11개 기술 개발자가 지금 탐색해야하는 기술

https://www.infoworld.com/article/3191260/application-development/11-technologies-developers-should-explore-now.html#tk.drr_mlt

 

새롭고 진화하는 기술로 우리가 일하는 방식이 빠르게 바뀌고 있습니다. 피벗하고 새로운 기술을 채택하려는 개발자에게 창조적 인 기회를 제공합니다. 우리는 전문가들이 현재 IT 접근법을 혼란에 빠뜨릴 수 있으며 미래를 염두에두고 엔지니어에 대한 수요를 창출 할 것이라고 말하는 11 가지 기술 동향을 살펴 보았습니다.

 

그것은 다음 큰 것 전부는 아닙니다.

 

개발자를위한 미래의 기회는 AI, VR과 같은 최첨단 기술의 합병에서 나오고 있습니다. 증강 현실, IoT, 클라우드 기술 ... 그리고 이러한 컨버전스에서 진화하는 보안 문제를 처리합니다.

 

개발자를위한 경력 개발 안내서 를 얻는 방법을 알아보십시오 . | 프로그래밍 기술이 빠르게 변화하고 있습니다. 우리 는 프로그래밍에서 뜨거울 부분과 추운 곳 을 탐색하도록 도와줍니다 . | InfoWorld의 App Dev Report 뉴스 레터를 통해 프로그래밍에 대한 뜨거운 주제를 놓치지 마세요 .

개발자의 툴킷을 확장하는 데 관심이있는 경우이 유행하는 도메인을 확인하고 시작하는 방법에 대한 팁을 참조하십시오.

 

사물의 보안 인터넷

 

작년에 수천만 명의 연결된 장치가 공중 납치 된 후 일반인도 보호되지 않은 IoT 장치가 악몽 같은 보안 문제를 일으킨다는 것을 알 수있었습니다.

리서치 회사 가트너 (Gartner) 의 최근 보고서에 따르면 개발자 및 보안 팀은 설계 프로세스 초기에 함께 작업하여 IoT 장치가 보안 업데이트를 다운로드 할 수있는 기능을 제공함으로써 새로운 위협을 해결할 수 있는지 확인합니다.

 

IoT 보안 기술을 보유한 엔지니어, 특히 네트워크로 연결된 장치에서 사용되는 하드웨어 및 소프트웨어의 취약점을 이해하는 엔지니어는 요구가 높습니다.

 

"IoT의 공격 벡터는 컴퓨터 나 휴대폰과 같은 다른 분산 네트워크의 공격 벡터와 거의 동일하므로 동일한 보안 지식이 적절하고 중요합니다."라고 IoT 시작 입자의 제품 담당 부사장 인 Richard Whitney는 말합니다. "암호화 및 인증의 기초를 연구하면 잘 될 것입니다."

DocuSign의 설립자이자 Seven Peaks Ventures의 파트너 인 Tom Gonser 씨는 기업들이 마이크로 프로세서에 대한 저수준 프로그래밍 기술을 필요로한다고 말합니다. "그들은 또한 블루투스, [윈도우 아이덴티티 파운데이션 (Windows Identity Foundation)] 및 확산 스펙트럼 구성 요소로 RF 경험을 원할 것입니다. Qubes OS와 같은 작은 커널에 특히 최적화 된 첨단 Linux 보안 옵션도 가치가 있습니다. "

Gonser와의 Seven Peaks Ventures의 파트너 인 Matt Abrams는 "워크 플로우를 이해하고 워크 플로우를 방해하는 방법에 중점을 둡니다. Postquantum 컴퓨팅 암호화는 예상보다 빠르게 빠릅니다. 그들은 또한 사생활 보호와 적대적인 네트워크를 이해해야한다. "

 

인공 지능

 

차세대 자율 차량, 로봇 및 스마트 전자 제품을 준비하면서 인공 지능에 능통 한 엔지니어에 대한 요구가 폭발적으로 증가하고 있습니다.

"우리는 현재 유비쿼터스 컴퓨팅, 저비용 클라우드 서비스 및 무제한 스토리지와 같은 발전으로 인해 많은 전환점에 도달했습니다."라고 Accenture의 수석 관리 및 인공 지능 책임자 Nicola Morini-Bianzino는 말합니다. "AI는 모든 것에 내장되어 있습니다."

