ಶುಭೋದಯ, ಹಬ್ರ್!
ನಮ್ಮ ಪೂರ್ವ ಅಧಿಸೂಚನೆಯಲ್ಲಿ ಲೇಖನದ ಶೀರ್ಷಿಕೆಗೆ ಸೇರಿಸಲು ನಾವು ಏನನ್ನೂ ಹೊಂದಿಲ್ಲ - ಆದ್ದರಿಂದ ಪ್ರತಿಯೊಬ್ಬರನ್ನು ತಕ್ಷಣವೇ ಬೆಕ್ಕಿಗೆ ಆಹ್ವಾನಿಸಲಾಗುತ್ತದೆ. ಓದಿ ಅಭಿಪ್ರಾಯ ತಿಳಿಸಿ.
ಮೊಬೈಲ್ ಅಭಿವೃದ್ಧಿ ವೃತ್ತಿಪರರು ಇಂದು ನೀಡುತ್ತಿರುವ ಕ್ರಾಂತಿಕಾರಿ ಬದಲಾವಣೆಗಳಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತಾರೆ.
ಮೊಬೈಲ್ ಯಂತ್ರ ಕಲಿಕೆಯ ಈ ತ್ವರಿತ ಬೆಳವಣಿಗೆಯು ಶಾಸ್ತ್ರೀಯ ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿ ನಾವು ಅನುಭವಿಸಿದ ಹಲವಾರು ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿದೆ. ವಾಸ್ತವವಾಗಿ, ಎಲ್ಲವೂ ಸ್ಪಷ್ಟವಾಗಿದೆ. ಭವಿಷ್ಯದಲ್ಲಿ, ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ವೇಗವಾದ ಡೇಟಾ ಸಂಸ್ಕರಣೆ ಮತ್ತು ಸುಪ್ತತೆಯನ್ನು ಮತ್ತಷ್ಟು ಕಡಿಮೆ ಮಾಡುವ ಅಗತ್ಯವಿರುತ್ತದೆ.
ಏಕೆ ಎಂದು ನೀವು ಈಗಾಗಲೇ ಯೋಚಿಸಿರಬಹುದು
ಆದ್ದರಿಂದ, ಮೊಬೈಲ್ ಯಂತ್ರ ಕಲಿಕೆಯ ಈ ಪ್ರಮುಖ ಪ್ರಯೋಜನಗಳನ್ನು ವಿವರಿಸಿದ ನಂತರ, ನಮ್ಮ ಕಣ್ಣುಗಳ ಮುಂದೆ ತೆರೆದುಕೊಳ್ಳುತ್ತಿರುವ ಯಂತ್ರ ಕಲಿಕೆಯ ಕ್ರಾಂತಿಯು ಮೊಬೈಲ್ ಡೆವಲಪರ್ ಆಗಿ ವೈಯಕ್ತಿಕವಾಗಿ ನಿಮಗೆ ಆಸಕ್ತಿಯಾಗಿರಬೇಕು ಎಂಬುದನ್ನು ಹತ್ತಿರದಿಂದ ನೋಡೋಣ.
ಸುಪ್ತತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಿ
ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್ಗಳಿಗೆ ತಿಳಿದಿರುವಂತೆ, ಅದರ ವೈಶಿಷ್ಟ್ಯಗಳು ಎಷ್ಟೇ ಉತ್ತಮವಾಗಿದ್ದರೂ ಅಥವಾ ಬ್ರ್ಯಾಂಡ್ ಎಷ್ಟು ಹೆಸರುವಾಸಿಯಾಗಿದ್ದರೂ, ಹೆಚ್ಚಿದ ಸುಪ್ತತೆಯು ಪ್ರೋಗ್ರಾಂಗೆ ಕಪ್ಪು ಚುಕ್ಕೆಯಾಗಿರಬಹುದು. ಹಿಂದೆ, Android ಸಾಧನಗಳಲ್ಲಿ ಇದ್ದವು
ಈ ರೀತಿಯ ಲೇಟೆನ್ಸಿ ಸಮಸ್ಯೆಗಳಿಂದಾಗಿ ಸಾಧನದಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಹೆಚ್ಚು ಮುಖ್ಯವಾಗುತ್ತಿದೆ. ಸಾಮಾಜಿಕ ನೆಟ್ವರ್ಕ್ಗಳಿಗಾಗಿ ಇಮೇಜ್ ಫಿಲ್ಟರ್ಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಅಥವಾ ಜಿಯೋಲೊಕೇಶನ್ ಆಧಾರದ ಮೇಲೆ ರೆಸ್ಟೋರೆಂಟ್ ಶಿಫಾರಸುಗಳನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಅಂತಹ ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ, ಅತ್ಯುನ್ನತ ಮಟ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಸುಪ್ತತೆ ಕನಿಷ್ಠವಾಗಿರಬೇಕು.
