B.E. Computer Science · Chennai, India · IEEE Researcher
コンピュータサイエンス学士 · チェンナイ · IEEE研究者
Samuel Oral Robert V
Backend Systems·
AI Infrastructure·
Compiler Engineering·
IoT Research
バックエンドシステム·
AIインフラストラクチャ·
コンパイラエンジニアリング·
IoTリサーチ
I don't learn by reading. I learn by building.
Every project here exists because I needed to understand something deeply enough
to construct it from first principles.
読むことで学ぶのではなく、構築することで学びます。
ここにある各プロジェクトは、何かを第一原理から理解するために生まれました。
The Learning Method
学習方法
Systems I Wanted to Understand
理解したかったシステム
Each project started with a question. The only way to answer it honestly was to build the system from scratch and find out.
各プロジェクトは一つの問いから始まりました。誠実に答えるには、システムをゼロから構築して確かめるしかありませんでした。
01
The Question
問い
How do programming languages actually work — from source text to execution?
プログラミング言語はソーステキストから実行まで、実際にどのように機能するのか？
Domain Explored
探求領域
Compiler design — lexing, parsing, AST, bytecode emission, stack VM
02
The Question
問い
How do retrieval systems find semantically relevant content at speed?
検索システムはどのように速度を保ちながら意味的に関連するコンテンツを見つけるのか？
Domain Explored
探求領域
RAG pipelines — vector indexing, embedding models, FAISS, LLM chaining
03
The Question
問い
How do production systems detect failure and recover without human intervention?
本番システムはどのように障害を検知し、人間の介入なしに回復するのか？
Domain Explored
探求領域
Observability — metrics, alerting, automated remediation with Ansible
04
The Question
問い
How do data teams catch quality failures before they reach downstream consumers?
データチームはどのように品質障害がダウンストリームに到達する前に捕捉するのか？
Domain Explored
探求領域
Data quality engineering — schema validation, drift detection, lineage tracking
05
The Question
問い
How can constrained IoT hardware generate agricultural intelligence at scale?
制約のあるIoTハードウェアはどのように大規模な農業インテリジェンスを生成できるのか？
Domain Explored
探求領域
Applied IoT — embedded C++, ESP32, drone coordination, sensor fusion
Engineering Philosophy
エンジニアリング哲学
I
Build from first principles
第一原理から構築する
Don't use a library to understand what it does. Build the thing beneath the library. That's where the real understanding lives.
ライブラリが何をするかを理解するためにそれを使わない。ライブラリの下にあるものを構築する。そこに本当の理解がある。
II
Own the problem completely
問題を完全に所有する
Every project I build is a problem I took ownership of from day zero — not a tutorial followed, not a template modified. A real decision made, then carried through.
構築するすべてのプロジェクトは、初日から所有した問題です。チュートリアルではなく、テンプレートでもなく、実際の決断を下し、それを貫き通したものです。
III
Ship. Validate. Improve.
出荷・検証・改善
A prototype that is never published teaches nothing about correctness under real constraints. SmartFarmX moved from prototype to IEEE publication. That gap is where the engineering happens.
公開されないプロトタイプは、実際の制約下での正確さについて何も教えません。SmartFarmXはプロトタイプからIEEE論文へ。そのギャップでエンジニアリングが起こります。
IV
Depth across layers
層を超えた深さ
Compilers, retrieval systems, monitoring agents, data pipelines. These span four different layers of computing. Breadth of depth — not breadth of surface — is what makes hard problems approachable.
コンパイラ、検索システム、監視エージェント、データパイプライン。4つの異なるコンピューティング層にまたがる。表面の広さではなく、深さの広さが困難な問題を解決可能にします。
Project Work
プロジェクト
Compiler Engineering
コンパイラエンジニアリング
SamLang
A custom programming language and compiler — lexer, parser, AST, bytecode emitter, and stack-based virtual machine — built to understand how language design works at the systems level.
レキサー、パーサー、AST、バイトコードエミッター、スタックベースVMを含む独自プログラミング言語。言語設計がシステムレベルでどう機能するかを理解するために構築。
PythonLexer
ParserAST
Bytecode VMSemantic Analysis
Problem
課題
Most engineers treat compilers as black boxes. I needed to understand exactly what happens between source code and execution — so I built the entire pipeline.
