Programmering

11 teknologier, som udviklere bør undersøge nu

Nye og udviklende teknologier omformer hurtigt, hvordan vi arbejder - der giver kreative muligheder for udviklere, der er villige til at dreje og vedtage nye færdigheder. Vi kiggede på 11 teknologiske trends, som eksperter siger sandsynligvis vil forstyrre nuværende it-tilgange og skabe efterspørgsel efter ingeniører med et blik på fremtiden.

Det handler ikke kun om The Next Big Thing. Fremtidige muligheder for udviklere kommer fra en sammenløbning af banebrydende teknologier, såsom AI, VR. augmented reality, IoT og cloud-teknologi ... og selvfølgelig håndtering af sikkerhedsspørgsmål, der udvikler sig fra disse konvergenser.

Hvis du er interesseret i at udvide din udviklers værktøjssæt, skal du tjekke disse populære domæner - og vores tip til, hvordan du kommer videre ved at komme i gang med dem.

Internet af ting sikkerhed

Efter at titusinder af millioner af tilsluttede enheder blev kapret sidste år, kunne selv afslappede observatører se, at ubeskyttede IoT-enheder skaber mareridtlige sikkerhedsproblemer.

En nylig rapport fra forskningsfirma Gartner anbefaler udviklere og sikkerhedsteams at arbejde sammen tidligt i designprocessen for at sikre, at nye trusler kan løses, når de kommer op - for eksempel ved at give IoT-enheder mulighed for at downloade sikkerhedsopdateringer.

Efterspørgslen er høj for ingeniører med IoT-sikkerhedsfærdigheder, især dem, der forstår sårbarhederne i hardware og software, der bruges af netforbundne enheder.

”Angrebsvektorerne i IoT er stort set identiske med dem i ethvert andet distribueret netværk, som computere eller mobiltelefoner, så den samme sikkerhedskendskab er relevant og kritisk,” siger Richard Whitney, vicepræsident for produkt ved IoT-opstartspartikel. "Undersøg grundlaget for krypto og godkendelse, så er du godt på vej."

Tom Gonser, grundlægger af DocuSign og en partner hos Seven Peaks Ventures, siger, at virksomheder har brug for færdigheder inden for lavt niveau programmering af mikroprocessorer. ”De vil også have RF-oplevelse med Bluetooth, [Windows Identity Foundation] og komponenter med spredt spektrum. Førende Linux-sikkerhedsindstillinger, især optimeret til små kerner som Qubes OS, er også værdifulde. ”

Matt Abrams, en partner hos Seven Peaks Ventures med Gonser, foreslår at fokusere på ”forståelse af arbejdsgange og hvordan man forstyrrer dem. Postquantum computing-kryptografi kommer også hurtigere, end man kunne forvente. De skal også forstå differentieret privatliv og kontradiktoriske netværk. ”

Kunstig intelligens

Når vi forbereder os på den næste bølge af autonome køretøjer, robotter og smart elektronik, eksploderer efterspørgslen efter AI-kyndige ingeniører.

”Vi er nu stort set på et vendepunkt på grund af fremskridt inden for allestedsnærværende computing, billige cloudtjenester og næsten ubegrænset lagerplads,” siger Nicola Morini-Bianzino, senior administrerende direktør og leder af kunstig intelligens hos Accenture. "AI er indbygget i alt."

Morini-Bianzino ser efterspørgsel efter “softwareingeniører, teknologer og forskere med sprogoversættelse, talegenkendelse, computersyn, robotteknologi, naturlig sprogbehandling, vidensrepræsentation og argumentationskompetence. AI ... fremfører data, så indholds- og datakuratorer, dataforskere og analytiske eksperter er også afgørende. ”

Treasure Datas VP for marketing Kiyoto Tamura forestiller sig, at AI flytter fra meget specifikke, verdslige operationer til meget bredere - og mere spændende - applikationer.

"Tidligere var det mere som:" Find den optimale rute til pakkelevering ... eller de mest relevante websteder til en søgeforespørgsel. "Nu begynder vi at se," Spil et spil Go rigtig godt; kør en bil sikkert, osv. Alt dette er sejt, men mennesker har stadig brug for at føje objektive funktioner til computeren, og i det mindste indtil videre vil dette være tilfældet. ”

Dataforskere, maskinlæringsforskere og computing-lingvister søges i stigende grad, siger MindMelds administrerende direktør Tim Tuttle. Han citerer en VentureScanner-undersøgelse, der tæller 910 AI-virksomheder, der kommer fra marts til oktober 2016, hvoraf mere end halvdelen fokuserer på dyb læring / maskinindlæring og naturlig sprogbehandling.

