Νέες και εξελισσόμενες τεχνολογίες αναδιαμορφώνουν γρήγορα τον τρόπο που εργαζόμαστε - προσφέροντας δημιουργικές ευκαιρίες για προγραμματιστές που είναι πρόθυμοι να περιστραφούν και να υιοθετήσουν νέες δεξιότητες. Ρίξαμε μια ματιά σε 11 τεχνολογικές τάσεις οι ειδικοί λένε ότι είναι πιθανό να διαταράξουν τις τρέχουσες προσεγγίσεις πληροφορικής και να δημιουργήσουν ζήτηση για μηχανικούς με επίκεντρο το μέλλον.
Δεν έχει να κάνει με το The Next Big Thing. Οι μελλοντικές ευκαιρίες για προγραμματιστές προκύπτουν από μια συμβολή τεχνολογιών αιχμής, όπως το AI, το VR. επαυξημένης πραγματικότητας, IoT και τεχνολογίας cloud ... και, φυσικά, ασχολείται με θέματα ασφαλείας που εξελίσσονται από αυτές τις συγκλίσεις.
Εάν σας ενδιαφέρει να επεκτείνετε το κιτ εργαλείων του προγραμματιστή σας, ρίξτε μια ματιά σε αυτούς τους δημοφιλείς τομείς και τις συμβουλές μας σχετικά με το πώς να προχωρήσετε αρχίζοντας με αυτούς.
Διαδίκτυο ασφάλειας πραγμάτων
Αφού δεκάδες εκατομμύρια συνδεδεμένες συσκευές παραβιάστηκαν πέρυσι, ακόμη και περιστασιακοί παρατηρητές μπορούσαν να δουν ότι οι μη προστατευμένες συσκευές IoT δημιουργούν εφιάλτα προβλήματα ασφάλειας.
Μια πρόσφατη αναφορά της ερευνητικής εταιρείας Gartner συνιστά στους προγραμματιστές και τις ομάδες ασφαλείας να συνεργαστούν νωρίς στη διαδικασία σχεδιασμού για να διασφαλίσουν ότι οι νέες απειλές μπορούν να αντιμετωπιστούν καθώς εμφανίζονται - για παράδειγμα, παρέχοντας τη δυνατότητα στις συσκευές IoT να κατεβάζουν ενημερώσεις ασφαλείας.
Η ζήτηση είναι υψηλή για μηχανικούς με δεξιότητες ασφάλειας IoT, ειδικά για εκείνους που κατανοούν τις ευπάθειες του υλικού και του λογισμικού που χρησιμοποιούν οι συνδεδεμένες συσκευές.
«Τα διανύσματα επίθεσης στο IoT είναι σε μεγάλο βαθμό πανομοιότυπα με εκείνα οποιουδήποτε άλλου κατανεμημένου δικτύου, όπως υπολογιστές ή κινητά τηλέφωνα, οπότε οι ίδιες γνώσεις ασφαλείας είναι σχετικές και κρίσιμες», λέει ο Richard Whitney, αντιπρόεδρος του προϊόντος στο IoT startup Particle. "Μελετήστε τα θεμέλια της κρυπτογράφησης και του ελέγχου ταυτότητας και θα είστε καλά στο δρόμο σας."
Ο Tom Gonser, ιδρυτής της DocuSign και συνεργάτης της Seven Peaks Ventures, λέει ότι οι εταιρείες χρειάζονται δεξιότητες στον προγραμματισμό χαμηλού επιπέδου για μικροεπεξεργαστές. «Θα θέλουν επίσης την εμπειρία RF με Bluetooth, [Windows Identity Foundation] και στοιχεία ραδιοφάσματος. Οι κορυφαίες επιλογές ασφάλειας Linux, ειδικά βελτιστοποιημένες για μικροσκοπικούς πυρήνες, όπως το Qubes OS, είναι επίσης πολύτιμες. "
Ο Matt Abrams, συνεργάτης του Seven Peaks Ventures με τον Gonser, προτείνει να επικεντρωθεί στην «κατανόηση των ροών εργασίας και στον τρόπο με τον οποίο μπορεί να τις διαταράξει. Η κρυπτογραφία μετα-κβαντικών υπολογιστών έρχεται επίσης γρηγορότερα από ό, τι θα περίμενε κανείς. Πρέπει επίσης να κατανοήσουν τα διαφορετικά δίκτυα απορρήτου και εχθροπραξίας. "
Τεχνητή νοημοσύνη
Καθώς ετοιμαζόμαστε για το επόμενο κύμα αυτόνομων οχημάτων, ρομπότ και έξυπνων ηλεκτρονικών, η ζήτηση για μηχανικούς που έχουν γνώση της τεχνητής νοημοσύνης εκρήγνυται.
