturrammeverk for et forskningsinstitutt som berørte 14 avdelinger, med fleksible moduler, samlede datapipelines og strukturerte støttestrategier for varig innføring.

    Designet et helhetlig infrastrukturrammeverk for et forskningsinstitutt med 14 avdelinger — modulært, med enhetlige datapipelines og støttestrategier.

  2. Gjorde en geodatapipeline 50 ganger raskere

    Registrerte en forbedring på 50 ganger i en geografisk datapipeline i grunnleggerens arbeid hos Utiligize gjennom SQL- og datamodellendringer i PostgreSQL, MS SQL og Google Cloud BigQuery.

    Grunnleggeren registrerer en forbedring på 50 ganger i en geodatapipeline hos Utiligize gjennom SQL- og datamodellarbeid i PostgreSQL, MS SQL og BigQuery.

  3. Løste 1 000 problemer i geografiske data

    Løste 1 000 problemer i geografiske data og tidsseriedata med GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) og Bash, og sikret behandling av stordata med høy kvalitet.

    Løste over 1 000 problemer i geografiske stordata og tidsseriedata med GDAL, PostGIS, ArcGIS, Mapbox, QGIS og SQL — 35 % raskere spørringer.

  4. Publiserte 500 datarapporter om strøm og GIS

    Publiserte 500 analyserapporter om strøm- og GIS‑data, basert på grundige undersøkelser og feilsøking, for å sikre presis innsikt i geografiske stordata og tidsseriedata.

    Publiserte 500 analyserapporter om strøm- og GIS-data — et oppslagsverk på tvers av avdelingene for lastbalansering, effektivitet og avviksdeteksjon.

  5. Drev 100 datavarehus: Postgres, MS SQL, BigQuery

    Utformet, opprettet og administrerte 100 databaser for datavarehus i PostgreSQL, MS SQL og Google BigQuery, hovedsakelig med GIS- og tidsseriedata, og optimaliserte ytelse og skalerbarhet.

    Designet og drev 100 datavarehusdatabaser i PostgreSQL, MS SQL og BigQuery for GIS- og tidsseriedata — spørretidene gikk ned 40–60 %.

  6. Designet et funksjonsbasert datalag i PostgreSQL

    Designet et funksjonsbasert datalag i PostgreSQL — 1 275 lagrede funksjoner fordelt på 34 skjemaer — slik at hver lesing og skriving går gjennom en funksjon databasen kan gi tilgang til, i stedet for gjennom en tabell.

    Designet et funksjonsbasert datalag i PostgreSQL — 1 275 lagrede funksjoner i 34 skjemaer — der databasen selv håndhever tilgangsgrensen.

  7. Implementerte en katalogstyrt deep merge

    Implementerte en katalogstyrt deep merge av lagrede JSON‑innstillinger, som forhindrer krasj ved manglende nøkler når skjemaet utvikler seg.

    Implementerte katalogstyrt dyp fletting av lagrede JSON-innstillinger, som hindrer krasj ved manglende nøkler når skjemaet utvikler seg.

  8. Modellerte 348 tabeller i 34 Postgres‑skjemaer

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL‑skjemaer — fagfolk, selskaper, skip, stillinger, omtaler og resten — med SMALLINT‑oppslag og UUID v7‑nøkler.

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL-skjemaer, med SMALLINT-oppslag, UUID v7-nøkler og én navnekonvensjon.

  9. Bygde arbeidsflater for rekruttering og sjøfolk

    Bygde arbeidsflater for rekruttering og sjøfolks karriere; det registrerte øyeblikksbildet av implementasjonen omfatter 151 lagrede funksjoner i 48 tabeller for stillinger, søknader, sertifikater, rangutvikling og fartstid.

    Bygde arbeidsflater for rekruttering og sjøfolks karriere, med 151 funksjoner i 48 tabeller i det registrerte implementasjonsbildet.

  10. Erstattet 963 metadatablokker med én graf

    Byttet ut 963 anonyme blokker med strukturerte data, som gjentok selskapet 1 671 ganger, mot én lenket graf av 16 typer utledet fra stabile opprinnelsesidentifikatorer.

    Én graf med stabil identitet erstatter 963 anonyme gjentakelser, og sidene bærer mindre, ikke mer.

  11. Skrev tester for selve kontrollverktøyene

    Skrev tester for selve kontrollene etter å ha slått fast at en kontroll som bare får ren inndata, en dag vil melde rent fordi den ikke leste noe — plantet en stavefeil for å bekrefte at stavekontrollen finner den, og hentet et id‑område fra databasen i stedet for fra et tall i testen.

    Hvert kontrollskript i prosjektet har nå en test som beviser at det feiler på dårlige inndata, og assertene for intervaller leser fra sannhetskilden.

  12. Flyttet hver tekststreng inn i et innholdstre

    Flyttet alle brukerrettede strenger ut av Python og inn i et innholdstre på 874 filer på tre språk, etter å ha funnet døde oversettelser ingen kunne se var døde, og en kontroll som i det stille vurderte en tredjedel av resultatene.

    Teksten kan nå redigeres uten å røre koden og sammenlignes på tvers av språk ved å telle. Prisen er at det å legge til et språk nå er entydig og ikke gradvis…

  13. Bygde en tallkontroll på tvers av språk

    Bygde en innholdskontroll på tvers av språk som feiler når en oversettelse mister et tall den engelske teksten oppgir, og når et språk bruker en notasjon som ikke hører hjemme i det — og fant to danske beskrivelser som manglet en måleverdi, og seksten ukrainske tekstbiter med engelske anførselstegn.

    Atten reelle feil ble lukket, og hele feilklassen med dem, siden hver fremtidige oversettelse sammenlignes med sin engelske kilde før den kan committes.

Kontakt

Avklarer dere fortsatt hva dere trenger?

Fortell oss hva som går galt, eller hva dere prøver å bygge. Vi sier hva det vil kreve, omtrent hva det vil koste, og om vi er de rette til oppgaven.

Fra 1 400 DKK timen, eksklusive mva. — og mindre per time ved et lengre oppdrag.

welcome@engineer.company +45 50 10 61 84 København, Danmark