Programmēšana

Tagad vajadzētu izpētīt 11 tehnoloģiju izstrādātājus

Jaunās un attīstošās tehnoloģijas strauji pārveido mūsu darbu - piedāvājot radošas iespējas izstrādātājiem, kuri vēlas virzīties un pārņemt jaunas prasmes. Mēs apskatījām 11 tehnoloģiju tendences, pēc ekspertu domām, iespējams, ka tās izjauks pašreizējās IT pieejas un radīs pieprasījumu pēc inženieriem, ņemot vērā nākotni.

Tas viss nav par nākamo lielo lietu. Izstrādātāju nākotnes iespējas rodas, apvienojot modernākās tehnoloģijas, piemēram, AI, VR. paplašinātā realitāte, IoT un mākoņu tehnoloģija ... un, protams, drošības problēmu risināšana, kas attīstās no šīm konverģencēm.

Ja jūs interesē paplašināt izstrādātāja rīkkopu, skatiet šos populāros domēnus un mūsu padomus, kā tikt tālāk, sākot ar tiem.

Lietu interneta drošība

Pēc tam, kad pagājušajā gadā tika nolaupīti desmitiem miljonu pievienotu ierīču, pat gadījuma novērotāji varēja redzēt, ka neaizsargātas IoT ierīces rada murgainas drošības problēmas.

Nesenais pētījumu firmas Gartner ziņojums iesaka izstrādātājiem un drošības komandām jau projektēšanas procesa sākumā sadarboties, lai pārliecinātos, ka jaunie draudi var tikt novērsti, kad tie rodas, piemēram, nodrošinot IoT ierīcēm iespēju lejupielādēt drošības atjauninājumus.

Pieprasījums ir liels pēc inženieriem ar IoT drošības prasmēm, it īpaši tiem, kuri saprot tīkla savienoto ierīču izmantotās aparatūras un programmatūras ievainojamību.

"IoT uzbrukuma vektori lielā mērā ir identiski jebkura cita izplatītā tīkla, piemēram, datoru vai mobilo tālruņu, vektoriem, tāpēc tās pašas drošības zināšanas ir būtiskas un kritiskas," saka IoT starta daļiņu produktu viceprezidents Ričards Vitnijs. "Izpētiet kriptogrāfijas un autentifikācijas pamatus, un jums viss izdosies."

Toms Gonsers, DocuSign dibinātājs un Seven Peaks Ventures partneris, saka, ka uzņēmumiem ir nepieciešamas prasmes zema līmeņa programmēšanā mikroprocesoriem. "Viņi arī vēlēsies RF pieredzi ar Bluetooth, [Windows Identity Foundation] un spektra komponentu izplatīšanu. Vērtīgas ir arī vadošās Linux drošības iespējas, kas īpaši optimizētas maziem kodoliem, piemēram, Qubes OS. ”

Mets Abrams, Seven Peaks Ventures un Gonser partneris, iesaka koncentrēties uz “darba plūsmu izpratni un to traucēšanu. Arī pēckvantu skaitļošanas kriptogrāfija nāk ātrāk, nekā varētu gaidīt. Viņiem vajadzētu saprast arī atšķirīgo privātumu un sacīkstes tīklus. ”

Mākslīgais intelekts

Gatavojoties nākamajam autonomo transportlīdzekļu, robotu un viedās elektronikas vilnim, pieprasījums pēc AI zinošiem inženieriem pieaug.

"Tagad mēs lielā mērā esam nonākuši pie kritiena punkta, pateicoties progresam visur esošajā skaitļošanā, zemu izmaksu mākoņpakalpojumos un gandrīz neierobežotā krātuvē," saka Nicola Morini-Bianzino, Accenture vecākā rīkotājdirektore un mākslīgā intelekta vadītāja. "AI tiek iebūvēts it visā."

Morini-Bianzino saredz pieprasījumu pēc “programmatūras inženieriem, tehnologiem un pētniekiem ar valodas tulkošanu, runas atpazīšanu, datorizāciju, robotiku, dabiskās valodas apstrādi, zināšanu atspoguļošanu un pamatojumu. AI ... baro datus, tāpēc izšķiroša nozīme ir arī satura un datu kuratoriem, datu zinātniekiem un analīzes ekspertiem. ”

Treasure Data mārketinga viceprezidents Kiyoto Tamura paredz AI pāreju no ļoti specifiskām, ikdienišķām darbībām uz daudz plašākām un aizraujošākām lietojumprogrammām.

