Ծրագրային ապահովման մշակման 5 լավագույն փորձը 2020 թ

Հե՜յ Հաբր։ Ձեր ուշադրությանն եմ ներկայացնում հոդվածի թարգմանությունը «5 խորհուրդ կոդավորում սովորելու վերաբերյալ – Ընդհանուր խորհուրդ ծրագրավորողների համար» kristencarter7519-ի կողմից:

Թեև թվում է, թե մեզ հաշված օրեր են մնացել 2020 թվականից, սակայն այս օրերը կարևոր են նաև ծրագրային ապահովման մշակման ոլորտում։ Այստեղ այս հոդվածում մենք կտեսնենք, թե ինչպես գալիք 2020 թվականը կփոխի ծրագրային ապահովման մշակողների կյանքը:

Ծրագրային ապահովման զարգացման ապագան այստեղ է:

Ավանդական ծրագրային ապահովման մշակումը ծրագրային ապահովման մշակումն է՝ որոշակի ֆիքսված կանոններով կոդ գրելով: Սակայն ժամանակակից ծրագրային ապահովման մշակումը ականատես է եղել պարադիգմային փոփոխության՝ արհեստական ​​ինտելեկտի, մեքենայական ուսուցման և խորը ուսուցման առաջընթացով: Այս երեք տեխնոլոգիաները ինտեգրելով՝ ծրագրավորողները կկարողանան ստեղծել ծրագրային լուծումներ, որոնք սովորում են հրահանգներից և ավելացնում են լրացուցիչ հնարավորություններ և օրինաչափություններ տվյալներին, որոնք անհրաժեշտ են ցանկալի արդյունք ստանալու համար:

Փորձենք որոշ կոդով

Ժամանակի ընթացքում նեյրոնային ցանցերի ծրագրային ապահովման մշակման համակարգերն ավելի բարդ են դարձել ինտեգրման, ինչպես նաև ֆունկցիոնալության և ինտերֆեյսի մակարդակների առումով: Մշակողները, օրինակ, կարող են շատ պարզ նեյրոնային ցանց կառուցել Python 3.6-ով: Ահա մի օրինակ ծրագիր, որը կատարում է երկուական դասակարգում 1-ով կամ 0-ով:

Իհարկե, մենք կարող ենք սկսել նեյրոնային ցանցի դաս ստեղծելով.

ներմուծել NumPy որպես NP

X=np.array([[0,1,1,0],[0,1,1,1],[1,0,0,1]])
y=np.array([[0],[1],[1]])

Սիգմոիդ ֆունկցիայի կիրառում.

def sigmoid ():
   return 1/(1 + np.exp(-x))
def derivatives_sigmoid ():
   return x * (1-x)

Նախնական կշիռներով և կողմնակալությամբ մոդելի ուսուցում.

epoch=10000
lr=0.1
inputlayer_neurons = X.shape[1]
hiddenlayer_neurons = 3
output_neurons = 1

wh=np.random.uniform(size=(inputlayer_neurons,hiddenlayer_neurons))
bh=np.random.uniform(size=(1,hiddenlayer_neurons))
wout=np.random.uniform(size=(hiddenlayer_neurons,output_neurons))
bout=np.random.uniform(size=(1,output_neurons))

Սկսնակների համար, եթե նեյրոնային ցանցերի հետ կապված օգնության կարիք ունեք, կարող եք ինտերնետում որոնել ծրագրային ապահովման մշակման լավագույն ընկերությունների կայքերը կամ կարող եք վարձել AI/ML ծրագրավորողներ՝ ձեր նախագծի վրա աշխատելու համար:

Կոդի փոփոխություն՝ օգտագործելով ելքային շերտի նեյրոն

hidden_layer_input1=np.dot(X,wh)
hidden_layer_input=hidden_layer_input1 + bh
hiddenlayer_activations = sigmoid(hidden_layer_input)
output_layer_input1=np.dot(hiddenlayer_activations,wout)
output_layer_input= output_layer_input1+ bout
output = sigmoid(output_layer_input)

Թաքնված ծածկագրի շերտի հաշվարկման սխալ

E = y-output
slope_output_layer = derivatives_sigmoid(output)
slope_hidden_layer = derivatives_sigmoid(hiddenlayer_activations)
d_output = E * slope_output_layer
Error_at_hidden_layer = d_output.dot(wout.T)
d_hiddenlayer = Error_at_hidden_layer * slope_hidden_layer
wout += hiddenlayer_activations.T.dot(d_output) *lr
bout += np.sum(d_output, axis=0,keepdims=True) *lr
wh += X.T.dot(d_hiddenlayer) *lr
bh += np.sum(d_hiddenlayer, axis=0,keepdims=True) *lr

Արտադրողականություն

print (output)

[[0.03391414]
[0.97065091]
[0.9895072 ]]

Միշտ արժե արդի մնալ ծրագրավորման վերջին լեզուների և կոդավորման տեխնիկայի հետ, և ծրագրավորողները պետք է նաև տեղյակ լինեն բազմաթիվ նոր գործիքների մասին, որոնք օգնում են իրենց հավելվածները համապատասխանեցնել նոր օգտվողներին:

2020 թվականին ծրագրային ապահովման մշակողները պետք է մտածեն ծրագրային ապահովման մշակման այս 5 գործիքներն իրենց արտադրանքի մեջ ներառելու մասին՝ անկախ նրանից, թե ծրագրավորման որ լեզու են նրանք օգտագործում.