«Βρισκόμαστε τώρα σε μεγάλο βαθμό λόγω των εξελίξεων στον πανταχού παρόντα υπολογισμό, των υπηρεσιών cloud χαμηλού κόστους και σχεδόν απεριόριστου χώρου αποθήκευσης», λέει η Nicola Morini-Bianzino, ανώτερος διευθύνων σύμβουλος και επικεφαλής τεχνητής νοημοσύνης στην Accenture. "Το AI είναι ενσωματωμένο σε όλα."
Ο Morini-Bianzino βλέπει τη ζήτηση για «μηχανικούς λογισμικού, τεχνολόγους και ερευνητές με μετάφραση γλωσσών, αναγνώριση ομιλίας, όραμα υπολογιστή, ρομποτική, επεξεργασία φυσικής γλώσσας, αναπαράσταση γνώσης και λογική. Το AI ... τροφοδοτεί δεδομένα, επομένως οι επιμελητές περιεχομένου και δεδομένων, οι επιστήμονες δεδομένων και οι ειδικοί αναλυτικών στοιχείων είναι επίσης ζωτικής σημασίας. "
Ο αντιπρόσωπος μάρκετινγκ του Treasure Data, Kiyoto Tamura, οραματίζεται την τεχνητή νοημοσύνη να κινείται από πολύ συγκεκριμένες, απλές λειτουργίες σε πολύ ευρύτερες και πιο συναρπαστικές εφαρμογές.
«Στο παρελθόν, έμοιαζε περισσότερο,« Βρείτε τη βέλτιστη διαδρομή για παράδοση πακέτων… ή τους πιο σχετικούς ιστότοπους για ένα ερώτημα αναζήτησης. »Τώρα, αρχίζουμε να βλέπουμε,« Παίξτε ένα παιχνίδι του Go πολύ καλά. οδηγείτε ένα αυτοκίνητο με ασφάλεια »κ.λπ. Όλα αυτά είναι ωραία, αλλά οι άνθρωποι πρέπει ακόμα να τροφοδοτούν αντικειμενικές λειτουργίες στον υπολογιστή, και τουλάχιστον προς το παρόν, αυτό θα συμβεί."
Οι επιστήμονες δεδομένων, οι ερευνητές μηχανικής μάθησης και οι υπολογιστές γλωσσολόγοι αναζητούνται όλο και περισσότερο, λέει ο Διευθύνων Σύμβουλος της MindMeld, Tim Tuttle. Αναφέρει μια μελέτη VentureScanner που απαρίθμησε 910 εταιρείες AI που αναδύθηκαν από τον Μάρτιο έως τον Οκτώβριο του 2016, περισσότερες από τις μισές από τις οποίες επικεντρώνονται στη βαθιά μάθηση / μηχανική εκμάθηση και στη φυσική επεξεργασία γλωσσών.