ಮೇಲೆ ಹೇಳಿದಂತೆ, ಕ್ಲೌಡ್ ಪ್ರಕ್ರಿಯೆಯು ಕೆಲವೊಮ್ಮೆ ನಿಧಾನವಾಗಿರಬಹುದು ಮತ್ತು ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ನ ಯಂತ್ರ ಕಲಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳು ಸರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಲೇಟೆನ್ಸಿ ಶೂನ್ಯಕ್ಕೆ ಹತ್ತಿರವಾಗಬೇಕೆಂದು ಡೆವಲಪರ್ ಬಯಸುತ್ತಾರೆ. ಸಾಧನಗಳಲ್ಲಿನ ಯಂತ್ರ ಕಲಿಕೆಯು ಡೇಟಾ ಸಂಸ್ಕರಣಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ತೆರೆಯುತ್ತದೆ, ಅದು ಸುಪ್ತತೆಯನ್ನು ಬಹುತೇಕ ಶೂನ್ಯಕ್ಕೆ ನಿಜವಾಗಿಯೂ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
ಸ್ಮಾರ್ಟ್ಫೋನ್ ತಯಾರಕರು ಮತ್ತು ಟೆಕ್ ಮಾರುಕಟ್ಟೆ ದೈತ್ಯರು ಕ್ರಮೇಣ ಇದನ್ನು ಅರಿತುಕೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸುತ್ತಿದ್ದಾರೆ. ದೀರ್ಘಕಾಲದವರೆಗೆ, ಆಪಲ್ ಈ ಉದ್ಯಮದಲ್ಲಿ ನಾಯಕನಾಗಿ ಉಳಿದಿದೆ, ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿದೆ
ಆಪಲ್ ಸಹ ಕೋರ್ ML ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದನ್ನು ಮುಂದುವರೆಸುತ್ತಿದೆ, ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗಾಗಿ ಅದರ ಯಂತ್ರ ಕಲಿಕೆ ವೇದಿಕೆ, ಹಂತ ಹಂತವಾಗಿ; ಗ್ರಂಥಾಲಯದಲ್ಲಿ
ಈ ನಿಖರತೆ ಮತ್ತು ತಡೆರಹಿತ ಬಳಕೆದಾರ ಅನುಭವಗಳ ಸಂಯೋಜನೆಯು ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್ಗಳು ತಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪರಿಚಯಿಸುವಾಗ ಪರಿಗಣಿಸಬೇಕಾದ ಪ್ರಮುಖ ಮೆಟ್ರಿಕ್ ಆಗಿದೆ. ಮತ್ತು ಅಂತಹ ಕಾರ್ಯವನ್ನು ಖಾತರಿಪಡಿಸಲು, ಇದು ಅಗತ್ಯವಿದೆ
ಸುಧಾರಿತ ಭದ್ರತೆ ಮತ್ತು ಗೌಪ್ಯತೆ
ಎಡ್ಜ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ಮತ್ತೊಂದು ದೊಡ್ಡ ಪ್ರಯೋಜನವೆಂದರೆ ಅದು ಬಳಕೆದಾರರ ಸುರಕ್ಷತೆ ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ಎಷ್ಟು ಸುಧಾರಿಸುತ್ತದೆ ಎಂಬುದು ಅತಿಯಾಗಿ ಹೇಳಲಾಗುವುದಿಲ್ಲ. ಅಪ್ಲಿಕೇಶನ್ನಲ್ಲಿನ ಡೇಟಾದ ಸುರಕ್ಷತೆ ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ಖಾತರಿಪಡಿಸುವುದು ಡೆವಲಪರ್ನ ಕಾರ್ಯಗಳ ಅವಿಭಾಜ್ಯ ಅಂಗವಾಗಿದೆ, ವಿಶೇಷವಾಗಿ GDPR (ಸಾಮಾನ್ಯ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ನಿಯಂತ್ರಣ), ಹೊಸ ಯುರೋಪಿಯನ್ ಕಾನೂನುಗಳನ್ನು ಅನುಸರಿಸುವ ಅಗತ್ಯವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಇದು ನಿಸ್ಸಂದೇಹವಾಗಿ ಮೊಬೈಲ್ ಅಭಿವೃದ್ಧಿಯ ಅಭ್ಯಾಸದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ .
ಡೇಟಾವನ್ನು ಅಪ್ಸ್ಟ್ರೀಮ್ ಅಥವಾ ಕ್ಲೌಡ್ಗೆ ಸಂಸ್ಕರಣೆಗಾಗಿ ಕಳುಹಿಸುವ ಅಗತ್ಯವಿಲ್ಲದ ಕಾರಣ, ಸೈಬರ್ ಅಪರಾಧಿಗಳು ವರ್ಗಾವಣೆ ಹಂತದಲ್ಲಿ ರಚಿಸಲಾದ ಯಾವುದೇ ದುರ್ಬಲತೆಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಲು ಕಡಿಮೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುತ್ತಾರೆ; ಆದ್ದರಿಂದ, ಡೇಟಾದ ಸಮಗ್ರತೆಯನ್ನು ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಇದು ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್ಗಳಿಗೆ GDPR ಡೇಟಾ ಭದ್ರತಾ ನಿಯಮಗಳನ್ನು ಅನುಸರಿಸಲು ಸುಲಭವಾಗುತ್ತದೆ.
ಸಾಧನಗಳಲ್ಲಿನ ಯಂತ್ರ ಕಲಿಕೆಯು ಬ್ಲಾಕ್ಚೈನ್ನಂತೆಯೇ ವಿಕೇಂದ್ರೀಕರಣವನ್ನು ಸಹ ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಕೇಂದ್ರ ಸರ್ವರ್ನಲ್ಲಿ ಅದೇ ದಾಳಿಯನ್ನು ನಡೆಸುವುದಕ್ಕಿಂತಲೂ ಹ್ಯಾಕರ್ಗಳು ಗುಪ್ತ ಸಾಧನಗಳ ಸಂಪರ್ಕಿತ ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ DDoS ದಾಳಿಯನ್ನು ಪ್ರಾರಂಭಿಸುವುದು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿದೆ. ಡ್ರೋನ್ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಮತ್ತು ಶಾಸನದ ಅನುಸರಣೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಈ ತಂತ್ರಜ್ಞಾನವು ಉಪಯುಕ್ತವಾಗಿದೆ.
ಆಪಲ್ನಿಂದ ಮೇಲೆ ತಿಳಿಸಲಾದ ಸ್ಮಾರ್ಟ್ಫೋನ್ ಚಿಪ್ಗಳು ಬಳಕೆದಾರರ ಸುರಕ್ಷತೆ ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ಸುಧಾರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ - ಉದಾಹರಣೆಗೆ, ಅವು ಫೇಸ್ ಐಡಿಗೆ ಆಧಾರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಈ iPhone ವೈಶಿಷ್ಟ್ಯವು ಬಳಕೆದಾರರ ಮುಖದ ಎಲ್ಲಾ ವಿಭಿನ್ನ ಪ್ರಾತಿನಿಧ್ಯಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ಸಾಧನಗಳಲ್ಲಿ ನಿಯೋಜಿಸಲಾದ ನರಮಂಡಲದ ಮೂಲಕ ನಡೆಸಲ್ಪಡುತ್ತದೆ. ಹೀಗಾಗಿ, ತಂತ್ರಜ್ಞಾನವು ಅತ್ಯಂತ ನಿಖರ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಗುರುತಿನ ವಿಧಾನವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
ಇವುಗಳು ಮತ್ತು ಹೊಸ AI-ಸಕ್ರಿಯಗೊಳಿಸಿದ ಹಾರ್ಡ್ವೇರ್ ಸುರಕ್ಷಿತ ಬಳಕೆದಾರ-ಸ್ಮಾರ್ಟ್ಫೋನ್ ಸಂವಹನಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ. ವಾಸ್ತವವಾಗಿ, ಡೆವಲಪರ್ಗಳು ಬಳಕೆದಾರರ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಲು ಎನ್ಕ್ರಿಪ್ಶನ್ನ ಹೆಚ್ಚುವರಿ ಪದರವನ್ನು ಪಡೆಯುತ್ತಾರೆ.
ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕದ ಅಗತ್ಯವಿಲ್ಲ
ಲೇಟೆನ್ಸಿ ಸಮಸ್ಯೆಗಳನ್ನು ಬದಿಗಿಟ್ಟು, ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಮತ್ತು ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಕ್ಲೌಡ್ಗೆ ಡೇಟಾವನ್ನು ಕಳುಹಿಸಲು ಉತ್ತಮ ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕದ ಅಗತ್ಯವಿದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ವಿಶೇಷವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ದೇಶಗಳಲ್ಲಿ, ಇಂಟರ್ನೆಟ್ ಬಗ್ಗೆ ದೂರು ನೀಡುವ ಅಗತ್ಯವಿಲ್ಲ. ಆದರೆ ಸಂಪರ್ಕವು ಕೆಟ್ಟದಾಗಿರುವ ಪ್ರದೇಶಗಳಲ್ಲಿ ಏನು ಮಾಡಬೇಕು? ಸಾಧನಗಳಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಅಳವಡಿಸಿದಾಗ, ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು ಫೋನ್ಗಳಲ್ಲಿಯೇ ವಾಸಿಸುತ್ತವೆ. ಹೀಗಾಗಿ, ಸಂಪರ್ಕದ ಗುಣಮಟ್ಟವನ್ನು ಲೆಕ್ಕಿಸದೆಯೇ ಡೆವಲಪರ್ ಯಾವುದೇ ಸಾಧನದಲ್ಲಿ ಮತ್ತು ಎಲ್ಲಿಯಾದರೂ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿಯೋಜಿಸಬಹುದು. ಜೊತೆಗೆ, ಈ ವಿಧಾನವು ಕಾರಣವಾಗುತ್ತದೆ
ಅಂತಿಮವಾಗಿ, ಸಾಧನಗಳಲ್ಲಿನ ಯಂತ್ರ ಕಲಿಕೆಯು ಡೆವಲಪರ್ಗಳಿಗೆ ಅವರ ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕದ ಪರಿಸ್ಥಿತಿಯನ್ನು ಲೆಕ್ಕಿಸದೆಯೇ ಪ್ರಪಂಚದಾದ್ಯಂತದ ಬಳಕೆದಾರರಿಗೆ ಅನುಕೂಲವಾಗುವಂತಹ ಸಾಧನಗಳನ್ನು ರಚಿಸಲು ಸಾಧನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಹೊಸ ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳ ಶಕ್ತಿಯು ಪ್ರಸ್ತುತವಾಗಿ ಕನಿಷ್ಠ ಶಕ್ತಿಯುತವಾಗಿರುತ್ತದೆ ಎಂದು ಪರಿಗಣಿಸಿ, ಅಪ್ಲಿಕೇಶನ್ ಆಫ್ಲೈನ್ನಲ್ಲಿ ಕೆಲಸ ಮಾಡುವಾಗ ಬಳಕೆದಾರರು ವಿಳಂಬದ ಸಮಸ್ಯೆಗಳನ್ನು ಮರೆತುಬಿಡುತ್ತಾರೆ.
ನಿಮ್ಮ ವ್ಯಾಪಾರಕ್ಕಾಗಿ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು
ಸಾಧನಗಳಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯು ಅನೇಕ ಪರಿಹಾರಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಮತ್ತು ನಿರ್ವಹಿಸಲು ಹೊರಗಿನ ಗುತ್ತಿಗೆದಾರರಿಗೆ ಪಾವತಿಸದೆ ಇರುವ ಮೂಲಕ ನಿಮ್ಮ ಅದೃಷ್ಟವನ್ನು ಉಳಿಸಬಹುದು. ಮೇಲೆ ಹೇಳಿದಂತೆ, ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ನೀವು ಕ್ಲೌಡ್ ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಎರಡೂ ಇಲ್ಲದೆ ಮಾಡಬಹುದು.