多くのエンジニアはコンパイラをブラックボックスとして扱います。ソースコードから実行までの間に何が起こるかを理解するため、パイプライン全体を構築しました。
Architecture
アーキテクチャ
Tokenizer → Parser → AST construction → semantic analysis → bytecode emission → stack-based VM execution. Each stage explicitly modeled and independently testable.
トークナイザー → パーサー → AST構築 → 意味解析 → バイトコード生成 → スタックベースVM実行。各ステージを明示的にモデル化し、独立してテスト可能。
Key Decision
主要な判断
Chose stack-based VM over register-based for implementation clarity. This mirrors how CPython and the JVM work internally — an intentional architectural choice, not a default.
実装の明確さのためにスタックベースVMを選択。CPythonやJVMの内部動作と同じ。デフォルトではなく意図的なアーキテクチャ上の選択。
Outcome
成果
Working language with arithmetic, conditionals, loops, functions, and closures. More importantly: a systems intuition no course could have given me.
算術演算、条件分岐、ループ、関数、クロージャを持つ動作する言語。より重要なのは、どのコースでも得られなかったシステムの直感です。
AI / RAG
AI / RAG
DocuMind
Document intelligence platform using retrieval-augmented generation. FAISS vector indexing, sentence-transformers for embeddings, FastAPI backend, deployed on Render.
RAGを使用したドキュメントインテリジェンスプラットフォーム。FAISSベクトルインデックス、sentence-transformers、FastAPIバックエンド。
FastAPIFAISS
sentence-transformersPythonRender
Architecture
アーキテクチャ
Documents chunked at ingest. Embeddings generated and stored in FAISS. At query time, top-k chunks retrieved by cosine similarity, injected into LLM context window.
取り込み時にドキュメントをチャンク化。エンベディング生成後FAISSに保存。クエリ時にコサイン類似度でtop-kチャンクを取得し、LLMコンテキストウィンドウに注入。
Challenge
課題
Chunk size dramatically affects precision. Overlapping windows with semantic deduplication improved coherence over naive fixed-size splitting.
オーバーラップウィンドウとセマンティック重複除去により、ナイーブな固定サイズ分割より一貫性が向上。
SRE / Observability
SRE / オブザーバビリティ
InfraWatch
Infrastructure monitoring and auto-remediation platform. Prometheus metrics, Grafana dashboards, alert-triggered Ansible playbooks for autonomous recovery, Docker, GitHub Actions CI/CD.
インフラ監視と自動修復プラットフォーム。Prometheus、Grafana、アラート起動型Ansibleプレイブックによる自律回復。
PrometheusGrafana
AnsibleDockerGitHub ActionsLinux
Problem
課題
Manual remediation is slow and human-dependent. Built a system to detect anomalies and recover autonomously — before operators need to intervene.
手動修復は遅く人間依存。異常を検知し、オペレータが介入する前に自律回復するシステムを構築。
Outcome
成果
Zero manual intervention for CPU spikes, disk pressure, and service failures. Alert fires → Ansible playbook executes → service restored, automatically.
CPUスパイク、ディスク圧迫、サービス障害への手動介入ゼロ。アラート発火 → Ansibleプレイブック実行 → サービス自動復旧。
Data Engineering
データエンジニアリング
Data Audit Pipeline
Production-grade data quality auditing with schema validation, anomaly detection, lineage tracking, and structured audit logging. FastAPI + PostgreSQL.
スキーマ検証、異常検知、系統追跡、構造化監査ログを備えた本番グレードのデータ品質監査システム。
FastAPIPostgreSQL
PydanticSQLAlchemyPython
Problem
課題
Data quality failures are silent until they cause business impact. Built this to understand how schema drift, null violations, and lineage gaps are caught in production pipelines.
データ品質障害はビジネスへの影響が出るまで静かに進行します。スキーマドリフト、null違反、系統ギャップが本番パイプラインでどのように捕捉されるかを理解するために構築。
Outcome
成果
Full audit trail with rollback capability. Schema drift detection catches breaking changes before downstream consumers are affected.