"Όχι μόνο αυτές οι κατηγορίες κερδίζουν σε αριθμούς, αλλά έχουν επίσης λάβει τη μεγαλύτερη χρηματοδότηση, με ποσό 4,5 δισεκατομμυρίων δολαρίων", λέει ο Tuttle. «Με την πρόσφατη έκρηξη ενδιαφέροντος για συνομιλίες, υπήρξε αναντιστοιχία μεταξύ προσφοράς και ζήτησης. Ως αποτέλεσμα, οι ειδικοί σε θέματα θα παραμείνουν πολύτιμα αγαθά έως ότου ο ακαδημαϊκός και ο κλάδος μπορούν να εξισορροπήσουν την εξίσωση. "
Μηχανική εκμάθηση
Μια μορφή τεχνητής νοημοσύνης, η μηχανική μάθηση μπορεί να πάρει τεράστιες ποσότητες δεδομένων για να βρει πολύ γρήγορα μοτίβα - όπως αναγνώριση προσώπου - και να λύσει προβλήματα, όπως να προτείνει μια ταινία για ροή, χωρίς να έχει προγραμματιστεί ρητά να το κάνει.
«Οι γνωστικές τεχνολογίες, με τη βοήθεια των bots και της μηχανικής μάθησης, θα αρχίσουν να προσθέτουν αξία καθώς οι οργανισμοί προσπαθούν να βρουν τα« σήματα στο θόρυβο »», λέει ο Patrick Spedding, ανώτερος διευθυντής του BI R&D για το Rocket Software. "Η μηχανική εκμάθηση βασίζεται, τελικά, σε ώριμες δυνατότητες ανάλυσης - παλαιότερα γνωστές ως" εξόρυξη δεδομένων "- που πραγματικά περίμεναν μια κατάλληλη πλατφόρμα να γίνει πιο« αναλώσιμη »."
Πώς πρέπει οι προγραμματιστές που θέλουν να επεκταθούν στη μηχανική μάθηση να αναπτύξουν δεξιότητες σε αυτόν τον τομέα;
Ο Abrams, του Seven Peaks Ventures, επισημαίνει μια σεβαστή διαδικτυακή τάξη: «Το σεμινάριο του Andrew Ng για τη μηχανική μάθηση στο Coursera είναι ένα εξαιρετικό παράδειγμα. Οι μαθητές που πήραν το μάθημά του μέσω Coursera στην πραγματικότητα έκαναν καλύτερα στους διαγωνισμούς Kaggle από κάποιους παλιούς ασκούμενους. "
Όχι κάθε προγραμματιστής που εργάζεται στη μηχανική εκμάθηση προέρχεται από το υπόβαθρο της επιστήμης των υπολογιστών, αν και είναι χρήσιμο, λέει ο Solvvy CTO και ο συνιδρυτής Mehdi Samadi, ο οποίος βλέπει ορισμένα διδακτορικά δίχτυα χωρίς να προσλαμβάνονται και να εκπαιδεύονται για να γίνουν μηχανικοί μηχανικής μάθησης.
«Οι βασικές συνεισφορές στον τομέα της μηχανικής μάθησης απαιτούν την εκτέλεση πολλών πειραμάτων χρησιμοποιώντας τα πραγματικά δεδομένα, παρατηρώντας από το αποτέλεσμα του μοντέλου και βελτιώνοντας το μοντέλο», λέει. «Έχοντας ένα πτυχίο CS ή ένα βασικό υπόβαθρο μηχανικής συνήθως θα ωφελούσε τους μηχανικούς να είναι πιο επιτυχημένοι στη δουλειά τους, προκειμένου να είναι σε θέση να εκτελούν συνεχώς πειράματα και να βελτιώνουν τα μοντέλα μηχανικής μάθησης».
Επιστημονικά δεδομένα
Η επιστήμη των δεδομένων είναι μια άλλη καυτή περιοχή, που απαιτεί πολυτομεακές δεξιότητες που διαφέρουν ανάλογα με τη βιομηχανία. Οι απαιτήσεις μπορούν να περιλαμβάνουν εμπειρία με τη μηχανική μάθηση και την τεχνητή νοημοσύνη για τη λήψη μεγάλων ποσοτήτων δεδομένων και τη διαμόρφωσή τους σε μια μορφή που μπορεί να χρησιμοποιηθεί για τη λήψη επιχειρηματικών αποφάσεων.