"Ikke kun vinder disse kategorier i antal, men de har også modtaget mest finansiering til en værdi af 4,5 milliarder dollars," siger Tuttle. ”Med den nylige eksplosion af interesse for samtaleanvendelser har der været et misforhold mellem udbud og efterspørgsel. Som et resultat vil emneeksperter forblive en værdifuld vare, indtil den akademiske verden og industrien kan genbalancere ligningen. ”

Maskinelæring

En form for kunstig intelligens, maskinindlæring kan tage enorme mængder data til meget hurtigt at finde mønstre - som ansigtsgenkendelse - og løse problemer, som at anbefale en film at streame uden at være eksplicit programmeret til at gøre det.

"Kognitive teknologier, hjulpet af bots og maskinindlæring, vil begynde at tilføre værdi, når organisationer stræber efter at finde 'signalerne i støj,'" siger Patrick Spedding, seniordirektør for BI R&D for Rocket Software. "Maskinindlæring er trods alt baseret på modne analysefunktioner - tidligere kendt som 'data mining' - som virkelig har ventet på, at en passende platform skulle blive mere 'forbrugsmæssig.'"

Hvordan skal udviklere, der ønsker at udvide sig til maskinlæring, udvikle færdigheder inden for dette område?

Abrams fra Seven Peaks Ventures peger på en højt anset online klasse: ”Andrew Ngs sædvanlige kursus om maskinlæring på Coursera er et godt eksempel. Studerende, der tog sit kursus via Coursera, klarede sig faktisk bedre i Kaggle-konkurrencer end nogle mangeårige praktikere. ”

Ikke alle udviklere, der arbejder inden for maskinindlæring, kommer fra en datalogisk baggrund, selvom det er nyttigt, siger Solvvy CTO og medstifter Mehdi Samadi, der ser nogle ph.d.'er uden CS-grader rekrutteres og trænes til at blive maskinlæringsingeniører.

”Kernebidrag inden for maskinlæring kræver, at der køres mange eksperimenter ved hjælp af de rigtige data, observeret fra resultatet af modellen og forbedring af modellen,” siger han. "At have en CS-grad eller en grundlæggende ingeniørbaggrund vil normalt være en fordel for ingeniørerne at blive mere succesrige i deres job for kontinuerligt at kunne køre eksperimenter og forbedre maskinlæringsmodeller."

Datavidenskab

Datavidenskab er et andet varmt område, der kræver tværfaglige færdigheder, der varierer efter branche. Krav kan omfatte erfaring med maskinlæring og AI til at tage store mængder data og forme dem i en form, der kan bruges til at træffe forretningsbeslutninger.

”Dygtige dataforskere mangler, periode,” siger Spedding. "Specifikt ser jeg områder, hvor teknologi kan designes til at 'hjælpe' beslutninger, såsom kognitive bots og guidede analyser, som mulighedsområder med høj værdi-tilføjelse."

En grundig forståelse af sandsynlighed og statistik er nøglen for dem, der ønsker at arbejde inden for dette område, siger Gary Kazantsev, der leder maskinlæringsgruppen i Bloomberg. ”Tilføj nogle tekniske færdigheder, da behovet for at være i stand til at skrive en kode for at opbygge et system aldrig vil forsvinde, men med fremkomsten af ​​værktøjer som TensorFlow eller Jupyter-notesbøger bliver dette også meget lettere. De har også brug for gode forskningsevner - det vil sige evnen til at danne en hypotese og teste den, læse den aktuelle litteratur og holde sig ajour. ”

Gunter Ollmann, sikkerhedschef i Vectra, siger, at han i øjeblikket ser virksomheder behandle dataforskere adskilt fra ingeniør- og forsknings- og udviklingsteams. Men han tror ikke, at denne tilgang vil vare.

”Efterhånden som værktøjerne til dyb læring og maskinindlæring forbedres, og kurser i boot camp bliver bedre dygtige til at bringe senioringeniører i fart inden for datavidenskab, vil skillet mellem datavidenskab og teknik forsvinde. Alle ingeniører skal være gode til matematik. Nu skal de også mestre matematikken i datalogi. Fusionen af ​​færdigheder og evnen til at bruge begge hamre vil være obligatorisk fremover. ”

Blockchain

Dette middel til at oprette en distribueret hovedbog for transaktioner giver fordele i gennemsigtighed og sikkerhed, selvom manglende standardisering kan bremse dens vedtagelse på tværs af brancher.

Peter Loop, assisterende vicepræsident og hovedteknologiarkitekt hos Infosys, er bullish på teknologien: “På trods af misforståelser om, at blockchain er flere år væk, vil vi se fuld implementering i finansielle tjenester, forsikrings- og sundhedsindustrier næste år. Dette vil helt forstyrre vores betalingssystemer på internationalt plan. ”

Andre nye teknologier har en stejlere indlæringskurve, siger Robert Bardunias, medstifter og Chief Income Officer for IRIS.TV, der er begejstret over blockchains iboende iværksætterfokus.