Morini-Bianzino는 언어 번역, 음성 인식, 컴퓨터 비전, 로봇 공학, 자연어 처리, 지식 표현 및 추론 전문 지식을 갖춘 소프트웨어 엔지니어, 기술자 및 연구 과학자에 대한 요구를 파악합니다. AI는 데이터를 제공하므로 콘텐츠 및 데이터 큐레이터, 데이터 과학자 및 분석 전문가가 중요합니다. "

Treasure Data의 마케팅 담당 부사장 인 Tamura Kiyoto는 AI가 매우 구체적이고 평범한 운영에서 훨씬 더 광범위하고 흥미 진진한 애플리케이션으로 이동하는 것을 상상합니다.

 

"과거에는 '패키지 전달을위한 최적의 경로 찾기 ... 또는 검색어와 관련성이 가장 높은 웹 사이트 찾기'와 같았습니다. 자, 이제 우리는 '게임을 정말 잘해라. 차를 안전하게 운전하십시오. "이 모든 것은 멋지지만 인간은 여전히 ​​컴퓨터에 객관적인 기능을 제공 할 필요가 있으며, 적어도 현재로서는이 경우가 될 것입니다."

 

MindMeld의 CEO 인 Tim Tuttle은 데이터 과학자, 기계 학습 연구자 및 전산 언어 학자가 점점 더 관심을 보이고 있다고 말합니다. 그는 벤처 스카 (Benture Scanner)의 연구 결과를 인용하며, 2016 년 3 월부터 10 월까지 910 명의 AI 기업이 출범했으며 그 중 절반 이상이 심층 학습 / 기계 학습 및 자연 언어 처리에 중점을 둡니다.

 

Tuttle은 "이 분야에서 많은 성과를 거두었을뿐 아니라 45 억 달러의 기금을 확보했습니다. 최근 대화 형 어플리케이션에 대한 관심이 폭발적으로 증가함에 따라 공급과 수요간에 불일치가있었습니다. 결과적으로, 학계와 산업계는이 방정식을 재조정 할 때까지 주제별 전문가가 중요한 상품으로 남을 것입니다. "

 

기계 학습

 

인공 지능의 한 형태 인 기계 학습은 엄청난 양의 데이터를 취하여 얼굴 인식과 같은 패턴을 신속하게 찾아 낼 수 있으며 명시 적으로 프로그래밍하지 않고도 영화를 스트리밍하도록 권장하는 등의 문제를 해결할 수 있습니다.

Rocket Software의 BI R & D 수석 이사 인 패트릭 스 퍼딩 (Patrick Spedding)은 다음과 같이 말합니다. "봇과 기계 학습을 지원하는인지 기술은 조직이 소음의 신호를 찾기 위해 노력할 때 가치를 더할 것입니다. "기계 학습은 결국 데이터 마이닝이라고하는 성숙한 분석 기능을 기반으로합니다. 이는 실제로 적절한 플랫폼이 더 많은 '소모품'이 될 때까지 기다렸습니다."

기계 학습으로 확장하려는 개발자는이 분야의 기술을 어떻게 개발해야합니까?

Seven Peaks Ventures의 Abrams는 높은 평가를받는 온라인 수업을 다음과 같이 지적합니다. " Coursera에서 기계 학습에 대한 Andrew Ng의 세미나 과정 이 좋은 예입니다. Coursera를 통해 자신의 코스를 수강 한 학생들은 Kaggle 대회 에서 실제로 오랜 기간의 실무자들보다 더 뛰어났습니다 . "

Solvvy CTO와 공동 창업자 인 Mehdi Samadi는 CS 학위없이 박사 학위를 취득하고 기계 학습 엔지니어가되기 위해 훈련을 받았다고 전하면서 ​​컴퓨터 학습 배경에서 온 개발자는 아닙니다.

 

"기계 학습 분야의 핵심 공헌은 실제 데이터를 사용하여 많은 실험을 실행하고 모델의 결과를 관찰하며 모델을 개선해야합니다."라고 그는 말합니다. "CS 학위 또는 핵심 엔지니어링 배경을 보유하면 엔지니어가 지속적으로 실험을 실행하고 기계 학습 모델을 향상시킬 수 있기 때문에 엔지니어가보다 성공적으로 업무에 도움이 될 것입니다."

