Nye og utviklende teknologier omformer raskt hvordan vi jobber - og gir kreative muligheter for utviklere som er villige til å dreie og ta i bruk nye ferdigheter. Vi tok en titt på 11 tekniske trender eksperter sier at de sannsynligvis vil forstyrre dagens IT-tilnærminger og skape etterspørsel etter ingeniører med tanke på fremtiden.
Det handler ikke bare om The Next Big Thing. Fremtidige muligheter for utviklere kommer fra en sammenløp av banebrytende teknologier, som AI, VR. utvidet virkelighet, IoT og skyteknologi ... og selvfølgelig håndtering av sikkerhetsspørsmål som utvikler seg fra disse konvergensene.
Hvis du er interessert i å utvide utviklerens verktøysett, kan du sjekke ut disse populære domenene - og våre tips om hvordan du kommer deg videre ved å komme i gang med dem.
Internett av ting sikkerhet
Etter at titalls millioner tilkoblede enheter ble kapret i fjor, kunne selv tilfeldige observatører se at ubeskyttede IoT-enheter skaper marerittløse sikkerhetsproblemer.
En fersk rapport fra forskningsfirma Gartner anbefaler utviklere og sikkerhetsteam å jobbe sammen tidlig i designprosessen for å sikre at nye trusler kan løses når de kommer opp - for eksempel ved å gi muligheten for IoT-enheter å laste ned sikkerhetsoppdateringer.
Etterspørselen er høy for ingeniører med IoT-sikkerhetsferdigheter, spesielt de som forstår sårbarhetene til maskinvare og programvare som brukes av nettilkoblede enheter.
"Angrepsvektorene i IoT er i stor grad identiske med de i alle andre distribuerte nettverk, som datamaskiner eller mobiltelefoner, så den samme sikkerhetskunnskapen er relevant og kritisk," sier Richard Whitney, visepresident for produkt ved IoT-oppstartpartikkel. "Studer grunnlaget for krypto og autentisering, så er du godt på vei."
Tom Gonser, grunnlegger av DocuSign og en partner i Seven Peaks Ventures, sier at bedrifter trenger ferdigheter innen lavt nivå programmering for mikroprosessorer. "De vil også ha RF-erfaring med Bluetooth, [Windows Identity Foundation] og komponenter med spredt spektrum. Ledende Linux-sikkerhetsalternativer, spesielt optimalisert for små kjerner som Qubes OS, er også verdifulle. "
Matt Abrams, en partner i Seven Peaks Ventures med Gonser, foreslår å fokusere på “å forstå arbeidsflyter og hvordan man kan forstyrre dem. Postquantum computing-kryptografi kommer også raskere enn man kunne forvente. De bør også forstå differensial personvern og motstandernettverk. "
Kunstig intelligens
Når vi forbereder oss på neste bølge av autonome kjøretøyer, roboter og smart elektronikk, eksploderer etterspørselen etter AI-kunnskapsrike ingeniører.
"Vi er nå i stor grad på tipping punkt på grunn av fremskritt innen allestedsnærværende databehandling, rimelige skytjenester og nesten ubegrenset lagring," sier Nicola Morini-Bianzino, senior administrerende direktør og kunstig intelligensleder i Accenture. "AI bygges inn i alt."
Morini-Bianzino ser etterspørsel etter “programvareingeniører, teknologer og forskere med språkoversettelse, talegjenkjenning, datasyn, robotikk, prosessering av naturlig språk, kunnskapsrepresentasjon og resonnementskompetanse. AI ... mater data, så innholds- og datakuratorer, dataforskere og analyseeksperter er også avgjørende. "
Treasure Datas VP for markedsføring Kiyoto Tamura ser for seg at AI går fra veldig spesifikke, verdslige operasjoner til mye bredere - og mer spennende - applikasjoner.
"Tidligere var det mer som:" Finn den optimale ruten for levering av pakker ... eller de mest relevante nettstedene for et søk. "Nå begynner vi å se," Spill et spill Go veldig bra; kjør bil trygt, ’osv. Alt dette er kult, men mennesker trenger fortsatt å mate objektive funksjoner til datamaskinen, og i det minste for øyeblikket vil dette være tilfelle.”
Dataforskere, maskinlæringsforskere og beregningslingvister blir stadig mer oppsøkt, sier MindMeld-sjef Tim Tuttle. Han siterer en VentureScanner-studie som teller 910 AI-selskaper som kommer fra mars til oktober 2016, hvor mer enn halvparten fokuserer på dyp læring / maskinlæring og naturlig språkbehandling.
