新的和不断发展的技术正在迅速重塑我们的工作，提供了开发谁愿意枢纽创作机会，并采取新的技能。我们看一看在11个科技趋势专家说有可能破坏目前的IT方法和创造需求的工程师与对未来的眼睛。
这是不是所有的下一件大事。对于开发商未来的机会不断涌现，从尖端技术，如人工智能，虚拟现实的融合。增强现实，物联网和云技术......，当然，对付那些从这些趋同进化的安全问题。
如果你有兴趣扩大你的开发人员工具包，看看这些趋势领域，以及我们对如何开始使用他们获得成功的提示。
东西安全的互联网
在去年数以千万计的联网设备被劫持之后，即使是不经意的观察者也能看到，不受保护的物联网设备会带来可怕的安全问题。
最近研究公司Gartner的报告建议开发人员和安全团队一起工作早在设计过程中，以确保新的威胁可以解决，因为他们来了，例如，通过提供物联网设备下载安全更新的能力。
对具备物联网安全技能的工程师的需求很高，特别是那些了解网络连接设备所使用的硬件和软件漏洞的工程师。
“物联网的攻击媒介在很大程度上等同于其他任何分布式网络，如计算机或手机，所以同样的安全知识是相关的，关键的，”物联网在启动颗粒产品的副总裁惠特尼说。“研究加密和认证的基础，你会用自己的方式。”
汤姆Gonser，的DocuSign的创始人，并在七峰创投的合伙人说，公司需要在微处理器低层次的编程技能。“他们还需要有蓝牙，[Windows标识基础]和扩频射频组件的经验。领先的Linux安全选项，微小的内核像Qubes OS特别优化的，也是有价值的。”
马特·艾布拉姆斯在与Gonser七峰创投的合伙人，提出围绕“了解工作流程，以及如何破坏它们。Postquantum计算密码也即将比人们预料得更快。他们也应该了解微分隐私和敌对网络“。
人工智能
在我们为自主车辆，机器人和智能电子下一波的准备，对于AI-精明工程师的需求正在迅速增长。
“我们现在在很大程度上是一个临界点是由于无处不在的计算，低成本的云服务，以及近无限存储的进步，”尼古拉·莫里尼 - Bianzino，高级董事总经理和人工智能主角在埃森哲说。“AI被内置到一切。”
莫里尼 - Bianzino看到了“软件工程师，技术人员，并与语言翻译，语音识别，计算机视觉，机器人，自然语言处理，知识表示，推理和专业知识研究的科学家的需求。AI ...饲料关数据，因此内容和数据策展人，数据科学家和分析专家也很关键。”
营销清人田村设想AI从非常具体的，世俗的业务转移到更广泛和更精彩的应用程序的宝藏数据的副总裁。
“在过去，它更像是，‘查找包裹递送的最佳路线...或搜索查询最相关的网站。’现在，我们开始看到，“围棋的比赛真的很好;开车安全，”等这一切都很酷，但人们仍需要目标函数馈送到计算机，至少就目前而言，这将是这种情况。”
MindMeld首席执行官蒂姆•塔特尔表示，越来越多的人开始寻找数据科学家、机器学习研究者和计算语言学家。他引用了VentureScanner的一项研究，该研究统计了2016年3月至10月期间涌现的910家人工智能公司，其中超过一半专注于深度学习/机器学习和自然语言处理。
“不仅这些类别赢得的数字，但他们还收到资金最多，为$ 4.5十亿调，”塔特尔说。“随着最近的对话语音应用的兴趣爆炸，出现了供给和需求之间的不匹配。其结果是，主题专家将仍然是一个有价值的商品，直到学术界和工业界可以重新平衡方程“。
机器学习
人工智能的一种形式，机器学习可以采取大量的数据很快找到图案般的面部识别和解决问题，比如推荐一个电影流，而没有明确地编程这样做。
“认知技术，由机器人和机器学习的帮助下，将开始增加价值为组织努力找到‘在噪声信号，’”帕特里克·斯佩丁，火箭BI软件R＆d的高级主管说。“机器学习，毕竟，基于成熟的分析能力，前身为“数据mining'，这实际上一直在等待一个合适的平台变得更加‘耗材’。”
想要扩展到机器学习领域的开发人员应该如何开发这一领域的技能?