1. Բնական լեզվի մշակում (NLP)

Չաթբոտի միջոցով, որը հեշտացնում է հաճախորդների սպասարկումը, NLP-ն գրավում է ժամանակակից ծրագրերի մշակման վրա աշխատող ծրագրավորողների ուշադրությունը: Նրանք օգտագործում են NLTK գործիքների հավաքածուներ, ինչպիսին է Python NLTK-ն, որպեսզի արագորեն ներառեն NLP-ն չաթ-բոտերի, թվային օգնականների և թվային արտադրանքների մեջ: 2020 թվականի կեսերին կամ մոտ ապագայում դուք կտեսնեք, որ NLP-ն ավելի կարևոր կդառնա ամեն ինչում՝ մանրածախ բիզնեսից մինչև ինքնավար մեքենաներ և սարքեր տան և գրասենյակի համար:

Ծրագրային ապահովման մշակման ավելի լավ գործիքներով և տեխնոլոգիաներով առաջ շարժվելով՝ դուք կարող եք ակնկալել, որ ծրագրային ապահովման մշակողները կօգտագործեն NLP-ն տարբեր ձևերով՝ ձայնի վրա հիմնված օգտատիրոջ միջերեսից մինչև մենյուի շատ ավելի հեշտ նավարկություն, տրամադրությունների վերլուծություն, համատեքստի նույնականացում, զգացմունքներ և տվյալների հասանելիություն: Այս ամենը հասանելի կլինի օգտատերերի մեծամասնությանը, և ընկերությունները մինչև 430 թվականը կկարողանան հասնել մինչև 2020 միլիարդ դոլարի արտադրողականության աճի (ըստ IDC-ի՝ վկայակոչելով Deloitte-ը):

2. GraphQL-ը փոխարինում է REST Apis-ին

Ըստ իմ ընկերության ծրագրավորողների, որը օֆշորային ծրագրային ապահովման մշակման ընկերություն է, REST API-ն կորցնում է իր գերիշխանությունը կիրառական տիեզերքի նկատմամբ տվյալների դանդաղ բեռնման պատճառով, որը պետք է կատարվի առանձին URL-ներից:

GraphQL-ը նոր միտում է և ավելի լավ այլընտրանք REST-ի վրա հիմնված ճարտարապետության համար, որը վերականգնում է բոլոր համապատասխան տվյալները բազմաթիվ կայքերից՝ օգտագործելով մեկ հարցում: Սա բարելավում է հաճախորդ-սերվեր փոխազդեցությունը և նվազեցնում ուշացումը՝ հավելվածը զգալիորեն ավելի պատասխանատու դարձնելով օգտագործողի համար:

Դուք կարող եք բարելավել ձեր ծրագրային ապահովման մշակման հմտությունները, երբ օգտագործում եք GraphQL ծրագրային ապահովման մշակման համար: Բացի այդ, այն պահանջում է ավելի քիչ կոդ, քան REST Api-ն և թույլ է տալիս կատարել բարդ հարցումներ մի քանի պարզ տողերում: Այն կարող է նաև համալրվել Backand as a Service (BaaS) մի շարք առանձնահատկություններով, որոնք հեշտացնում են այն օգտագործել ծրագրաշար մշակողների կողմից տարբեր ծրագրավորման լեզուներով, ներառյալ Python, Node.js, C++ և Java:

3. Կոդավորման ցածր մակարդակ/առանց կոդ (ցածր կոդ)

Ցածր կոդով ծրագրային ապահովման մշակման բոլոր գործիքներն ապահովում են բազմաթիվ առավելություններ: Այն պետք է հնարավորինս արդյունավետ լինի շատ ծրագրեր զրոյից գրելիս: Ցածր կոդը ապահովում է նախապես կազմաձևված կոդ, որը կարող է ներկառուցվել ավելի մեծ ծրագրերի մեջ: Սա թույլ է տալիս նույնիսկ ոչ ծրագրավորողներին արագ և հեշտությամբ ստեղծել բարդ արտադրանք և արագացնել ժամանակակից զարգացման էկոհամակարգը:

TechRepublic-ի զեկույցի համաձայն՝ առանց կոդերի/ցածր կոդերի գործիքներն արդեն օգտագործվում են վեբ պորտալներում, ծրագրային համակարգերում, բջջային հավելվածներում և այլ ոլորտներում: Ցածր ծածկագրի գործիքների շուկան մինչև 15 թվականը կաճի մինչև 2020 միլիարդ դոլար: Այս գործիքները կարգավորում են ամեն ինչ, ներառյալ աշխատանքային հոսքի տրամաբանությունը, տվյալների զտումը, ներմուծումը և արտահանումը: Ահա 2020 թվականի լավագույն ցածր կոդերի հարթակները.