"Ikke bare vinner disse kategoriene i antall, men de har også fått mest finansiering, til en verdi av 4,5 milliarder dollar," sier Tuttle. “Med den nylige eksplosjonen av interesse for samtaleapplikasjoner har det vært et misforhold mellom tilbud og etterspørsel. Som et resultat vil fageksperter forbli en verdifull vare til akademia og industri kan balansere ligningen. "
Maskinlæring
En form for kunstig intelligens, maskinlæring, kan ta store mengder data for å raskt finne mønstre - som ansiktsgjenkjenning - og løse problemer, som å anbefale en film å streame, uten å være eksplisitt programmert til å gjøre det.
"Kognitive teknologier, hjulpet av roboter og maskinlæring, vil begynne å tilføre verdi når organisasjoner strever for å finne" signalene i støyen, "sier Patrick Spedding, seniordirektør for BI R&D for Rocket Software. "Maskinlæring er tross alt basert på modne analysefunksjoner - tidligere kjent som" data mining "- som virkelig har ventet på at en passende plattform skulle bli mer" forbruksvarer. ""
Hvordan skal utviklere som ønsker å utvide seg til maskinlæring utvikle ferdigheter innen dette området?
Abrams, fra Seven Peaks Ventures, peker på en høyt ansett online klasse: “Andrew Ngs banebrytende kurs om maskinlæring på Coursera er et godt eksempel. Studenter som tok kurset sitt via Coursera, klarte seg faktisk bedre i Kaggle-konkurranser enn noen mangeårige utøvere. ”
Ikke alle utviklere som arbeider innen maskinlæring kommer fra informatisk bakgrunn, selv om det er nyttig, sier Solvvy CTO og medstifter Mehdi Samadi, som ser noen doktorgrader uten at CS-grader rekrutteres og trent til å bli maskinlæringsingeniører.
"Kjernebidrag innen maskinlæring krever å kjøre mange eksperimenter ved å bruke de virkelige dataene, observere fra resultatet av modellen og forbedre modellen," sier han. "Å ha en CS-grad eller kjerneteknisk bakgrunn vil vanligvis være til fordel for ingeniørene å bli mer vellykkede i jobben sin for kontinuerlig å kunne kjøre eksperimenter og forbedre maskinlæringsmodeller."
Datavitenskap
Datavitenskap er et annet hett område som krever tverrfaglige ferdigheter som varierer fra bransje til. Krav kan omfatte erfaring med maskinlæring og AI for å ta store datamengder og forme dem i et skjema som kan brukes til å ta forretningsbeslutninger.
"Dyktige dataforskere er mangelvare, periode," sier Spedding. "Spesielt ser jeg områder der teknologi kan utformes for å" hjelpe "beslutninger, som kognitive bots og guidet analyse, som muligheter som gir høy verdi."
En grundig forståelse av sannsynlighet og statistikk er nøkkelen for de som ønsker å jobbe i dette området, sier Gary Kazantsev, som leder maskinlæringsgruppen i Bloomberg. “Legg til noen tekniske ferdigheter, ettersom behovet for å være i stand til å skrive litt kode for å bygge et system aldri vil forsvinne, men med fremveksten av verktøy som TensorFlow eller Jupyter-notatbøker blir dette også mye lettere. De trenger også gode forskningsferdigheter - det vil si evnen til å danne en hypotese og teste den, lese den aktuelle litteraturen og holde seg oppdatert. "
Gunter Ollmann, sikkerhetssjef i Vectra, sier at han for tiden ser firmaer behandle dataforskere separat fra ingeniør- og forsknings- og utviklingsteam. Men han tror ikke den tilnærmingen vil vare.
«Etter hvert som verktøyene for dyplæring og maskinlæring forbedres, og opplæringskurs i boot camp blir flinkere til å bringe senioringeniører opp i fart innen datavitenskap, vil skillet mellom datavitenskap og ingeniørvitenskap forsvinne. Alle ingeniører må være flinke i matte. Nå må de også mestre matematikken i datavitenskap. Fusjonen av ferdighetssett og evnen til å bruke begge hamrene vil være obligatorisk fremover. ”
Blockchain
Dette betyr å opprette en distribuert hovedbok for transaksjoner som gir fordeler når det gjelder gjennomsiktighet og sikkerhet, selv om mangel på standardisering kan redusere adopsjonen i bransjer.
Peter Loop, assisterende visepresident og viktigste teknologearkitekt i Infosys, er bullish på teknologien: "Til tross for misforståelser om at blockchain er flere år unna, vil vi se full implementering i finansielle tjenester, forsikrings- og helsevesenet neste år. Dette vil forstyrre betalingssystemene våre internasjonalt. ”
Andre nye teknologier har en brattere læringskurve, sier Robert Bardunias, medstifter og administrerende direktør for IRIS.TV, som er begeistret for blockchain iboende entreprenørfokus.