ロールバック機能付き完全監査証跡。スキーマドリフト検知によりダウンストリームへの影響前に破壊的変更を捕捉。
Distributed Systems
分散システム
TaskFlow
Async job queue system with worker pools, retry logic with exponential backoff, dead-letter queues, and priority scheduling. Built to understand distributed task processing at the infrastructure level.
ワーカープール、指数バックオフリトライ、デッドレターキュー、優先度スケジューリングを持つ非同期ジョブキューシステム。
PythonRedisCeleryDocker
Full-Stack
フルスタック
Urban Drifter
City exploration platform. Node.js/Express REST API, MongoDB document store, React frontend with location tagging, user-generated route sharing, and community discovery features.
都市探索プラットフォーム。Node.js/Express REST API、MongoDB、React。位置タグ付け、ルート共有、コミュニティ発見機能。
Node.jsExpressMongoDBReact
Backend API
バックエンドAPI
Savorly
Food ordering backend — RESTful API with order lifecycle management, menu versioning, inventory tracking, and payment integration.
フード注文バックエンド。注文ライフサイクル管理、メニューバージョニング、在庫追跡、決済統合。
PythonFastAPIPostgreSQLStripe
Web Platform
Webプラットフォーム
NovaMark Digital
Multi-tenant digital agency platform — service catalog, client management backend, content scheduling, analytics dashboard. Clean API design with role-based access control.
マルチテナントデジタルエージェンシープラットフォーム。サービスカタログ、クライアント管理、コンテンツスケジューリング、分析ダッシュボード。
Node.jsPostgreSQLReactRBAC
Architecture Study
アーキテクチャ研究
Todo Fullstack
Not a tutorial — built to practice correct layered architecture: controller → service → repository → database, with JWT auth middleware and structured error handling. The boring fundamentals done right.
チュートリアルではなく、正しいレイヤードアーキテクチャを実践。コントローラー→サービス→リポジトリ→データベース。JWTミドルウェアと構造化エラーハンドリング。
Node.jsExpressMongoDBJWT
Published Research
公開研究
SmartFarmX: Precision Agriculture Through Autonomous IoT Rover and Drone Coordination
SmartFarmX: 自律型IoTローバーとドローン連携による精密農業
2026 International Conference on Image Processing and Computer Networks · DOI: 10.1109/ICIPCN
2026 国際画像処理・コンピュータネットワーク会議 · DOI: 10.1109/ICIPCN
An autonomous system combining an ESP32-powered ground rover and coordinated drone platform for real-time soil analysis, crop health monitoring, and precision resource delivery — reducing fertilizer waste by targeting application based on live sensor data.
ESP32搭載地上ローバーと連携ドローンプラットフォームを組み合わせた自律システム。リアルタイム土壌分析、作物健康モニタリング、精密資源供給を実現。ライブセンサーデータに基づく散布で肥料廃棄を削減。
Research Problem
研究課題
Traditional farming applies inputs uniformly — ignoring spatial variation in soil chemistry and crop health. This causes systematic waste and yield loss at scale.
従来農業は投入物を一様に適用し、土壌化学と作物健康の空間的変動を無視します。これにより大規模な系統的無駄と収量損失が生じます。
Methodology
方法論
ESP32 rover performs soil sampling; drone provides aerial multispectral imagery. Both streams fused into a real-time decision layer for targeted actuation.
ESP32ローバーが土壌サンプリングを実施。ドローンが空撮マルチスペクトル映像を提供。両ストリームをリアルタイム意思決定層に融合。
Technical Contribution
技術的貢献
Constrained embedded firmware (C++/Arduino) achieving production-grade sensor fusion under 8KB RAM. Demonstrated that IoT intelligence doesn't require cloud offload at every step.
8KB RAM以下で本番グレードのセンサー融合を実現する制約付き組み込みファームウェア。IoTインテリジェンスがクラウドオフロードを必要としないことを実証。
Publication Details
出版詳細
IEEE ICIPCN 2026
Published January 2026
DOI: ieeexplore.ieee.org/document/11438485
Peer-reviewed international conference
Published January 2026
DOI: ieeexplore.ieee.org/document/11438485
Peer-reviewed international conference
IEEE ICIPCN 2026
2026年1月出版
国際査読会議
2026年1月出版
国際査読会議
Leadership & Communication
リーダーシップとコミュニケーション
Engineering capability without communication is incomplete. These are evidence of the ability to lead, present, mentor, and drive initiatives — not just deliver code.
