ஹே ஹப்ர்! கட்டுரையின் மொழிபெயர்ப்பை உங்கள் கவனத்திற்கு முன்வைக்கிறேன் kristencarter7519 மூலம்.
2020க்கு இன்னும் சில நாட்களே உள்ளதாகத் தோன்றினாலும், மென்பொருள் மேம்பாட்டுத் துறையிலும் இந்த நாட்கள் முக்கியமானவை. இந்த கட்டுரையில், வரும் 2020 ஆம் ஆண்டு மென்பொருள் உருவாக்குநர்களின் வாழ்க்கையை எவ்வாறு மாற்றும் என்பதைப் பார்ப்போம்.
மென்பொருள் மேம்பாட்டின் எதிர்காலம் இங்கே உள்ளது!
பாரம்பரிய மென்பொருள் உருவாக்கம் என்பது சில நிலையான விதிகளைப் பின்பற்றி குறியீட்டை எழுதுவதன் மூலம் மென்பொருளை உருவாக்குவதாகும். ஆனால் நவீன மென்பொருள் மேம்பாடு செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் ஆழமான கற்றல் ஆகியவற்றின் முன்னேற்றங்களுடன் ஒரு முன்னுதாரண மாற்றத்தைக் கண்டுள்ளது. இந்த மூன்று தொழில்நுட்பங்களையும் ஒருங்கிணைப்பதன் மூலம், டெவலப்பர்கள் அறிவுறுத்தல்களில் இருந்து கற்றுக் கொள்ளும் மென்பொருள் தீர்வுகளை உருவாக்க முடியும் மற்றும் விரும்பிய முடிவை உருவாக்கத் தேவையான தரவுகளுக்கு கூடுதல் அம்சங்களையும் வடிவங்களையும் சேர்க்கலாம்.
சில குறியீடுகளுடன் முயற்சிப்போம்
காலப்போக்கில், நரம்பியல் நெட்வொர்க் மென்பொருள் மேம்பாட்டு அமைப்புகள் ஒருங்கிணைப்பு மற்றும் செயல்பாடு மற்றும் இடைமுகங்களின் நிலைகளில் மிகவும் சிக்கலானதாகிவிட்டன. டெவலப்பர்கள், எடுத்துக்காட்டாக, பைதான் 3.6 மூலம் மிக எளிமையான நரம்பியல் வலையமைப்பை உருவாக்க முடியும். 1 வி அல்லது 0 விகளுடன் பைனரி வகைப்பாடு செய்யும் ஒரு எடுத்துக்காட்டு நிரல் இங்கே உள்ளது.
நிச்சயமாக, ஒரு நரம்பியல் நெட்வொர்க் வகுப்பை உருவாக்குவதன் மூலம் நாம் தொடங்கலாம்:
NumPy ஐ NP ஆக இறக்குமதி செய்யவும்
X=np.array([[0,1,1,0],[0,1,1,1],[1,0,0,1]])
y=np.array([[0],[1],[1]])சிக்மாய்டு செயல்பாட்டின் பயன்பாடு:
def sigmoid ():
return 1/(1 + np.exp(-x))
def derivatives_sigmoid ():
return x * (1-x)ஆரம்ப எடைகள் மற்றும் சார்புகளுடன் ஒரு மாதிரியைப் பயிற்றுவித்தல்:
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))ஆரம்பநிலைக்கு, உங்களுக்கு நரம்பியல் நெட்வொர்க்குகள் தொடர்பான உதவி தேவைப்பட்டால், நீங்கள் சிறந்த மென்பொருள் மேம்பாட்டு நிறுவனங்களின் இணையதளங்களை இணையத்தில் தேடலாம் அல்லது உங்கள் திட்டத்தில் பணிபுரிய AI/ML டெவலப்பர்களை நியமிக்கலாம்.
வெளியீட்டு அடுக்கு நியூரானைப் பயன்படுத்தி குறியீடு மாற்றம்
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)
மறைக்கப்பட்ட குறியீடு அடுக்குக்கான கணக்கீடு பிழை
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) *lrவெளியேறும்
print (output)
[[0.03391414]
[0.97065091]
[0.9895072 ]]சமீபத்திய நிரலாக்க மொழிகள் மற்றும் குறியீட்டு நுட்பங்களுடன் புதுப்பித்த நிலையில் இருப்பது எப்போதும் மதிப்புக்குரியது, மேலும் புரோகிராமர்கள் தங்கள் பயன்பாடுகளை புதிய பயனர்களுக்கு பொருத்தமானதாக மாற்ற உதவும் பல புதிய கருவிகளைப் பற்றியும் அறிந்திருக்க வேண்டும்.