"Οι ειδικευμένοι επιστήμονες δεδομένων είναι σε σύντομο χρονικό διάστημα," λέει ο Spedding. "Συγκεκριμένα, βλέπω τομείς όπου η τεχνολογία μπορεί να σχεδιαστεί για να" βοηθά "αποφάσεις, όπως γνωστικά bots και καθοδηγούμενα analytics, να είναι τομείς ευκαιριών υψηλής προστιθέμενης αξίας."
Η διεξοδική κατανόηση της πιθανότητας και των στατιστικών στοιχείων είναι το κλειδί για όσους θέλουν να εργαστούν σε αυτόν τον τομέα, λέει ο Gary Kazantsev, ο οποίος είναι επικεφαλής της ομάδας μηχανικής μάθησης στο Bloomberg. «Προσθέστε μερικές δεξιότητες μηχανικής, καθώς η ανάγκη να είναι σε θέση να γράψει κάποιο κώδικα για την κατασκευή ενός συστήματος δεν θα πάει ποτέ μακριά, αν και με την εμφάνιση εργαλείων όπως τα notebooks TensorFlow ή Jupyter, αυτό γίνεται πολύ πιο εύκολο. Χρειάζονται επίσης καλές ερευνητικές δεξιότητες - δηλαδή, την ικανότητα να διαμορφώσουν μια υπόθεση και να τη δοκιμάσουν, να διαβάσουν την τρέχουσα βιβλιογραφία και να μείνουν ενημερωμένοι. "
Ο Gunter Ollmann, επικεφαλής ασφαλείας της Vectra, λέει ότι βλέπει σήμερα τις επιχειρήσεις να αντιμετωπίζουν τους επιστήμονες δεδομένων ξεχωριστά από τις ομάδες μηχανικής και έρευνας και ανάπτυξης. Αλλά δεν πιστεύει ότι αυτή η προσέγγιση θα διαρκέσει.
«Καθώς τα εργαλεία βαθιάς μάθησης και μηχανικής μάθησης βελτιώνονται και τα εκπαιδευτικά μαθήματα boot camp γίνονται πιο ικανά να φέρουν ανώτερους μηχανικούς σε ταχύτητα στην επιστήμη των δεδομένων, ο διαχωρισμός μεταξύ της επιστήμης δεδομένων και της μηχανικής θα εξαφανιστεί. Όλοι οι μηχανικοί πρέπει να είναι καλοί στα μαθηματικά. Τώρα πρέπει επίσης να μάθουν τα μαθηματικά της επιστήμης των δεδομένων. Η συγχώνευση των σετ δεξιοτήτων και η ικανότητα εκμετάλλευσης και των δύο σφυριών θα είναι υποχρεωτική.
Blockchain
Αυτό σημαίνει τη δημιουργία ενός κατανεμημένου καθολικού για συναλλαγές που προσφέρει οφέλη στη διαφάνεια και την ασφάλεια, αν και η έλλειψη τυποποίησης μπορεί να επιβραδύνει την υιοθέτησή της σε ευρεία βιομηχανία.
Ο Peter Loop, αναπληρωτής αντιπρόεδρος και κύριος αρχιτέκτονας τεχνολογίας της Infosys, είναι αισιόδοξος για την τεχνολογία: «Παρά τις λανθασμένες αντιλήψεις ότι το blockchain είναι χρόνια μακριά, θα δούμε πλήρη ανάπτυξη σε βιομηχανίες χρηματοοικονομικών υπηρεσιών, ασφαλίσεων και υγειονομικής περίθαλψης το επόμενο έτος. Αυτό θα διαταράξει εντελώς τα συστήματα πληρωμών μας σε διεθνή κλίμακα. "
Μια άλλη αναδυόμενη τεχνολογία έχει μια πιο απότομη καμπύλη μάθησης, λέει ο Robert Bardunias, συνιδρυτής και διευθύνων σύμβουλος εσόδων του IRIS.TV, ο οποίος είναι ενθουσιασμένος από την εγγενή επιχειρηματική εστίαση του blockchain.
