Nové a vyvíjející se technologie rychle přetvářejí naši práci - nabízejí kreativní příležitosti pro vývojáře, kteří jsou ochotni pivotovat a osvojit si nové dovednosti. Podívali jsme se na 11 technologických trendů, které odborníci tvrdí, že pravděpodobně naruší současné přístupy IT a vytvoří poptávku po inženýrech s ohledem na budoucnost.
Není to všechno o The Next Big Thing. Budoucí příležitosti pro vývojáře vznikají na soutoku špičkových technologií, jako je AI, VR. rozšířená realita, IoT a cloudová technologie ... a samozřejmě řešení bezpečnostních problémů, které se z těchto konvergencí vyvíjejí.
Pokud máte zájem o rozšíření sady nástrojů pro vývojáře, podívejte se na tyto trendové domény - a naše tipy, jak postupovat, když s nimi začnete.
Zabezpečení internetu věcí
Poté, co byly v loňském roce uneseny desítky milionů připojených zařízení, mohli i příležitostní pozorovatelé vidět, že nechráněná zařízení IoT vytvářejí děsivé bezpečnostní problémy.
Nedávná zpráva výzkumné firmy Gartner doporučuje vývojářům a bezpečnostním týmům spolupracovat v rané fázi procesu návrhu, aby bylo zajištěno, že při řešení mohou být řešeny nové hrozby - například poskytnutím možnosti zařízením IoT stahovat aktualizace zabezpečení.
Poptávka je vysoká u techniků s bezpečnostními dovednostmi IoT, zejména u těch, kteří rozumí zranitelnosti hardwaru a softwaru používaného zařízeními připojenými k síti.
„Útočné vektory v IoT jsou do značné míry totožné s vektory jakékoli jiné distribuované sítě, jako jsou počítače nebo mobilní telefony, takže stejné bezpečnostní znalosti jsou relevantní a kritické,“ říká Richard Whitney, viceprezident produktu při spuštění IoT Particle. "Prozkoumejte základy kryptoměny a autentizace a budete na dobré cestě."
Tom Gonser, zakladatel DocuSign a partner společnosti Seven Peaks Ventures, říká, že firmy potřebují dovednosti v programování na nízké úrovni pro mikroprocesory. "Budou také chtít RF zkušenosti s Bluetooth, [Windows Identity Foundation] a komponenty s rozšířeným spektrem." Cenné jsou také špičkové možnosti zabezpečení systému Linux, optimalizované zejména pro malá jádra, jako je Qubes OS. “
Matt Abrams, partner společnosti Seven Peaks Ventures ve společnosti Gonser, navrhuje zaměřit se na „pochopení pracovních toků a způsob, jak je narušit. Postquantová počítačová kryptografie také přichází rychleji, než by se dalo očekávat. Měli by také rozumět rozdílným soukromým a sporným sítím. “
Umělá inteligence
Jak se připravujeme na další vlnu autonomních vozidel, robotů a inteligentní elektroniky, poptávka po inženýrech důvtipných pro AI roste.
„Nyní jsme z velké části v bodě zvratu kvůli pokroku v oblasti všudypřítomných výpočetních prostředků, nízkonákladovým cloudovým službám a téměř neomezenému úložišti,“ říká Nicola Morini-Bianzino, vrchní ředitelka a vedoucí umělé inteligence ve společnosti Accenture. "AI je zabudována do všeho."
Morini-Bianzino vidí poptávku po „softwarových inženýrech, technologech a vědcích v oboru výzkumu jazyků, rozpoznávání řeči, počítačového vidění, robotiky, zpracování přirozeného jazyka, reprezentace znalostí a odborných znalostí. AI ... krmí data, takže kurátoři obsahu a dat, vědci v oblasti dat a analytici jsou také zásadní. “
Treasure Data, viceprezident pro marketing Kiyoto Tamura, předpokládá, že AI se bude pohybovat od velmi specifických pozemských operací k mnohem širším a vzrušujícím aplikacím.
„V minulosti to bylo spíš jako:„ Najděte optimální cestu pro doručování balíků… nebo nejrelevantnější weby pro vyhledávací dotaz. “Nyní začínáme vidět:„ Hrajte hru Go opravdu dobře; bezpečně řídit auto, atd. To vše je v pohodě, ale lidé stále musí krmit objektivní funkce do počítače, alespoň prozatím to tak bude. “
Datoví vědci, vědci v oblasti strojového učení a výpočetní lingvisté jsou stále více vyhledáváni, říká generální ředitel MindMeld Tim Tuttle. Cituje studii VentureScanner, která počítala s 910 společnostmi AI vzniklými od března do října 2016, z nichž více než polovina se zaměřuje na hluboké učení / strojové učení a zpracování přirozeného jazyka.