2020 ஆம் ஆண்டில், மென்பொருள் உருவாக்குநர்கள் எந்த நிரலாக்க மொழியைப் பயன்படுத்தினாலும், இந்த 5 மென்பொருள் மேம்பாட்டுக் கருவிகளை தங்கள் தயாரிப்புகளில் இணைப்பதைக் கருத்தில் கொள்ள வேண்டும்:
1. இயற்கை மொழி செயலாக்கம் (NLP)
வாடிக்கையாளர் சேவையை நெறிப்படுத்தும் சாட்போட் மூலம், நவீன மென்பொருள் மேம்பாட்டில் பணிபுரியும் புரோகிராமர்களின் கவனத்தை என்எல்பி பெறுகிறது. சாட்போட்கள், டிஜிட்டல் உதவியாளர்கள் மற்றும் டிஜிட்டல் தயாரிப்புகளில் என்எல்பியை விரைவாக இணைக்க பைதான் என்எல்டிகே போன்ற என்எல்டிகே கருவித்தொகுப்புகளைப் பயன்படுத்துகின்றனர். 2020 ஆம் ஆண்டின் நடுப்பகுதியில் அல்லது எதிர்காலத்தில், சில்லறை வணிகங்கள் முதல் தன்னாட்சி வாகனங்கள் மற்றும் வீடு மற்றும் அலுவலகத்திற்கான சாதனங்கள் வரை அனைத்திலும் NLP முக்கியத்துவம் பெறுவதை நீங்கள் காண்பீர்கள்.
சிறந்த மென்பொருள் மேம்பாட்டு கருவிகள் மற்றும் தொழில்நுட்பங்களுடன் முன்னேறி, மென்பொருள் உருவாக்குநர்கள் குரல் அடிப்படையிலான பயனர் இடைமுகங்கள் முதல் மிக எளிதான மெனு வழிசெலுத்தல், உணர்வு பகுப்பாய்வு, சூழல் அடையாளம், உணர்ச்சி மற்றும் தரவு அணுகல் வரை பல்வேறு வழிகளில் NLP ஐப் பயன்படுத்துவார்கள் என்று எதிர்பார்க்கலாம். இவை அனைத்தும் பெரும்பான்மையான பயனர்களுக்குக் கிடைக்கும், மேலும் நிறுவனங்கள் 430க்குள் $2020 பில்லியன் வரை உற்பத்தித்திறன் வளர்ச்சியை அடைய முடியும் (IDC இன் படி, டெலாய்ட் மேற்கோள் காட்டப்பட்டுள்ளது).
2. GraphQL REST Apis ஐ மாற்றுகிறது
எனது நிறுவனத்தில் உள்ள டெவலப்பர்களின் கூற்றுப்படி, இது ஒரு கடல்சார் மென்பொருள் மேம்பாட்டு நிறுவனமாகும், பல URL களில் இருந்து தனித்தனியாக செய்ய வேண்டிய தரவு மெதுவாக ஏற்றப்படுவதால், REST API பயன்பாட்டு பிரபஞ்சத்தின் மீது அதன் ஆதிக்கத்தை இழக்கிறது.
GraphQL என்பது ஒரு புதிய போக்கு மற்றும் REST-அடிப்படையிலான கட்டமைப்பிற்கு சிறந்த மாற்றாகும், இது ஒரு வினவலைப் பயன்படுத்தி பல தளங்களிலிருந்து தொடர்புடைய எல்லா தரவையும் மீட்டெடுக்கிறது. இது கிளையன்ட்-சர்வர் தொடர்புகளை மேம்படுத்துகிறது மற்றும் தாமதத்தை குறைக்கிறது, இதனால் பயன்பாட்டை பயனருக்கு குறிப்பிடத்தக்க வகையில் பதிலளிக்கும்.
மென்பொருள் மேம்பாட்டிற்கு GraphQL ஐப் பயன்படுத்தும்போது உங்கள் மென்பொருள் மேம்பாட்டுத் திறனை மேம்படுத்தலாம். கூடுதலாக, இதற்கு REST Api ஐ விட குறைவான குறியீடு தேவைப்படுகிறது மற்றும் சில எளிய வரிகளில் சிக்கலான வினவல்களைச் செய்ய உங்களை அனுமதிக்கிறது. இது Python, Node.js, C++ மற்றும் Java உள்ளிட்ட பல்வேறு நிரலாக்க மொழிகளில் மென்பொருள் உருவாக்குநர்களால் பயன்படுத்துவதை எளிதாக்கும் பல பேக்கண்ட் அஸ் எ சர்வீஸ் (BaaS) அம்சங்களுடன் பொருத்தப்படலாம்.