«Αυτές οι τεχνολογίες αναπτύσσονται έχοντας κατά νου πραγματικές επιχειρησιακές εφαρμογές από την ημέρα μηδέν, οπότε δεν υπάρχει ανάγκη από την πλευρά της ανάπτυξης να προσπαθήσουμε να φανταστούμε τη χρήση των περιπτώσεων - συμβαίνουν και αναπτύσσονται σε πραγματικό χρόνο», λέει ο Bardunias. «Η πραγματική συντριπτική πρόκληση για όσους θέλουν να αναπτύξουν δεξιότητες σε αυτούς τους τομείς θα είναι πώς να συμβαδίζουν με τις νέες εξελίξεις και εξελίξεις. Θυμάμαι όταν έμαθα δεξιότητες δευτεροβάθμιας ανάπτυξης, διαβάζοντας ιστοτόπους βιομηχανικών συναλλαγών - και περιοδικά, ήταν πολύ καιρό πριν - ήταν το τελευταίο πράγμα που ήθελα να κάνω, αλλά είναι ένα πραγματικό μέρος του σημερινού μαθησιακού μείγματος ως προγραμματιστής που θέλει να κατασκευάσει και να διατηρήσει ένα ανταγωνιστικό πλεονέκτημα στην παγκόσμια αγορά. "
Αρχιτεκτονική εφαρμογών και υπηρεσιών πλέγματος (MASA)
Η ζήτηση για εφαρμογές που παραμένουν απρόσκοπτα συνδεδεμένες καθώς περνάμε από το σπίτι, τις μετακινήσεις και την εργασία μας αυξάνεται όλο και περισσότερο.
«Ο σκοπός ενός δικτύου πλέγματος ή μιας εφαρμογής είναι ότι θα είναι υψηλή διαθεσιμότητα - όλα που συνδέονται με τα πάντα», λέει ο Joseph Carson του Thycotic. "Εάν η διαδρομή δεν είναι διαθέσιμη, θα βρει μια άλλη συσκευή για να δημιουργήσει τη σύνδεση. Έχουμε δει αυτό να χρησιμοποιείται για παράδειγμα με τις συσκευές παρακολούθησης πλακιδίων, η οποία έχει δημιουργήσει μια κοινότητα συσκευών παρακολούθησης και με το bitcoin να είναι ένα κατανεμημένο καθολικό. "
Ωστόσο, ορισμένοι βλέπουν την έλλειψη συμβατότητας της συσκευής ως πιθανή συμφόρηση.
«Κάθε προμηθευτής έχει τον δικό του τρόπο να προσπαθεί να οδηγήσει την εμπιστοσύνη σε αυτό το σύστημα, οπότε είναι όλοι περιφραγμένοι κήποι, αν υπάρχουν ακόμη και καθόλου», λέει ο Derek Collison, πρώην Cloud Foundry και διευθύνων σύμβουλος της Apcera.
Αυτή η τεχνολογία υπόσχεται ένα προηγουμένως αδιανόητο επίπεδο διασύνδεσης - εάν η έλλειψη προτύπων δεν παρεμποδίζει.
«Η μεγαλύτερη σκέψη μου εδώ είναι ότι η AI θα εκπαιδεύεται γενικά στο cloud με τεράστιες ποσότητες δεδομένων από όλους τους χρήστες», λέει ο Collison. «Αυτοί οι αλγόριθμοι στη συνέχεια θα ενημερώνουν συνεχώς το μοντέλο εκτέλεσης, το οποίο θα αποσταλεί στην άκρη μέσω του αέρα και θα ενημερώνει το υλικολογισμικό σε συσκευές αιχμής όπως τα τηλέφωνα, τα αυτοκίνητα και το σπίτι μας. Η επεξεργασία θα πραγματοποιηθεί στα άκρα του υλικού. η εκπαίδευση θα πραγματοποιηθεί στο cloud στο λογισμικό. "
Ψηφιακά δίδυμα: Προετοιμαστείτε για αποτυχία
Τα μοντέλα λογισμικού που συνδέονται με φυσικούς και εικονικούς αισθητήρες μπορούν να βοηθήσουν στην πρόβλεψη αστοχιών προϊόντων ή υπηρεσιών, έτσι ώστε οι οργανισμοί να είναι σε θέση να σχεδιάζουν και να εκχωρούν πόρους για την πραγματοποίηση επισκευών πριν από την αποτυχία. Οι εξελίξεις στη μηχανική εκμάθηση και την υιοθέτηση της τεχνολογίας IoT συμβάλλουν στη μείωση του κόστους για αυτό το είδος προγνωστικής μοντελοποίησης «ψηφιακού διπλού», το οποίο ενισχύει την αποδοτικότητα και μπορεί να μειώσει το λειτουργικό κόστος καθ 'όλη τη διάρκεια ζωής, ας πούμε, ενός κινητήρα τζετ ή ενός σταθμού .