"Tyto kategorie nejenže vyhrávají v počtech, ale také získaly nejvíce finančních prostředků, a to ve výši 4,5 miliard dolarů," říká Tuttle. "S nedávným výbuchem zájmu o konverzační aplikace došlo k nesouladu mezi nabídkou a poptávkou." Výsledkem bude, že odborníci na předmět zůstanou cennou komoditou, dokud akademická obec a průmysl nevyváží rovnováhu. “
Strojové učení
Forma umělé inteligence, strojové učení, může trvat obrovské množství dat, aby se velmi rychle našly vzorce - jako je rozpoznávání obličeje - a řešily se problémy, jako je doporučení streamovat film, aniž by k tomu byl výslovně naprogramován.
„Kognitivní technologie podporované roboty a strojovým učením začnou přidávat hodnotu, jakmile se organizace budou snažit najít„ signály v šumu “,“ říká Patrick Spedding, senior ředitel BI R&D pro Rocket Software. „Strojové učení je koneckonců založeno na vyspělých analytických schopnostech - dříve známých jako„ data mining “- které skutečně čekají na to, až se vhodná platforma stane„ konzumovatelnější “.“
Jak by měli vývojáři, kteří chtějí expandovat do strojového učení, rozvíjet dovednosti v této oblasti?
Abrams ze společnosti Seven Peaks Ventures poukazuje na vysoce ceněnou online třídu: „Seminářský kurz Andrew Ng o strojovém učení na Coursera je skvělým příkladem. Studenti, kteří absolvovali jeho kurz přes Coursera, si ve soutěžích v Kaggle vedli lépe než někteří dlouholetí praktici. “
Ne každý vývojář pracující v oblasti strojového učení pochází z prostředí počítačové vědy, i když je to užitečné, říká Colv Solvvy a spoluzakladatel Mehdi Samadi, který vidí některé doktorské tituly, aniž by byli přijímáni a školeni tituly CS, aby se stali inženýry strojového učení.
„Jádrové příspěvky v oblasti strojového učení vyžadují spuštění mnoha experimentů s využitím skutečných dat, pozorování z výsledku modelu a vylepšování modelu,“ říká. "Mít titul CS nebo základní inženýrské vzdělání by obvykle prospělo inženýrům, aby byli úspěšnější ve své práci, aby mohli průběžně provádět experimenty a zlepšovat modely strojového učení."
Datová věda
Datová věda je další horkou oblastí, která vyžaduje multidisciplinární dovednosti, které se liší podle odvětví. Mezi požadavky mohou patřit zkušenosti se strojovým učením a umělou inteligencí, aby bylo možné přijímat velké objemy dat a formovat je do podoby, kterou lze použít k přijímání obchodních rozhodnutí.
"Vědci v oblasti kvalifikovaných dat mají nedostatek, období," říká Spedding. "Konkrétně vidím oblasti, kde mohou být technologie navrženy tak, aby 'napomáhaly' rozhodování, jako jsou kognitivní roboty a řízené analýzy, jako oblasti s vysokou přidanou hodnotou."
Důkladné pochopení pravděpodobnosti a statistik je klíčové pro ty, kteří chtějí pracovat v této oblasti, říká Gary Kazantsev, který vede skupinu strojového učení v Bloomberg. "Přidejte nějaké technické dovednosti, protože potřeba být schopen napsat nějaký kód pro vybudování systému nikdy nezmizí, i když s nástupem nástrojů, jako jsou notebooky TensorFlow nebo Jupyter, je to také mnohem jednodušší." Potřebují také dobré výzkumné dovednosti - tj. Schopnost vytvořit hypotézu a otestovat ji, přečíst si aktuální literaturu a držet krok s aktuálními informacemi. “
Gunter Ollmann, hlavní bezpečnostní pracovník společnosti Vectra, říká, že v současné době vidí, jak firmy zacházejí s datovými vědci odděleně od týmů inženýrů a výzkumu a vývoje. Ale nemyslí si, že tento přístup vydrží.
"Jak se zlepšují nástroje pro hluboké učení a strojové učení a výcvikové kurzy v boot campu se stávají obratnějšími v tom, jak vyspělé inženýry zrychlit v oblasti datové vědy, rozdělení mezi datovou vědou a technikou zmizí." Všichni inženýři musí být dobří v matematice. Nyní musí také zvládnout matematiku vědy o datech. Spojení sad dovedností a schopnosti ovládat obě kladiva bude do budoucna povinné. “
Blockchain
Tento způsob vytvoření distribuované účetní knihy pro transakce nabízí výhody v transparentnosti a zabezpečení, ačkoli nedostatek standardizace může zpomalit její přijetí napříč širokými průmyslovými odvětvími.
Peter Loop, viceprezident a hlavní technologický architekt ve společnosti Infosys, se této technologii nebojí: „Navzdory mylným představám, že blockchain je vzdálený několik let, se příštího roku dočkáme plného nasazení ve finančních službách, pojišťovnictví a zdravotnictví. To zcela naruší naše platební systémy v mezinárodním měřítku. “
Další rozvíjející se technologie mají strmější křivku učení, říká Robert Bardunias, spoluzakladatel a hlavní finanční ředitel IRIS.TV, který je nadšený inherentním podnikatelským zaměřením blockchainu.
