11 technologies que les développeurs devraient explorer maintenant

Les technologies nouvelles et en constante évolution remodèlent rapidement notre façon de travailler, offrant des opportunités créatives aux développeurs désireux de pivoter et d'adopter de nouvelles compétences. Nous avons examiné 11 tendances technologiques, selon les experts, susceptibles de perturber les approches informatiques actuelles et de créer une demande d'ingénieurs ayant un œil sur l'avenir.

Il ne s'agit pas uniquement de The Next Big Thing. Les opportunités futures pour les développeurs émergent d'une confluence de technologies de pointe, telles que l'IA et la RV. réalité augmentée, IoT et technologie cloud ... et, bien sûr, faire face aux problèmes de sécurité qui évoluent à partir de ces convergences.

Si vous souhaitez étendre la boîte à outils de votre développeur, consultez ces domaines tendance et nos conseils pour vous aider à démarrer avec eux.

Sécurité de l'Internet des objets

Après le détournement de dizaines de millions d'appareils connectés l'année dernière, même des observateurs occasionnels ont pu constater que les appareils IoT non protégés créent des problèmes de sécurité cauchemardesques.

Un rapport récent du cabinet de recherche Gartner recommande aux développeurs et aux équipes de sécurité de travailler ensemble dès le début du processus de conception pour s'assurer que les nouvelles menaces peuvent être traitées au fur et à mesure qu'elles se présentent, par exemple en permettant aux appareils IoT de télécharger des mises à jour de sécurité.

La demande est élevée pour les ingénieurs ayant des compétences en sécurité IoT, en particulier ceux qui comprennent les vulnérabilités du matériel et des logiciels utilisés par les appareils connectés au réseau.

«Les vecteurs d'attaque dans l'IoT sont largement identiques à ceux de tout autre réseau distribué, comme les ordinateurs ou les téléphones portables, donc les mêmes connaissances en matière de sécurité sont pertinentes et essentielles», déclare Richard Whitney, vice-président produit de la start-up IoT Particle. «Étudiez les fondements de la cryptographie et de l'authentification, et vous serez sur la bonne voie.»

Tom Gonser, fondateur de DocuSign et associé chez Seven Peaks Ventures, affirme que les entreprises ont besoin de compétences en programmation de bas niveau pour les microprocesseurs. «Ils voudront également une expérience RF avec Bluetooth, [Windows Identity Foundation] et des composants à spectre étalé. Les options de sécurité Linux de pointe, spécialement optimisées pour les petits noyaux comme Qubes OS, sont également précieuses. »

Matt Abrams, associé chez Seven Peaks Ventures avec Gonser, suggère de se concentrer sur «la compréhension des flux de travail et la manière de les perturber. La cryptographie informatique post-quantique arrive également plus rapidement que prévu. Ils doivent également comprendre les différences de confidentialité et les réseaux contradictoires. »

Intelligence artificielle

Alors que nous nous préparons à la prochaine vague de véhicules autonomes, de robots et d'électronique intelligente, la demande d'ingénieurs avertis en IA explose.

«Nous sommes maintenant à un point de basculement en grande partie grâce aux progrès de l'informatique omniprésente, des services cloud à faible coût et du stockage quasi illimité», déclare Nicola Morini-Bianzino, directeur général senior et responsable de l'intelligence artificielle chez Accenture. «L'intelligence artificielle est intégrée à tout.»

Morini-Bianzino voit une demande pour «des ingénieurs en logiciel, des technologues et des chercheurs en traduction de langage, reconnaissance vocale, vision par ordinateur, robotique, traitement du langage naturel, représentation des connaissances et expertise en raisonnement. L'IA ... se nourrit de données, donc les conservateurs de contenu et de données, les scientifiques des données et les experts en analyse sont également essentiels.

Kiyoto Tamura, vice-président du marketing de Treasure Data, envisage l'IA de passer d'opérations très spécifiques et banales à des applications beaucoup plus larges et plus intéressantes.

«Dans le passé, cela ressemblait plus à« Trouvez l'itinéraire optimal pour la livraison de colis… ou les sites Web les plus pertinents pour une requête de recherche ». Maintenant, nous commençons à voir: «Jouez vraiment bien à un jeu de Go; conduire une voiture en toute sécurité », etc. Tout cela est cool, mais les humains ont encore besoin de fournir des fonctions objectives à l'ordinateur, et du moins pour l'instant, ce sera le cas.

Les scientifiques des données, les chercheurs en apprentissage automatique et les linguistes en informatique sont de plus en plus sollicités, déclare Tim Tuttle, PDG de MindMeld. Il cite une étude VentureScanner qui a dénombré 910 entreprises d'IA émergentes de mars à octobre 2016, dont plus de la moitié se concentrent sur l'apprentissage en profondeur / l'apprentissage automatique et le traitement du langage naturel.