"Disse teknologiene vokser med tanke på virkelige driftsapplikasjoner fra dag null, så det er ikke noe behov på utviklingssiden for å prøve å forestille seg bruk av saker - de skjer og vokser i sanntid," sier Bardunias. “Den virkelige overveldende utfordringen for de som ønsker å utvikle ferdigheter i disse områdene, vil være hvordan de kan holde tritt med ny utvikling og utvikling. Jeg husker da jeg lærte sekundære utviklingsevner, og leste bransjens nettsteder - og blader, det var lenge siden - var det siste jeg ønsket å gjøre, men det er en virkelig del av dagens læringsmiks som utvikler som ønsker å bygge og opprettholde et konkurransefortrinn i det globale markedet. ”
Mesh-app og servicearkitektur (MASA)
Etterspørsel etter apper som sømløst holder kontakten når vi beveger oss gjennom hjemmet, pendler og jobber.
"Hensikten med et nettverksnettverk eller -app er at det vil være høy tilgjengelighet - alt som er knyttet til alt," sier Joseph Carson fra Thycotic. “Hvis banen ikke er tilgjengelig, vil den finne en annen enhet for å opprette forbindelsen. Vi har sett at dette blir brukt for eksempel med Tile tracker-enhetene, som har skapt et fellesskap av sporingsenheter, og med bitcoin som en distribuert hovedbok.
Men noen ser på mangel på enhetskompatibilitet som en potensiell flaskehals.
"Hver leverandør har sin egen måte å prøve å få tillit til dette systemet, så de er alle inngjerdede hager, hvis de i det hele tatt eksisterer i det hele tatt," sier Derek Collison, tidligere Cloud Foundry og administrerende direktør i Apcera.
Denne teknologien lover et tidligere utenkelig nivå av tilkobling - hvis mangel på standarder ikke kommer i veien.
"Min større tanke her er at AI generelt vil bli trent i skyen med enorme mengder data fra alle brukere," sier Collison. “Disse algoritmene vil deretter kontinuerlig oppdatere kjøringsmodellen sin, som vil bli sendt til kanten over lufta og oppdatere firmware på edge-enheter som våre telefoner, biler og hjem. Behandlingen vil skje ved kantene i maskinvare; opplæringen vil skje i skyen i programvare. ”
Digitale tvillinger: Forbered deg på å mislykkes
Programvaremodeller knyttet til fysiske og virtuelle sensorer kan bidra til å forutsi produkt- eller tjenestefeil slik at organisasjoner er i stand til å planlegge og tildele ressurser for å utføre reparasjoner før feilen oppstår. Fremskritt innen maskinlæring og bruk av IoT-teknologi bidrar til å redusere kostnadene for denne typen prediktiv "digital tvilling" -modellering, noe som øker effektiviteten og kan redusere driftskostnadene i løpet av for eksempel en jetmotor eller et kraftverk .
Matias Woloski, CTO og medstifter av Auth0, sier at selskaper også kan bruke digitale tvillinger i konsept- og designfasen, teste nye produkter i simuleringer, og deretter gjøre endringer til ingeniørene har det produktet de ønsker. Funn fra den digitale tvillingen blir deretter brukt til å bygge produktet.
"Noen få organisasjoner har allerede lansert digital-tvilling-initiativer, selv om de primære prosjektene som utnytter denne teknologien, er de med store forhåndskostnader for utvikling der kostnadene ved feil er for høye," sier Woloski.
SpaceTime Insights CTO Paul Hofmann sier at digitale tvillinger drar nytte av maskinlæring, noe som gjør dem mer effektive enn tilstandsbaserte modeller for å forutsi feil.
"IoT- og maskinlæringssystemer tillater organisasjoner å sikre at eiendelene ikke tilfeldig mislykkes, og hvis de mislykkes, kan organisasjoner optimalisere sanntidsbeslutninger for den beste langsiktige løsningen."
Autonome kjøretøyer, roboter og apparater
Nye muligheter blir sett på som utvikling av AI og maskinlæring for å gjøre hjemmeapparater, industrielt utstyr, biler og droner smarte. Forskningsfirma Gartner anslår at innen 2020 vil bilprodusenter sende 61 millioner datakoblede biler utenfor produksjonslinjene.
"Det er hele økonomier som allerede dukker opp i disse områdene," sier Vince Jeffs, direktør for strategi og produktmarkedsføring i Pegasystems. "For eksempel er det AI-oppstart - og mer modne selskaper - allerede godt etablert i det autonome kjøretøyområdet. For eksempel er MobileEye et selskap med rundt 500 millioner dollar i VC-støtte som spesialiserer seg i små kameraer over hele kjøretøyet. På samme måte er det butikker for fysiske roboter - for eksempel spesialiserer SoftBank Robotics seg i roboter som brukes på hotell for concierge. De har ca 250 millioner dollar i VC-støtte. ”