 

데이터 과학

 

데이터 과학은 업계마다 다른 여러 분야의 기술을 요구하는 또 다른 영역입니다. 요구 사항에는 기계 학습 경험 및 AI가 많은 양의 데이터를 가져 와서 비즈니스 결정을 내리는 데 사용할 수있는 형태로 구성 할 수있는 경험이 포함될 수 있습니다.

 

스필딩 (Spedding)은 "숙련 된 데이터 과학자들은 부족한시기에 공급되고있다. 특히, 나는인지 기반 기술 및 유도 분석과 같은 의사 결정을 돕는 고 부가가치 기회 영역으로 기술을 설계 할 수있는 분야를 알고 있습니다. "

 

확률 및 통계에 대한 철저한 이해는이 분야에서 일하기를 원하는 사람들에게 중요하다고 블룸버그의 기계 학습 그룹을 이끌고있는 게리 카잔트 (Gary Kazantsev)는 말한다. "TensorFlow 또는 Jupyter 노트북과 같은 도구의 출현으로 시스템을 구축하기위한 코드를 작성할 필요가 없기 때문에 엔지니어링 기술을 추가하십시오. 그들은 또한 훌륭한 연구 기술, 즉 가설을 세우고 그것을 테스트하고, 현재의 문헌을 읽고, 최신으로 유지할 수있는 능력이 필요합니다. "

 

Vectra의 Gunter Ollmann 최고 보안 책임자는 현재 기업들이 데이터 과학자들을 엔지니어링 및 연구 및 개발 팀과 별도로 다루는 것을보고 있다고 말했습니다. 그러나 그는 그 접근법이 지속될 것이라고 생각하지 않습니다.

"심화 학습 및 기계 학습 도구가 향상되고 부트 캠프 교육 과정이 수석 엔지니어를 데이터 과학 속도로 끌어들이는 데보다 능숙 해짐에 따라 데이터 과학과 엔지니어링 부문이 사라질 것입니다. 모든 엔지니어는 수학에 능숙해야합니다. 이제 그들은 데이터 과학의 수학을 마스터해야합니다. 스킬 세트의 융합과 두 망치를 휘두르는 능력은 앞으로 계속 될 것 "이라고 말했다.

블록 체인

 

트랜잭션을위한 분산 원장을 만드는 방법은 투명성과 보안 측면에서 이점을 제공하지만 표준화가 이루어지지 않으면 다양한 산업에서 채택이 느려질 수 있습니다.

 

인포시 (Infosys) 부사장 겸 수석 기술 아키텍트의 피터 루프 (Peter Loop) 부사장은 "블록 체 인 (blockchain)은 수년간의 오해에도 불구하고 내년에 금융 서비스, 보험 및 건강 관리 산업에 대한 완전한 배치를 보게 될 것이다. 이것은 국제 규모로 우리 지불 시스템을 완전히 혼란시킬 것입니다. "

신흥 기술은 가파른 학습 곡선을 가지고 있다고 IRIS.TV의 공동 설립자이자 최고 매출 책임자 ( CIR) 인 Robert Bardunias는 말한다 . 그는 블록 체인의 본질적인 기업가 정신에 열광하고있다.

 

"이러한 기술은 제로부터 실제 운영 비즈니스 응용 프로그램을 염두에두고 성장하고 있으므로 개발 단계에서 사례 사용을 상상해 볼 필요가 없습니다. 실시간으로 진행되고 있습니다."라고 Bardunias는 말합니다. "이 분야에서 기술을 개발하고자하는 사람들에게는 새로운 개발 및 진화에 어떻게 대처할 것인가에 대한 진정한 압도적 인 도전이 있습니다. 저는 제가 산업 기술 웹 사이트와 잡지를 읽는 중등 개발 기술을 배우고 있었을 때 기억하고 있습니다. 오래 전부터 제가하고 싶었던 마지막 과제였습니다. 그러나 오늘날의 학습 믹스에서 개발자와 개발자가 찾고자하는 진정한 부분입니다. 세계 시장에서 경쟁력을 유지하십시오. "

 

메쉬 앱 및 서비스 아키텍처 (MASA)

집, 통근 및 작업을 진행하면서 원활하게 연결된 상태를 유지하는 앱에 대한 수요가 갈수록 늘어나고 있습니다.