«Non seulement ces catégories gagnent en nombre, mais elles ont également reçu le plus de financement, à hauteur de 4,5 milliards de dollars», dit Tuttle. «Avec la récente explosion d'intérêt pour les applications conversationnelles, il y a eu un décalage entre l'offre et la demande. En conséquence, les experts en la matière resteront une ressource précieuse jusqu'à ce que les universités et l'industrie puissent rééquilibrer l'équation. »

Apprentissage automatique

Forme d'intelligence artificielle, l'apprentissage automatique peut prendre d'énormes quantités de données pour trouver très rapidement des modèles, comme la reconnaissance faciale, et résoudre des problèmes, comme recommander un film à diffuser, sans être explicitement programmé pour le faire.

«Les technologies cognitives, aidées par les bots et l'apprentissage automatique, commenceront à ajouter de la valeur à mesure que les organisations s'efforcent de trouver les« signaux dans le bruit »», déclare Patrick Spedding, directeur principal de la R&D BI chez Rocket Software. «L'apprentissage automatique est, après tout, basé sur des capacités d'analyse matures - anciennement appelées« data mining »- qui attendaient vraiment qu'une plate-forme appropriée devienne plus« consommable ».»

Comment les développeurs qui souhaitent se développer dans l'apprentissage automatique devraient-ils développer des compétences dans ce domaine?

Abrams, de Seven Peaks Ventures, indique un cours en ligne très apprécié: «Le cours fondateur d'Andrew Ng sur l'apprentissage automatique sur Coursera est un excellent exemple. Les étudiants qui ont suivi son cours via Coursera ont en fait fait mieux aux compétitions Kaggle que certains pratiquants de longue date.

Tous les développeurs travaillant dans le domaine de l'apprentissage automatique ne sont pas issus d'une formation en informatique, bien que cela soit utile, déclare Solvvy CTO et co-fondateur Mehdi Samadi, qui voit certains doctorants sans diplôme CS être recrutés et formés pour devenir des ingénieurs en apprentissage automatique.

«Les principales contributions dans le domaine de l'apprentissage automatique nécessitent de mener de nombreuses expériences en utilisant les données réelles, en observant à partir du résultat du modèle et en améliorant le modèle», dit-il. «Avoir un diplôme de CS ou une formation en ingénierie de base serait généralement bénéfique pour les ingénieurs afin qu'ils réussissent mieux dans leur travail afin d'être en mesure d'exécuter en permanence des expériences et d'améliorer les modèles d'apprentissage automatique.»

Science des données

La science des données est un autre domaine brûlant, nécessitant des compétences multidisciplinaires qui varient selon le secteur. Les exigences peuvent inclure une expérience de l'apprentissage automatique et de l'IA pour prendre de grandes quantités de données et les façonner sous une forme pouvant être utilisée pour prendre des décisions commerciales.

«Les spécialistes des données sont rares, point final», déclare Spedding. «Plus précisément, je vois des domaines dans lesquels la technologie peut être conçue pour« aider »les décisions, comme les robots cognitifs et les analyses guidées, comme des domaines d’opportunités à forte valeur ajoutée.

Une compréhension approfondie des probabilités et des statistiques est essentielle pour ceux qui souhaitent travailler dans ce domaine, déclare Gary Kazantsev, qui dirige le groupe d'apprentissage automatique chez Bloomberg. «Ajoutez quelques compétences en ingénierie, car le besoin d'être capable d'écrire du code pour construire un système ne disparaîtra jamais, mais avec l'émergence d'outils tels que TensorFlow ou Jupyter notebooks, cela devient également beaucoup plus facile. Ils ont également besoin de bonnes compétences en recherche, c'est-à-dire la capacité de formuler une hypothèse et de la tester, de lire la littérature actuelle et de se tenir au courant.

Gunter Ollmann, directeur de la sécurité chez Vectra, dit qu'il voit actuellement les entreprises traiter les scientifiques des données séparément des équipes d'ingénierie et de recherche et développement. Mais il ne pense pas que cette approche durera.

«Au fur et à mesure que les outils d'apprentissage en profondeur et d'apprentissage automatique s'améliorent et que les cours de formation des camps d'entraînement deviennent de plus en plus aptes à mettre à niveau les ingénieurs seniors en science des données, la division entre science des données et ingénierie disparaîtra. Tous les ingénieurs doivent être bons en mathématiques. Maintenant, ils doivent également maîtriser les mathématiques de la science des données. La fusion des compétences et de la capacité à manier les deux marteaux sera obligatoire à l'avenir.

Blockchain

Ce moyen de créer un registre distribué pour les transactions offre des avantages en matière de transparence et de sécurité, bien qu'un manque de normalisation puisse ralentir son adoption dans de larges secteurs.

Peter Loop, vice-président associé et principal architecte technologique chez Infosys, est optimiste sur la technologie: «Malgré les idées fausses selon lesquelles la blockchain est dans des années, nous verrons des déploiements complets dans les secteurs des services financiers, des assurances et des soins de santé l'année prochaine. Cela va complètement perturber nos systèmes de paiement à l'échelle internationale. »

D'autres technologies émergentes ont une courbe d'apprentissage plus abrupte, déclare Robert Bardunias, co-fondateur et directeur des revenus d'IRIS.TV, qui est enthousiasmé par l'accent entrepreneurial inhérent à la blockchain.