コミュニケーションなきエンジニアリング能力は不完全です。これらはコードを提供するだけでなく、リードし、プレゼンし、メンタリングし、イニシアチブを推進する能力の証拠です。
Public Speaking
公開講演
Addressing a 500+ Student Audience
500名以上の学生への講演
Led a public address to a packed hall of over 500 students — communicating technical and entrepreneurial concepts clearly, holding the room's attention at scale.
500名以上の学生が集まる会場で公開講演を主導。技術的・起業家的概念を明確に伝達し、大規模な聴衆の注目を集めました。
Formal Presentation
公式プレゼンテーション
On-Stage Delivery at Institutional Event
機関イベントでの登壇発表
Presented at a formal institutional podium — under structured conditions with faculty present, delivering content clearly and with composure to a large gathered audience.
教員が同席する正式な機関の演台で発表。構造化された条件下で、大勢の聴衆に対して明確かつ落ち着いた姿勢でコンテンツを伝達。
Stage Presence
ステージプレゼンス
Technical Talk with Faculty — Startup Ecosystem
教員共同の技術トーク — スタートアップエコシステム
Delivered a structured technical talk alongside faculty on the startup engineering ecosystem. Prepared and presented slides independently, coordinating with academic leadership on stage.
教員とともにスタートアップエンジニアリングエコシステムに関する構造化された技術トークを実施。スライドを独自に準備・発表し、学術リーダーシップと連携。
Initiative
主体性
Startup Pitch — Product Concept
スタートアッププレゼン — 製品コンセプト
Pitched a technical product concept to an audience — building the deck, owning the narrative, and communicating engineering rationale and market thinking simultaneously.
技術製品コンセプトを聴衆にピッチ。デッキを構築し、ナレーティブを主導し、エンジニアリングの根拠と市場思考を同時に伝達。
Education & Experience
学歴・経験
2022 — 2026
B.E. Computer Science Engineering
コンピュータサイエンス学士
Sathyabama Institute of Science and Technology, Chennai
Focus: backend systems, compilers, AI/ML, IoT. Published IEEE research as an undergraduate. Built production-architecture projects independently across multiple engineering domains while completing degree coursework.
専門：バックエンドシステム、コンパイラ、AI/ML、IoT。学部生としてIEEE研究を発表。学位課程を修了しながら、複数のエンジニアリング領域で本番アーキテクチャのプロジェクトを独自に構築。
2026
JPMorgan Chase — Advanced Software Engineering
JPMorganチェース — 高度ソフトウェアエンジニアリング
Virtual Program (Forage) · Spring Boot · Kafka · Java 17 · H2 SQL
Built enterprise-grade microservices with real-time Kafka event streaming in a financial systems context. Credential ID: 4xjHZtnKaZCkLrunr. Exposure to financial systems architecture, distributed messaging patterns, and transaction-safe API design.
金融システムコンテキストでリアルタイムKafkaイベントストリーミングを持つエンタープライズグレードのマイクロサービスを構築。金融システムアーキテクチャ、分散メッセージングパターン、トランザクション安全なAPI設計を習得。
Certifications
資格
OCI AI Foundations
OCI AI基礎
Oracle · 2025
SQL Basic & Intermediate
HackerRank
Advanced SWE Experience
高度SWE体験
JPMorgan Chase · Forage
日本語
技術への好奇心と継続的な改善を大切にしています。
学ぶことと構築することは、私にとって同じことです。
学ぶことと構築することは、私にとって同じことです。
I value curiosity about technology and continuous improvement.
For me, learning and building are the same thing.
For me, learning and building are the same thing.
Open to engineering
opportunities worldwide.
世界中のエンジニアリング
機会に向けてオープンです。
Available for backend engineering, SRE/DevOps, data engineering, and AI/ML roles. Open to relocation internationally.
バックエンドエンジニアリング、SRE/DevOps、データエンジニアリング、AI/MLポジションに対応。国際的な転勤も検討中。
誠実に、丁寧に。
常に学び、常に構築する。
常に学び、常に構築する。
With integrity and precision.
Always learning. Always building.
Always learning. Always building.