Thycotic의 Joseph Carson은 "메쉬 네트워크 또는 응용 프로그램의 목적은 고 가용성 (모든 것이 모든 것에 연결되는 모든 것)입니다. "경로를 사용할 수 없으면 다른 장치가 연결을 찾습니다. 예를 들어 추적 장치 커뮤니티를 만든 타일 추적 장치와 비트 코인을 분산 원장으로 사용하는 것을 보았습니다. "

그러나 일부 업체는 잠재적 인 병목 현상으로 장치 호환성이 부족하다는 것을 알고 있습니다.

"각 공급 업체는이 시스템에 대한 신뢰를 이끌어 내기 위해 자체적 인 방법을 사용하므로 전혀 존재하지 않더라도 모든 벽이있는 정원입니다."이전에는 Cloud Foundry 및 Apcera의 CEO 인 Derek Collison이 말합니다.

이 기술은 이전에는 생각조차 할 수없는 수준의 연결성을 약속합니다.

콜린슨은 "AI는 대개 모든 사용자가 방대한 양의 데이터를 사용하여 클라우드에서 교육을 받는다"고 강조했다. "이 알고리즘은 계속해서 실행 모델을 지속적으로 업데이트 할 것입니다. 실행 모델은 무선으로 가장자리로 배송되며 전화기, 자동차 및 집과 같은 가장자리 장치의 펌웨어를 업데이트합니다. 처리는 하드웨어의 가장자리에서 발생합니다. 교육은 소프트웨어 클라우드에서 발생합니다. "

 

디지털 쌍둥이 : 실패 준비

 

실제 및 가상 센서에 연결된 소프트웨어 모델은 제품 또는 서비스 실패를 예측하여 장애가 발생하기 전에 조직에서 리소스를 계획 및 할당하여 수리를 수행 할 수 있도록 도와줍니다. 기계 학습의 진보와 IoT 기술의 채택은 효율성을 높이고 제트 엔진이나 발전소의 수명 동안 운영 비용을 낮출 수있는 예측 가능한 "디지털 트윈"모델링 비용을 낮추는 데 도움이됩니다 .

 

Auth0의 CTO 겸 공동 창립자 인 Matias Woloski는 컨셉 및 디자인 단계에서 디지털 쌍둥이를 사용하고 시뮬레이션에서 신제품을 테스트 한 다음 엔지니어가 원하는 제품을 얻을 때까지 변경 작업을 수행 할 수 있다고 말합니다. 디지털 쌍둥이의 발견은 제품을 만드는 데 사용됩니다.

Woloski는 "일부 조직은 이미 디지털 쌍둥이 이니셔티브를 시작했습니다.이 기술을 활용하는 기본 프로젝트는 실패 비용이 너무 높은 선행 개발 비용이 많은 프로젝트입니다."라고 Woloski는 말합니다.

 

SpaceTime Insight의 CTO 인 Paul Hofmann은 디지털 쌍둥이가 기계 학습의 이점을 누리고 장애를 예측할 때 조건 기반 모델보다 효과적이라고 말합니다.

 

"IoT 및 기계 학습 시스템을 사용하면 조직의 자산이 무작위로 실패하지 않도록 할 수 있으며 실패 할 경우 조직은 최상의 장기적인 솔루션을 위해 실시간 의사 결정을 최적화 할 수 있습니다."

 

자율 주행 차량, 로봇 및 기기

 

AI 및 기계 학습으로 발전하여 가정용 기기, 산업 장비, 자동차 및 무인기를 새롭게 발전시키는 새로운 기회가 있습니다. 리서치 회사 가트너 (Gartner)는 2020 년까지 자동차 제조업체가 6 천 1 백만 개의 데이터 연결 차량을 생산 라인에서 제외 할 것으로 예상합니다.

 

Pegasystems의 전략 및 제품 마케팅 책임자 인 Vince Jeffs는 "이미이 분야에서 경제가 완전히 번성하고 있습니다. "예를 들어, 자율 차량 공간에는 이미 잘 정립 된 인공 지능 기업 및보다 성숙한 기업이 있습니다. 예를 들어, MobileEye는 차량 전체에 작은 카메라를 전문으로하는 VC 백업에 약 5 억 달러를 가진 회사입니다. 마찬가지로 물리적 로봇을위한 매장도 있습니다. 예를 들어 SoftBank Robotics는 컨시어지 용 호텔에 사용되는 로봇을 전문으로합니다. VC에 2 억 5 천만 달러가 지원됩니다. "