艾布拉姆斯，七峰创投，指向高度重视网上类的：“安德鲁·Ng的上Coursera机器学习开创性的课程是一个很好的例子。通过Coursera学习他的课程的学生实际上做得更好Kaggle比赛比一些长期从业者“。
，虽然它是有帮助的Solvvy CTO兼联合创始人迈赫迪萨马迪，谁看到没有CS度一些Ph.D.s被招募并训练成为机器学习的工程师说，并不是每一个开发商在机器学习工作的来自计算机科学的背景。
“在机器学习领域的核心捐款时，需要使用真实数据运行了大量的实验，从模型的结果观察，并提高了模型，”他说。“有一个CS学位或核心工程背景通常将有利于工程师们在他们的工作更成功，以便能连续运行实验，提高机器学习模型”。
数据科学
数据科学是另一个热门领域，多学科要求的技能，因行业而异。要求可包括与机器学习和人工智能的经验，采取大量数据和可以用来做商业决策形式塑造它。
“熟练的数据科学家都供不应求，期间，”斯佩丁说。“具体来说，我看到那里的技术可以被设计为‘帮助’的决定，如认知机器人和引导分析，是高附加值领域的机会方面。”
彭博(Bloomberg)机器学习小组负责人加里•卡赞瑟夫(Gary Kazantsev)表示，对概率和统计的全面理解是想在这一领域工作的关键。再加上一些工程技能，因为能够编写代码来构建系统的需求将永远不会消失，尽管随着TensorFlow或Jupyter笔记本等工具的出现，这也变得更加容易。他们还需要良好的研究技能——也就是说，形成假设并验证它的能力，阅读当前的文献，并跟上时代的步伐。”
冈特Ollmann在威达首席安全官说，他目前看到的企业从工程和研发团队单独处理数据的科学家。但他不认为这种做法将持续。
“由于深学习和机器学习工具的改进，和新兵训练营的培训课程成为使高级工程师速达在科学数据更擅长，数据科学与工程之间的分工将消失。工程师只需擅长数学。现在，他们还需要掌握的数据科学的数学。的技能和挥舞锤子双方能力的融合将是强制性的前进“。
区块链
创造透明度和安全交易提供利益分配总账，虽然缺乏标准化的可跨广泛的行业减缓其采用这意味着。
Infosys副总裁兼首席技术架构师Peter Loop对该技术持乐观态度:“尽管人们错误地认为区块链还需要几年时间，但我们将在明年看到它在金融服务、保险和医疗保健行业的全面部署。这将在国际范围内彻底颠覆我们的支付系统。”
IRIS联合创始人兼首席营收官罗伯特•巴杜尼亚斯(Robert Bardunias)表示，其他新兴科技企业的学习曲线更为陡峭。他对区块链与生俱来的创业精神感到兴奋。
Bardunias说:“这些技术从一开始就随着实际运营业务应用的发展而发展，所以在开发方面没有必要尝试想象案例使用——它们是实时发生和发展的。”“对于那些希望在这些领域发展技能的人来说，真正巨大的挑战是如何跟上新的发展和演变。”我记得当我是学习二次开发技能,阅读行业网站和杂志,这是很久以前我想做的最后一件事,但它是一个真正的今天的学习组合的一部分作为一个开发人员希望建立和维护一个竞争优势在全球市场。”
网格的应用程序和服务的体系结构（MASA）
当我们在我们的家，上下班和工作需求的移动越来越多地用于无缝地保持连接的应用程序的需求。
“网状网络或应用程序的目的是使它具有高可用性——一切都连接到一切，”Thycotic的约瑟夫·卡森说。如果该路径不可用，它将找到另一个设备来建立连接。我们已经看到它被用于瓷砖跟踪设备，它创建了一个跟踪设备社区，比特币是一个分布式账本。”
但一些人认为缺乏设备兼容性作为一个潜在的瓶颈。
“每家厂商都有自己的努力推动信任这个系统，所以他们都是围墙的花园，如果他们甚至在所有的存在方式，”德里克 - 科里森，以前的的Cloud Foundry和Apcera的CEO说。
这种技术承诺的以前是不可想象的水平连通性，如果缺乏标准不会碍事。
“我在这里的更大的想法是，AI通常会与大量的所有用户数据的云进行培训，”科里森说。“这些算法随后将不断更新它们的执行模式，这将被运到边在空中和更新固件像我们的手机，汽车和家用边缘设备。处理将发生在硬件边缘;培训将在软件云发生“。
数字双胞胎：准备失败
依赖于物理和虚拟传感器软件模型可以帮助预测产品或服务故障，使组织能够规划和分配资源发生故障之前进行维修。在机器学习和采用物联网技术的研究进展正在帮助推翻了这种预测“数字双胞胎”的成本模型，其提高效率并能带来降低运营成本过的，比如生活，喷气发动机或发电厂。
Auth0的联合创始人和首席技术官Matias Woloski说，公司也可以在概念和设计阶段使用数字双胞胎，在模拟中测试新产品，然后做出改变，直到工程师得到他们想要的产品。来自数字双胞胎的发现被用于构建产品。
“一些企业已经推出了数字双举措，虽然利用这种技术的主要项目有大量的前期开发费用的那些，其中失败的成本太高，” Woloski说。
SpaceTime Insight的首席技术官保罗·霍夫曼(Paul Hofmann)表示，数字双胞胎得益于机器学习，使得它们在预测失败方面比基于条件的模型更有效。
“物联网和机器学习系统，让组织以确保其资产不是随机故障，而且如果他们失败了，那么企业可以优化以获得最佳的长期解决方案的实时决策。”
自主车，机器人和家电
新的机会，被视为发展成为人工智能和机器学习老实了家用设备，工业设备，汽车和无人驾驶飞机。市场研究公司Gartner预计，到2020年，汽车制造商将发送6100万点的数据连接轿厢关闭生产线。
Pegasystems的战略和产品营销总监文斯•杰夫斯(Vince Jeffs)表示:“在这些领域已经出现了完整的经济体。”例如，有一些AI初创公司——以及更成熟的公司——已经在自动驾驶汽车领域站稳了脚跟。例如，MobileEye是一家拥有约5亿美元风投资金的公司，专门从事车载各处的小摄像头。类似地，也有实体机器人商店——例如，软银机器人公司(SoftBank Robotics)专门开发用于酒店礼宾部的机器人。他们有大约2.5亿美元的风投支持。”