Ο Matias Woloski, CTO και συνιδρυτής της Auth0, λέει ότι οι εταιρείες μπορούν επίσης να χρησιμοποιήσουν ψηφιακά δίδυμα στο στάδιο του σχεδιασμού και του σχεδιασμού, δοκιμάζοντας νέα προϊόντα σε προσομοιώσεις και, στη συνέχεια, πραγματοποιώντας αλλαγές έως ότου οι μηχανικοί αποκτήσουν το προϊόν που θέλουν. Στη συνέχεια χρησιμοποιούνται ευρήματα από το ψηφιακό δίδυμο για την κατασκευή του προϊόντος.
«Μερικοί οργανισμοί έχουν ήδη ξεκινήσει πρωτοβουλίες ψηφιακού διπλού, αν και τα πρωταρχικά έργα που αξιοποιούν αυτήν την τεχνολογία είναι αυτά με μεγάλα αρχικά έξοδα ανάπτυξης όπου το κόστος της αποτυχίας είναι πολύ υψηλό», λέει ο Woloski.
Ο CTO του SpaceTime Insight, Paul Hofmann, λέει ότι τα ψηφιακά δίδυμα επωφελούνται από τη μηχανική μάθηση, καθιστώντας τα πιο αποτελεσματικά από τα μοντέλα που βασίζονται σε συνθήκες στην πρόβλεψη αστοχιών.
"Τα συστήματα IoT και μηχανικής μάθησης επιτρέπουν στους οργανισμούς να διασφαλίζουν ότι τα περιουσιακά στοιχεία του δεν αποτυγχάνουν τυχαία, και εάν αποτύχουν, τότε οι οργανισμοί μπορούν να βελτιστοποιήσουν τη λήψη αποφάσεων σε πραγματικό χρόνο για την καλύτερη μακροπρόθεσμη λύση."
Αυτόνομα οχήματα, ρομπότ και συσκευές
Οι νέες ευκαιρίες θεωρούνται ότι αναπτύσσονται καθώς η μηχανική μάθηση και η μηχανική εκμάθηση εξοικειώνουν οικιακές συσκευές, βιομηχανικό εξοπλισμό, αυτοκίνητα και drone. Η ερευνητική εταιρεία Gartner εκτιμά ότι έως το 2020, οι αυτοκινητοβιομηχανίες θα στείλουν 61 εκατομμύρια αυτοκίνητα που συνδέονται με δεδομένα από τις γραμμές παραγωγής.
«Υπάρχουν ήδη ολόκληρες οικονομίες σε αυτές τις περιοχές», λέει ο Vince Jeffs, διευθυντής στρατηγικής και μάρκετινγκ προϊόντων της Pegasystems. «Για παράδειγμα, υπάρχουν εκκινήσεις AI - και πιο ώριμες εταιρείες - ήδη εδραιωμένες στον αυτόνομο χώρο οχημάτων. Για παράδειγμα, η MobileEye είναι μια εταιρεία με υποστήριξη VC περίπου 500 εκατομμυρίων δολαρίων που ειδικεύεται στις μικρές κάμερες σε όλο το όχημα. Ομοίως, υπάρχουν καταστήματα για φυσικά ρομπότ - για παράδειγμα, η SoftBank Robotics ειδικεύεται σε ρομπότ που χρησιμοποιούνται σε ξενοδοχεία για θυρωρείο. Έχουν περίπου 250 εκατομμύρια δολάρια σε υποστήριξη VC. "