• Microsoft PowerApps
• Մենդիքս
• Արտհամակարգեր
• Zoho Ստեղծող
• Salesforce App Cloud
• Արագ բազա
• Գարնանային կոշիկ

4. 5G ալիք

5G կապը մեծապես կազդի բջջային հավելվածների և ծրագրային ապահովման զարգացման, ինչպես նաև վեբ զարգացման վրա: Ի վերջո, IoT-ի նման տեխնոլոգիաներով ամեն ինչ կապված է: Այսպիսով, սարքի ծրագրային ապահովումը առավելագույնս կօգտվի 5G-ով գերարագ անլար ցանցերի հնարավորություններից։

Վերջերս Digital Trends-ին տված հարցազրույցում Motorola-ի արտադրանքի փոխնախագահ Դեն Դերին ասաց, որ «առաջիկա տարիներին 5G-ն ավելի արագ տվյալներ կհաղորդի, ավելի մեծ թողունակություն և կարագացնի հեռախոսի ծրագրակազմը 10 անգամ ավելի արագ, քան գոյություն ունեցող անլար տեխնոլոգիաները»:

Այս լույսի ներքո ծրագրային ապահովման ընկերությունները կաշխատեն 5G-ը ժամանակակից հավելվածներ ներմուծելու ուղղությամբ: Ներկայումս ավելի քան 20 օպերատորներ հայտարարել են իրենց ցանցերի արդիականացման մասին։ Այսպիսով, մշակողները այժմ կսկսեն աշխատել համապատասխան API-ների օգտագործման վրա՝ 5G-ից օգտվելու համար: Տեխնոլոգիան զգալիորեն կբարելավի հետևյալը.

• Ցանցային ծրագրերի անվտանգություն, հատկապես Network Slicing-ի համար:
• Տրամադրեք օգտատերերի նույնականացման նոր եղանակներ:
• Թույլ է տալիս նոր գործառույթներ ավելացնել ցածր ուշացումով հավելվածներին:
• Կազդի AR/VR համակարգի զարգացման վրա:

5. Հեշտ նույնականացում

Նույնականացումը գնալով դառնում է զգայուն տվյալների պաշտպանության արդյունավետ գործընթաց: Բարդ տեխնոլոգիան ոչ միայն խոցելի է ծրագրային հաքերների նկատմամբ, այլև աջակցում է արհեստական ​​ինտելեկտին և նույնիսկ քվանտային հաշվարկներին: Սակայն ծրագրային ապահովման մշակման շուկան արդեն տեսնում է նույնականացման բազմաթիվ նոր տեսակներ, ինչպիսիք են ձայնի վերլուծությունը, կենսաչափությունը և դեմքի ճանաչումը:

Այս փուլում հաքերները տարբեր եղանակներ են գտնում առցանց օգտատերերի ID-ներ և գաղտնաբառեր կեղծելու համար: Քանի որ բջջային օգտատերերն արդեն սովոր են մուտք գործել իրենց սմարթֆոններ մատնահետքի կամ դեմքի սկանավորման միջոցով, այդպիսով օգտագործելով իսկորոշման գործիքներ, նրանք նոր ստուգման հնարավորությունների կարիք չեն ունենա, քանի որ կիբեր գողության հավանականությունը ավելի քիչ կլինի: Ահա մի քանի գործոն նույնականացման գործիքներ SSL կոդավորումով:

• Soft Tokens-ը ձեր սմարթֆոնները վերածում են հարմար բազմագործոն նույնականացման:
• EGrid ձևանմուշները արդյունաբերության մեջ իսկորոշիչների հեշտ օգտագործման և հանրաճանաչ ձև են:
• Բիզնեսի համար նույնականացման լավագույն ծրագրերից են RSA SecurID Access, OAuth, Ping Identity, Authx և Aerobase:

Հնդկաստանում և ԱՄՆ-ում կան ծրագրային ապահովման ընկերություններ, որոնք լայնածավալ հետազոտություններ են կատարում նույնականացման և կենսաչափության ոլորտում: Նրանք նաև խթանում են AI-ն՝ ձայնային, դեմքի իդենտիֆիկացիայի, վարքային և կենսաչափական նույնականացման համար բարձրակարգ ծրագրակազմ ստեղծելու համար: Այժմ դուք կարող եք պաշտպանել թվային ալիքները և բարելավել հարթակի հնարավորությունները:

Ամփոփում

Կարծես թե ծրագրավորողների կյանքը 2020 թվականին կդառնա ավելի քիչ դժվար, քանի որ ծրագրային ապահովման մշակման տեմպերը, ամենայն հավանականությամբ, կարագանան: Մատչելի գործիքները կդառնան ավելի հեշտ օգտագործման համար: Ի վերջո, այս առաջընթացը կստեղծի դինամիկ աշխարհ, որը մտնում է նոր թվային դարաշրջան:

Source: www.habr.com