"Agrāk tas bija vairāk līdzīgs:" Atrodiet optimālo paku piegādes maršrutu ... vai visatbilstošākās vietnes meklēšanas vaicājumam. "Tagad mēs sākam redzēt:" Spēlējiet Go spēli ļoti labi; droši vadiet automašīnu utt. Tas viss ir forši, taču cilvēkiem joprojām ir jāpievieno datoram objektīvas funkcijas, un vismaz tagad tas tā notiks. ”

Datu zinātnieki, mašīnmācīšanās pētnieki un skaitļošanas valodnieki arvien vairāk tiek meklēti, saka MindMeld izpilddirektors Tims Tuttle. Viņš min VentureScanner pētījumu, kurā no 2016. gada marta līdz oktobrim izveidojās 910 AI uzņēmumi, no kuriem vairāk nekā puse ir vērsta uz dziļu mācīšanos / mašīnmācīšanos un dabiskas valodas apstrādi.

"Šīs kategorijas uzvar ne tikai skaitliski, bet arī ir saņēmušas lielāko finansējumu 4,5 miljardu ASV dolāru apmērā," saka Tutts. “Nesen pieaugot interesei par sarunu lietojumprogrammām, pastāv neatbilstība starp piedāvājumu un pieprasījumu. Rezultātā priekšmetu eksperti paliks vērtīga prece, kamēr akadēmiskā vide un rūpniecība nespēs līdzsvarot vienādojumu. ”

Mašīnmācība

Mākslīgā intelekta veids, mašīnmācīšanās, var prasīt milzīgu datu apjomu, lai ļoti ātri atrastu modeļus, piemēram, sejas atpazīšanu, un atrisinātu problēmas, piemēram, ieteiktu filmas straumēšanu, skaidri nepieprogrammējot to darīt.

"Kognitīvās tehnoloģijas, ko nodrošina roboti un mašīnmācīšanās, sāks pievienot pievienoto vērtību, kad organizācijas cenšas atrast" signālus troksnī "," saka Patrick Spedding, BI Rock & Software vecākais direktors. "Galu galā mašīnmācīšanās balstās uz pilnveidotām analīzes iespējām, kas agrāk bija pazīstamas kā" datu ieguve ", un kuras patiešām gaidīja, kad piemērota platforma kļūs" patērējamāka "."

Kā izstrādātājiem, kuri vēlas izvērsties mašīnmācībā, jāattīsta prasmes šajā jomā?

Ābrams no Seven Peaks Ventures norāda uz augsti vērtētu tiešsaistes klasi: “Endrjū Ng pamatkurss par mašīnmācīšanos Coursera ir lielisks piemērs. Studentiem, kuri apmeklēja viņa kursu, izmantojot Coursera, Kaggle sacensībās faktiski klājās labāk nekā dažiem ilggadējiem praktizētājiem. ”

Ne katrs izstrādātājs, kas strādā mašīnmācībā, nāk no datorzinātnēm, lai gan tas ir noderīgi, saka Solvvy CTO un līdzdibinātājs Mehdi Samadi, kurš redz, ka daži doktora grādi bez CS grādiem tiek pieņemti darbā un apmācīti kļūt par mašīnmācības inženieriem.

"Galvenais ieguldījums mašīnmācīšanās jomā prasa veikt daudz eksperimentu, izmantojot reālos datus, novērojot pēc modeļa rezultāta un uzlabojot modeli," viņš saka. "CS grāda iegūšana vai galvenā inženierzinātne parasti dod labumu inženieriem, lai viņi būtu veiksmīgāki savā darbā, lai varētu nepārtraukti veikt eksperimentus un uzlabot mašīnmācīšanās modeļus."

Datu zinātne

Datu zinātne ir vēl viena aktuāla joma, kurai nepieciešamas daudznozaru prasmes, kas atšķiras atkarībā no nozares. Prasības var ietvert pieredzi ar mašīnmācīšanos un AI, lai ņemtu lielu datu apjomu un veidotu tos tādā formā, kuru var izmantot biznesa lēmumu pieņemšanai.

"Kvalificētu datu zinātniekiem trūkst laika," saka Spedings. "Konkrēti, es redzu, ka jomas, kurās tehnoloģija var tikt izstrādāta, lai" palīdzētu "lēmumiem, piemēram, kognitīvie roboti un vadīta analīze, ir iespējas ar augstu pievienoto vērtību."