"Tyto technologie rostou se skutečnými provozními obchodními aplikacemi od nuly, takže na straně vývoje není nutné si představovat použití případů - dějí se a rostou v reálném čase," říká Bardunias. "Skutečnou drtivou výzvou pro ty, kteří chtějí rozvíjet dovednosti v těchto oblastech, bude, jak držet krok s novým vývojem a vývojem." Vzpomínám si, že když jsem se učil sekundární vývojové dovednosti, čtení průmyslových obchodních webů - a časopisů, to bylo už dávno - bylo to poslední, co jsem chtěl udělat, ale je to skutečná součást dnešní studijní směsi jako vývojář, který se snaží budovat a udržovat konkurenční výhodu na globálním trhu. “
Síťová architektura aplikací a služeb (MASA)
Poptávka po aplikacích, které plynule zůstanou propojeny, když procházíme naším domovem, dojíždíme a pracujeme, je stále více žádaná.
"Účelem síťové sítě nebo aplikace je, že to bude vysoká dostupnost - vše se vším spojí," říká Joseph Carson ze společnosti Thycotic. "Pokud cesta není k dispozici, najde další zařízení k navázání připojení." Viděli jsme, že se to používá například u sledovacích zařízení Tile, které vytvořilo komunitu sledovacích zařízení, a u bitcoinů jako distribuované účetní knihy. “
Někteří však vidí nedostatek kompatibility zařízení jako potenciální překážku.
"Každý prodejce má svůj vlastní způsob, jak se pokusit vnést důvěru do tohoto systému, takže jsou to všechny opevněné zahrady, pokud vůbec existují," říká Derek Collison, dříve Cloud Foundry a generální ředitel společnosti Apcera.
Tato technologie slibuje dříve nemyslitelnou úroveň propojenosti - pokud jí nebude překážet nedostatek standardů.
"Moje větší myšlenka je, že AI bude obecně trénována v cloudu s obrovským množstvím dat od všech uživatelů," říká Collison. "Tyto algoritmy pak budou průběžně aktualizovat svůj model provádění, který bude odeslán na okraj vzduchem, a aktualizovat firmware na okrajových zařízeních, jako jsou naše telefony, auta a domov." Zpracování proběhne na okrajích hardwaru; školení proběhne v cloudu v softwaru. “
Digitální dvojčata: Připravte se na selhání
Softwarové modely spojené s fyzickými a virtuálními senzory mohou pomoci předpovědět selhání produktu nebo služby tak, aby organizace mohly plánovat a přiřadit prostředky k provádění oprav dříve, než dojde k selhání. Pokroky v strojovém učení a přijetí technologie IoT pomáhají snižovat náklady na tento druh prediktivního modelování „digitálních dvojčat“, což zvyšuje účinnost a může snížit provozní náklady po dobu životnosti, řekněme, proudového motoru nebo elektrárny .
Matias Woloski, CTO a spoluzakladatel společnosti Auth0, říká, že společnosti mohou také používat digitální dvojčata ve fázi konceptu a designu, testovat nové produkty v simulacích a poté provádět změny, dokud inženýři nebudou mít požadovaný produkt. Nálezy z digitálního dvojčete se pak použijí k vytvoření produktu.
"Několik organizací již zahájilo digitální dvojčata, ačkoli primární projekty využívající tuto technologii jsou projekty s velkými počátečními náklady na vývoj, kde jsou náklady na selhání příliš vysoké," říká Woloski.
Paul Hofmann, technický ředitel SpaceTime Insight, říká, že digitální dvojčata těží ze strojového učení, díky čemuž jsou při předpovídání poruch efektivnější než modely založené na podmínkách.
„IoT a systémy strojového učení umožňují organizacím zajistit, aby její aktiva náhodně neselhávala, a pokud selžou, pak mohou organizace optimalizovat rozhodování v reálném čase pro nejlepší dlouhodobé řešení.“
Autonomní vozidla, roboti a zařízení
Nové příležitosti se vyvíjejí, protože umělá inteligence a strojové učení vylepšují domácí zařízení, průmyslová zařízení, automobily a drony. Výzkumná firma Gartner odhaduje, že do roku 2020 automobilky pošlou z výrobních linek 61 milionů automobilů připojených k datům.
"V těchto oblastech se již objevují celé ekonomiky," říká Vince Jeffs, ředitel strategie a produktového marketingu společnosti Pegasystems. "Například existují start-upy AI - a vyspělejší společnosti - již dobře zavedené v prostoru autonomních vozidel." Například MobileEye je společnost s podporou VC ve výši přibližně 500 milionů USD, která se specializuje na malé kamery po celém vozidle. Podobně existují obchody pro fyzické roboty - například SoftBank Robotics se specializuje na roboty používané v hotelech pro recepční. Mají zhruba 250 milionů dolarů v podpoře VC. “
