I am a Research Data Analyst at the India Energy & Climate Center (IECC), University of California, Berkeley.
My work combines climate science, data analysis, and open-source methods to understand and address the growing risks of extreme heat.
I use Python and machine learning to create models and tools that can inform climate adaptation and public policy.
I believe research must be reproducible, collaborative, and accessible—especially for communities in the Global South,
who are too often excluded despite their knowledge and lived expertise being crucial to the work.
🌎 Leer en Español
Soy Analista de Datos de Investigación en el India Energy & Climate Center (IECC), Universidad de California, Berkeley.
Mi trabajo combina ciencia climática, análisis de datos y métodos de código abierto para comprender y enfrentar los crecientes riesgos del calor extremo.
Utilizo Python y aprendizaje automático para crear modelos y herramientas que apoyen la adaptación climática y las políticas públicas.
Creo que la investigación debe ser reproducible, colaborativa y accesible—especialmente para las comunidades del Sur Global,
que con demasiada frecuencia son excluidas, a pesar de que su conocimiento y experiencia vivida son fundamentales para este trabajo.
-
ClimaCoder ML Model (Independent Unfunded Project)
An unaffiliated collaborative initiative to build machine learning models that project future heat extremes in Latin America.
This project represents my commitment to open, community-driven science outside the walls of institutions. -
Heat Extreme ML Model (IECC, UC Berkeley)
Developing a machine learning framework to identify and project extreme heat events across India,
with direct applications for public health and climate adaptation planning. -
EHI-350*
A modified Extended Heat Index that incorporates metabolic and solar heat loads.
This work preceded my time at IECC and continues to evolve as part of my research at Berkeley.
🌎 Leer en Español
-
Modelo ClimaCoder (Proyecto Independiente sin Financiamiento)
Una iniciativa colaborativa no afiliada para construir modelos de aprendizaje automático
que proyecten futuros extremos de calor en América Latina.
Este proyecto representa mi compromiso con la ciencia abierta y comunitaria, más allá de las instituciones. -
Modelo de Calor Extremo (IECC, UC Berkeley)
Desarrollo de un marco de aprendizaje automático para identificar y proyectar eventos de calor extremo en la India,
con aplicaciones directas en la salud pública y la planificación de la adaptación climática. -
EHI-350*
Un Índice de Calor Extendido modificado que incorpora cargas de calor metabólicas y solares.
Este trabajo antecede mi tiempo en IECC y sigue evolucionando como parte de mi investigación en Berkeley.
- Python for Data Science: pandas, numpy, matplotlib, scikit-learn, TensorFlow
- Data Analysis and Visualization: multi-dimensional climate datasets, maps, dashboards
- Climate Policy Research: connecting technical findings to adaptation policy and practice
- Version Control: Git & GitHub for collaborative, reproducible workflows
🌎 Leer en Español
- Python para Ciencia de Datos: pandas, numpy, matplotlib, scikit-learn, TensorFlow
- Análisis y Visualización de Datos: conjuntos de datos climáticos multidimensionales, mapas, tableros
- Investigación en Políticas Climáticas: vincular hallazgos técnicos con políticas y prácticas de adaptación
- Control de Versiones: Git & GitHub para flujos de trabajo colaborativos y reproducibles
I’m eager to learn from others—coffee Zooms and quick calls welcome.
Reach out and let’s see what we can build together.
I welcome collaboration with researchers, students, and practitioners.
To me, open and just research is not optional—it is the foundation for building peer-reviewed knowledge that uplifts communities worldwide.
🌎 Leer en Español
Tengo muchas ganas de aprender de los demás—conversaciones rápidas o un café por Zoom siempre son bienvenidos.
Conectemos y veamos qué podemos construir juntos.
Doy la bienvenida a la colaboración con investigadores, estudiantes y profesionales.
Para mí, la investigación abierta y justa no es opcional—es la base para construir conocimiento revisado por pares que fortalezca a las comunidades en todo el mundo.