"Disse teknologier vokser med ægte operationelle forretningsapplikationer i tankerne fra dag nul, så der er ikke noget behov på udviklingssiden for at forsøge at forestille sig brug af sager - de sker og vokser i realtid," siger Bardunias. ”Den reelle overvældende udfordring for dem, der ønsker at udvikle færdigheder inden for disse områder, er, hvordan man følger med i nye udviklinger og udviklinger. Jeg husker, da jeg lærte sekundære udviklingsevner, læste branchens handelswebsteder - og tidsskrifter, det var længe siden - var det sidste, jeg ville gøre, men det er en reel del af nutidens læringsmix som udvikler, der ønsker at bygge og opretholde en konkurrencemæssig fordel på det globale marked. ”

Mesh-app og servicearkitektur (MASA)

Efterspørgsel efter apps, der problemfrit holder forbindelsen, når vi bevæger os gennem vores hjem, pendler og arbejde, bliver mere og mere efterspurgt.

"Formålet med et mesh-netværk eller -app er, at det vil være høj tilgængelighed - alt forbundet med alt," siger Joseph Carson fra Thycotic. “Hvis stien ikke er tilgængelig, finder den en anden enhed til at oprette forbindelsen. Vi har set dette blive brugt for eksempel med Tile tracker-enhederne, som har skabt et samfund af sporingsenheder, og med bitcoin som en distribueret hovedbog. ”

Men nogle ser en mangel på enhedskompatibilitet som en potentiel flaskehals.

"Hver sælger har sin egen måde at forsøge at skabe tillid til dette system, så de er alle murede haver, hvis de overhovedet findes," siger Derek Collison, tidligere Cloud Cloud, og administrerende direktør for Apcera.

Denne teknologi lover et tidligere utænkeligt niveau af tilslutning - hvis manglende standarder ikke kommer i vejen.

"Min større tanke her er, at AI generelt vil blive trænet i skyen med enorme mængder data fra alle brugere," siger Collison. ”Disse algoritmer opdaterer derefter løbende deres eksekveringsmodel, som sendes til kanten over luften og opdaterer firmware på edge-enheder som vores telefoner, biler og hjem. Behandlingen vil ske ved kanterne i hardware; træningen vil ske i skyen i software. ”

Digitale tvillinger: Forbered dig på at mislykkes

Softwaremodeller bundet til fysiske og virtuelle sensorer kan hjælpe med at forudsige produkt- eller tjenestefejl, så organisationer er i stand til at planlægge og tildele ressourcer til reparationer, før fejlen opstår. Fremskridt inden for maskinindlæring og indførelsen af ​​IoT-teknologi hjælper med at nedbringe omkostningerne til denne slags forudsigende "digital tvilling" -modellering, hvilket øger effektiviteten og kan sænke driftsomkostningerne i løbet af f.eks. En jetmotor eller et kraftværk .

Matias Woloski, CTO og medstifter af Auth0, siger, at virksomheder også kan bruge digitale tvillinger i koncept- og designfasen, teste nye produkter i simuleringer og derefter foretage ændringer, indtil ingeniørerne har det produkt, de ønsker. Resultater fra den digitale tvilling bruges derefter til at bygge produktet.

”Et par organisationer har allerede lanceret digitale tvilling-initiativer, selvom de primære projekter, der udnytter denne teknologi, er dem med store forhåndsudviklingsudgifter, hvor omkostningerne ved fiasko er for høje,” siger Woloski.

SpaceTime Insights CTO Paul Hofmann siger, at digitale tvillinger drager fordel af maskinindlæring, hvilket gør dem mere effektive end tilstandsbaserede modeller til forudsigelse af fejl.

"IoT- og maskinlæringssystemer giver organisationer mulighed for at sikre, at dets aktiver ikke tilfældigt svigter, og hvis de mislykkes, kan organisationer optimere beslutningstagning i realtid til den bedste langsigtede løsning."

Autonome køretøjer, robotter og apparater

Nye muligheder ses udvikle sig som AI og maskinindlæring, der smarter hjemmeapparater, industrielt udstyr, biler og droner. Forskningsfirma Gartner vurderer, at bilproducenter inden 2020 sender 61 millioner dataforbundne biler ud af produktionslinjer.

”Der er hele økonomier, der allerede dukker op i disse områder,” siger Vince Jeffs, direktør for strategi og produktmarkedsføring hos Pegasystems. ”For eksempel er der AI-startups - og mere modne virksomheder - allerede veletablerede i det autonome køretøjsrum. For eksempel er MobileEye et firma med omkring 500 millioner dollars i VC-understøttelse, der specialiserer sig i de små kameraer overalt i køretøjet. Tilsvarende er der butikker til fysiske robotter - for eksempel har SoftBank Robotics specialiseret sig i robotter, der bruges på hoteller til concierge. De har omkring 250 millioner dollars i VC-opbakning. ”

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