«Ces technologies se développent avec de vraies applications opérationnelles opérationnelles à l'esprit dès le jour zéro, il n'est donc pas nécessaire du côté du développement d'essayer d'imaginer l'utilisation de cas - elles se produisent et se développent en temps réel», explique Bardunias. «Le véritable défi de taille pour ceux qui cherchent à développer des compétences dans ces domaines sera de savoir comment suivre les nouveaux développements et évolutions. Je me souviens que lorsque j'apprenais des compétences de développement secondaire, que je lisais des sites Web spécialisés dans l'industrie - et des magazines, c'était il y a longtemps - était la dernière chose que je voulais faire, mais c'est une vraie partie du mix d'apprentissage d'aujourd'hui en tant que développeur cherchant à créer et maintenir un avantage concurrentiel sur le marché mondial. »

Architecture d'application et de service de maillage (MASA)

La demande d'applications qui restent parfaitement connectées lorsque nous nous déplaçons dans notre maison, nos déplacements domicile-travail et notre travail est de plus en plus demandée.

«Le but d'un réseau maillé ou d'une application est de bénéficier d'une haute disponibilité - tout est connecté à tout», déclare Joseph Carson de Thycotic. «Si le chemin n'est pas disponible, il trouvera un autre périphérique pour établir la connexion. Nous avons vu cela être utilisé par exemple avec les dispositifs de suivi Tile, qui ont créé une communauté de dispositifs de suivi, et avec Bitcoin étant un registre distribué.

Mais certains voient le manque de compatibilité des appareils comme un goulot d'étranglement potentiel.

«Chaque fournisseur a sa propre façon d'essayer de susciter la confiance dans ce système, ce sont donc tous des jardins clos, s'ils existent même», déclare Derek Collison, anciennement de Cloud Foundry et PDG d'Apcera.

Cette technologie promet un niveau de connectivité jusqu'alors impensable - si un manque de normes ne fait pas obstacle.

«Ma plus grande idée ici est que l'IA sera généralement formée dans le cloud avec des quantités massives de données provenant de tous les utilisateurs», déclare Collison. «Ces algorithmes mettront ensuite continuellement à jour leur modèle d'exécution, qui sera expédié à la périphérie par voie aérienne et mettra à jour le micrologiciel sur les appareils de bord comme nos téléphones, nos voitures et notre maison. Le traitement se produira sur les bords du matériel; la formation se déroulera dans le cloud dans le logiciel. »

Jumeaux numériques: préparez-vous à l'échec

Les modèles logiciels liés à des capteurs physiques et virtuels peuvent aider à prévoir les pannes de produits ou de services afin que les organisations puissent planifier et affecter des ressources pour effectuer des réparations avant que la panne ne se produise. Les progrès de l'apprentissage automatique et l'adoption de la technologie IoT contribuent à réduire les coûts de ce type de modélisation prédictive de «jumeau numérique», qui augmente l'efficacité et peut réduire les coûts d'exploitation sur la durée de vie, par exemple, d'un moteur à réaction ou d'une centrale électrique. .

Matias Woloski, CTO et co-fondateur d'Auth0, affirme que les entreprises peuvent également utiliser des jumeaux numériques dans la phase de conception et de conception, en testant de nouveaux produits dans des simulations, puis en apportant des modifications jusqu'à ce que les ingénieurs aient le produit qu'ils souhaitent. Les résultats du jumeau numérique sont ensuite utilisés pour construire le produit.

«Quelques organisations ont déjà lancé des initiatives de jumelage numérique, bien que les principaux projets tirant parti de cette technologie soient ceux qui ont des dépenses de développement initiales importantes où le coût de l'échec est trop élevé», déclare Woloski.

Le directeur technique de SpaceTime Insight, Paul Hofmann, affirme que les jumeaux numériques bénéficient de l'apprentissage automatique, ce qui les rend plus efficaces que les modèles basés sur les conditions pour prédire les défaillances.

«L'IoT et les systèmes d'apprentissage automatique permettent aux entreprises de s'assurer que leurs actifs ne tombent pas en panne de manière aléatoire, et s'ils échouent, les organisations peuvent optimiser la prise de décision en temps réel pour la meilleure solution à long terme.

Véhicules, robots et appareils autonomes

De nouvelles opportunités se développent avec l'intelligence artificielle et l'apprentissage automatique des appareils domestiques, des équipements industriels, des voitures et des drones. Le cabinet d'études Gartner estime que d'ici 2020, les constructeurs automobiles enverront 61 millions de voitures connectées aux données hors des chaînes de production.

«Il existe déjà des économies entières dans ces domaines», déclare Vince Jeffs, directeur de la stratégie et du marketing produit chez Pegasystems. «Par exemple, il existe des startups d'IA - et des entreprises plus matures - déjà bien implantées dans le domaine des véhicules autonomes. Par exemple, MobileEye est une entreprise avec environ 500 millions de dollars de soutien VC qui se spécialise dans les petites caméras partout dans le véhicule. De même, il existe des magasins pour robots physiques - par exemple, SoftBank Robotics est spécialisé dans les robots utilisés dans les hôtels pour la conciergerie. Ils ont un soutien d'environ 250 millions de dollars en capital de risque. »