GPU ಮತ್ತು AI-ನಿರ್ದಿಷ್ಟ ಕ್ಲೌಡ್ ಸೇವೆಗಳು ಖರೀದಿಸಬಹುದಾದ ಅತ್ಯಂತ ದುಬಾರಿ ಪರಿಹಾರಗಳಾಗಿವೆ. ನಿಮ್ಮ ಸಾಧನದಲ್ಲಿ ನೀವು ಮಾದರಿಗಳನ್ನು ಚಲಾಯಿಸಿದಾಗ, ಈ ಎಲ್ಲಾ ಕ್ಲಸ್ಟರ್ಗಳಿಗೆ ನೀವು ಪಾವತಿಸಬೇಕಾಗಿಲ್ಲ, ಇಂದು ಹೆಚ್ಚು ಹೆಚ್ಚು ಸುಧಾರಿತ ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳು ಸುಸಜ್ಜಿತವಾಗಿವೆ ಎಂಬ ಅಂಶಕ್ಕೆ ಧನ್ಯವಾದಗಳು
ಸಾಧನ ಮತ್ತು ಮೋಡದ ನಡುವೆ ಸಂಭವಿಸುವ ಭಾರೀ ಡೇಟಾ ಸಂಸ್ಕರಣೆಯ ದುಃಸ್ವಪ್ನವನ್ನು ತಪ್ಪಿಸುವ ಮೂಲಕ, ನೀವು ಅಗಾಧವಾಗಿ ಉಳಿಸುತ್ತೀರಿ; ಆದ್ದರಿಂದ, ಸಾಧನಗಳಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯ ಪರಿಹಾರಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಇದು ತುಂಬಾ ಲಾಭದಾಯಕವಾಗಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ನ ಬ್ಯಾಂಡ್ವಿಡ್ತ್ ಅಗತ್ಯತೆಗಳು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆಯಾಗಿರುವುದರಿಂದ ನೀವು ಹಣವನ್ನು ಉಳಿಸುತ್ತೀರಿ.
ಎಂಜಿನಿಯರ್ಗಳು ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಸಾಕಷ್ಟು ಉಳಿಸುತ್ತಾರೆ, ಏಕೆಂದರೆ ಅವರು ಹೆಚ್ಚುವರಿ ಕ್ಲೌಡ್ ಮೂಲಸೌಕರ್ಯವನ್ನು ಜೋಡಿಸಬೇಕಾಗಿಲ್ಲ ಮತ್ತು ನಿರ್ವಹಿಸಬೇಕಾಗಿಲ್ಲ. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, ಚಿಕ್ಕ ತಂಡದೊಂದಿಗೆ ಹೆಚ್ಚಿನದನ್ನು ಸಾಧಿಸಲು ಸಾಧ್ಯವಿದೆ. ಹೀಗಾಗಿ, ಅಭಿವೃದ್ಧಿ ತಂಡಗಳಲ್ಲಿ ಮಾನವ ಸಂಪನ್ಮೂಲ ಯೋಜನೆ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ.
ತೀರ್ಮಾನಕ್ಕೆ
ನಿಸ್ಸಂದೇಹವಾಗಿ, 2010 ರ ದಶಕದಲ್ಲಿ, ಕ್ಲೌಡ್ ನಿಜವಾದ ವರವಾಗಿ ಮಾರ್ಪಟ್ಟಿತು, ಡೇಟಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ. ಆದರೆ ಉನ್ನತ ತಂತ್ರಜ್ಞಾನವು ಘಾತೀಯವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿದೆ ಮತ್ತು ಸಾಧನಗಳಲ್ಲಿನ ಯಂತ್ರ ಕಲಿಕೆಯು ಶೀಘ್ರದಲ್ಲೇ ಮೊಬೈಲ್ ಅಭಿವೃದ್ಧಿಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಮಾತ್ರವಲ್ಲದೆ ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ನಲ್ಲಿಯೂ ವಾಸ್ತವಿಕ ಮಾನದಂಡವಾಗಬಹುದು.
ಕಡಿಮೆ ಸುಪ್ತತೆ, ಸುಧಾರಿತ ಭದ್ರತೆ, ಆಫ್ಲೈನ್ ಸಾಮರ್ಥ್ಯಗಳು ಮತ್ತು ಒಟ್ಟಾರೆ ಕಡಿಮೆ ವೆಚ್ಚಗಳೊಂದಿಗೆ, ಮೊಬೈಲ್ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ದೊಡ್ಡ ಆಟಗಾರರು ತಂತ್ರಜ್ಞಾನದ ಮೇಲೆ ದೊಡ್ಡ ಬೆಟ್ಟಿಂಗ್ ಮಾಡುವುದರಲ್ಲಿ ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ. ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್ಗಳು ಸಮಯಕ್ಕೆ ತಕ್ಕಂತೆ ಅದನ್ನು ಹತ್ತಿರದಿಂದ ನೋಡಬೇಕು.
ಮೂಲ: www.habr.com