Tiem, kas vēlas strādāt šajā jomā, ir pamatīga izpratne par varbūtību un statistiku, saka Gerijs Kazantsevs, kurš vada mašīnmācīšanās grupu Bloomberg. "Pievienojiet dažas inženiertehniskās prasmes, jo nepieciešamība spēt uzrakstīt kodu, lai izveidotu sistēmu, nekad nezudīs, lai gan, parādoties tādiem rīkiem kā TensorFlow vai Jupyter piezīmjdatori, arī tas kļūst daudz vieglāk. Viņiem ir vajadzīgas arī labas pētniecības prasmes, tas ir, prasme formulēt hipotēzi un pārbaudīt to, lasīt pašreizējo literatūru un būt lietas kursā. ”

Vectra drošības direktors Ginters Olmans saka, ka šobrīd viņš redz, ka firmas pret datu zinātniekiem izturas atsevišķi no inženierzinātņu, pētniecības un attīstības komandām. Bet viņš nedomā, ka šāda pieeja ilgs.

“Uzlabojoties padziļinātajiem mācību un mašīnmācīšanās rīkiem un sākumnometnes apmācības kursiem, kuri spēj prasmīgāk uzlabot vecākos inženierus datu zinātnē, pazudīs dalījums starp datu zinātni un inženieriju. Visiem inženieriem jābūt prasmīgiem matemātikā. Tagad viņiem jāapgūst arī datu zinātnes matemātika. Prasmju kopums un spēja vadīt abus āmurus būs obligāta arī turpmāk. ”

Blokķēde

Šis veids, kā izveidot sadalītu virsgrāmatu darījumiem, sniedz priekšrocības pārredzamībā un drošībā, lai gan standartizācijas trūkums var palēnināt tā pieņemšanu dažādās nozarēs.

Infosys asociētais viceprezidents un galvenais tehnoloģiju arhitekts Pīters Lops ir vērojams pret tehnoloģiju: “Neskatoties uz nepareiziem uzskatiem, ka blokķēde ir gadu attālumā, nākamgad mēs redzēsim pilnīgu ieviešanu finanšu pakalpojumu, apdrošināšanas un veselības aprūpes nozarēs. Tas pilnībā izjauks mūsu maksājumu sistēmas starptautiskā mērogā. ”

Citām jaunajām tehnoloģijām ir straujāka mācīšanās līkne, saka Roberts Barduniass, IRIS.TV līdzdibinātājs un galvenais ieņēmumu direktors, kurš ir satraukti par blokķēdes raksturīgo uzņēmējdarbības uzsvaru.

"Šīs tehnoloģijas pieaug, paturot prātā reālas operatīvās uzņēmējdarbības lietojumprogrammas no nulles dienas, tāpēc izstrādes pusē nav nepieciešams mēģināt iedomāties gadījumu izmantošanu - tās notiek un pieaug reāllaikā," saka Bardunias. “Patiesais pārliecinošais izaicinājums tiem, kas vēlas attīstīt prasmes šajās jomās, būs tas, kā sekot līdzi jaunākajām norisēm un attīstībai. Es atceros, kad es mācījos vidējās attīstības prasmes, lasot nozares tirdzniecības vietnes un žurnālus, tas bija ļoti sen - tas bija pēdējais, ko es vēlējos darīt, taču tā ir īsta daļa no mūsdienu mācību kombinācijas kā izstrādātājs, kurš vēlas veidot un veidot saglabāt konkurences priekšrocības pasaules tirgū. ”

Tīkla lietotņu un pakalpojumu arhitektūra (MASA)

Pieprasījums pēc lietotnēm, kas vienmērīgi uztur savienojumu, pārvietojoties pa mājām, pārvietojoties uz darbu un darbu, ir arvien pieprasītāks.

"Tīkla tīkla vai lietotnes mērķis ir nodrošināt augstu pieejamību - visu, kas saistīts ar visu," saka Džozefs Karsons no Thycotic. “Ja ceļš nav pieejams, tas atradīs citu ierīci savienojuma izveidei. Mēs esam redzējuši, ka tas tiek izmantots, piemēram, ar Flīžu izsekošanas ierīcēm, kas ir izveidojušas izsekošanas ierīču kopienu, un ar bitcoin ir izplatīta virsgrāmata. "

Bet daži uzskata, ka ierīču savietojamības trūkums ir iespējamais sastrēgums.

"Katram pārdevējam ir savs veids, kā mēģināt panākt uzticību šai sistēmai, tāpēc tie visi ir mūri, ja tādi vispār pastāv," saka Dereks Kolisons, agrāk bijis Cloud Foundry un Apcera izpilddirektors.

Šī tehnoloģija sola iepriekš neiedomājamu savienojuma līmeni - ja standartu trūkums netraucē.

"Mana lielākā doma ir tāda, ka AI parasti tiks apmācīta mākonī ar lielu datu apjomu no visiem lietotājiem," saka Kolisons. “Pēc tam šie algoritmi nepārtraukti atjauninās to izpildes modeli, kas tiks nogādāts līdz galam pa gaisu, un atjauninās programmaparatūru tādās malās esošajās ierīcēs kā mūsu tālruņi, automašīnas un mājas. Apstrāde notiks aparatūras malās; apmācība notiks mākoņos programmatūrā. ”

Digitālie dvīņi: sagatavojieties neveiksmei

Programmatūras modeļi, kas saistīti ar fiziskiem un virtuāliem sensoriem, var palīdzēt prognozēt produkta vai pakalpojuma kļūmes, lai organizācijas varētu plānot un piešķirt resursus remonta veikšanai pirms kļūmes. Mašīnmācīšanās un IoT tehnoloģijas ieviešana palīdz samazināt šāda veida prognozējošās “digitālās dvīņu” modelēšanas izmaksas, kas palielina efektivitāti un var samazināt ekspluatācijas izmaksas, piemēram, reaktīvā dzinēja vai spēkstacijas dzīves laikā .

Matias Woloski, CTO un Auth0 līdzdibinātājs, saka, ka uzņēmumi var izmantot digitālos dvīņus arī koncepcijas un projektēšanas stadijā, testējot jaunus produktus simulācijās, pēc tam veicot izmaiņas, līdz inženieriem ir vēlamais produkts. Pēc tam produkta izveidošanai tiek izmantoti digitālā dvīņa secinājumi.

"Dažas organizācijas jau ir sākušas digitālo dvīņu iniciatīvas, lai gan galvenie projekti, kas izmanto šo tehnoloģiju, ir tie, kuriem ir lieli sākotnēji izstrādes izdevumi, kur neveiksmes izmaksas ir pārāk augstas," saka Woloski.

SpaceTime Insight vadošais direktors Pols Hofmans saka, ka digitālajiem dvīņiem ir labums no mašīnmācīšanās, padarot tos efektīvākus nekā uz nosacījumiem balstītus modeļus, lai prognozētu neveiksmes.

"IoT un mašīnmācīšanās sistēmas ļauj organizācijām nodrošināt, lai tā aktīvi nejauši neizietu, un, ja neizdodas, organizācijas var optimizēt lēmumu pieņemšanu reāllaikā, lai iegūtu vislabāko ilgtermiņa risinājumu."

Autonomie transportlīdzekļi, roboti un ierīces

Tiek uzskatīts, ka attīstās jaunas iespējas, kad AI un mašīnmācīšanās viedo mājas ierīces, rūpniecības aprīkojumu, automašīnas un bezpilota lidaparātus. Pētījumu firma Gartner lēš, ka līdz 2020. gadam autoražotāji no ražošanas līnijām nosūtīs 61 miljonu ar datiem saistītu automašīnu.

"Šajās jomās jau ir augušas visas ekonomikas," saka Vince Jeffs, Pegasystems stratēģijas un produktu mārketinga direktors. “Piemēram, autonomā transportlīdzekļu telpā jau ir izveidojušies AI jaunie uzņēmumi - un nobriedušāki uzņēmumi. Piemēram, MobileEye ir uzņēmums ar aptuveni 500 miljonu ASV dolāru lielu VC atbalstu, kas specializējas mazajās kamerās visā transportlīdzeklī. Līdzīgi ir arī fizisko robotu veikali, piemēram, SoftBank Robotics specializējas robotos, kurus viesnīcās izmanto konsjeržam. Viņiem ir aptuveni 250 miljoni ASV dolāru riska kapitāla. ”

$config[zx-auto] not found$config[zx-overlay] not found