3. குறைந்த குறியீட்டு நிலை/குறியீடு இல்லை (குறைந்த குறியீடு)
அனைத்து குறைந்த குறியீடு மென்பொருள் மேம்பாட்டு கருவிகள் பல நன்மைகளை வழங்குகின்றன. புதிதாக பல நிரல்களை எழுதும்போது அது முடிந்தவரை திறமையாக இருக்க வேண்டும். குறைந்த குறியீடு முன் கட்டமைக்கப்பட்ட குறியீட்டை வழங்குகிறது, அதை பெரிய நிரல்களில் உட்பொதிக்க முடியும். இது புரோகிராமர்கள் அல்லாதவர்கள் கூட சிக்கலான தயாரிப்புகளை விரைவாகவும் எளிதாகவும் உருவாக்கவும் நவீன வளர்ச்சி சுற்றுச்சூழல் அமைப்பை துரிதப்படுத்தவும் அனுமதிக்கிறது.
TechRepublic அறிக்கையின்படி, இணைய தளங்கள், மென்பொருள் அமைப்புகள், மொபைல் பயன்பாடுகள் மற்றும் பிற பகுதிகளில் குறியீடு இல்லாத/குறைந்த குறியீடு கருவிகள் ஏற்கனவே பயன்படுத்தப்பட்டு வருகின்றன. குறைந்த குறியீடு கருவிகள் சந்தை 15 இல் $2020 பில்லியனாக வளரும். இந்த கருவிகள் பணிப்பாய்வு தர்க்கத்தை நிர்வகித்தல், தரவு வடிகட்டுதல், இறக்குமதி மற்றும் ஏற்றுமதி உட்பட அனைத்தையும் கையாளுகின்றன. 2020 இல் சிறந்த குறைந்த குறியீடு இயங்குதளங்கள் இதோ:
- Microsoft PowerApps
- மெண்டிக்ஸ்
- அவுட் சிஸ்டம்ஸ்
- ஜோஹோ கிரியேட்டர்
- சேல்ஸ்ஃபோர்ஸ் ஆப் கிளவுட்
- விரைவு அடிப்படை
- வசந்த துவக்க
4. 5G அலை
5G இணைப்பு மொபைல் பயன்பாடு மற்றும் மென்பொருள் மேம்பாடு மற்றும் இணைய மேம்பாட்டை பெரிதும் பாதிக்கும். எல்லாவற்றிற்கும் மேலாக, IoT போன்ற தொழில்நுட்பங்களுடன், அனைத்தும் இணைக்கப்பட்டுள்ளன. இதனால், சாதன மென்பொருள் 5G உடன் அதிவேக வயர்லெஸ் நெட்வொர்க்குகளின் திறன்களை அதிகம் பயன்படுத்தும்.
Digital Trends உடனான சமீபத்திய நேர்காணலில், Motorola இன் தயாரிப்பின் துணைத் தலைவர் Dan Dery, "வரவிருக்கும் ஆண்டுகளில், 5G வேகமான தரவு, அதிக அலைவரிசையை வழங்கும் மற்றும் தற்போதுள்ள வயர்லெஸ் தொழில்நுட்பங்களை விட 10 மடங்கு வேகமாக தொலைபேசி மென்பொருளை துரிதப்படுத்தும்" என்று கூறினார்.
இந்த வெளிச்சத்தில், நவீன பயன்பாடுகளில் 5G ஐக் கொண்டுவர மென்பொருள் நிறுவனங்கள் செயல்படும். தற்போது, 20க்கும் மேற்பட்ட ஆபரேட்டர்கள் தங்கள் நெட்வொர்க்குகளுக்கு மேம்படுத்தல்களை அறிவித்துள்ளனர். எனவே, டெவலப்பர்கள் இப்போது 5Gயைப் பயன்படுத்திக் கொள்ள பொருத்தமான APIகளைப் பயன்படுத்தத் தொடங்குவார்கள். தொழில்நுட்பம் பின்வருவனவற்றை கணிசமாக மேம்படுத்தும்:
- நெட்வொர்க் நிரல் பாதுகாப்பு, குறிப்பாக நெட்வொர்க் ஸ்லைசிங்கிற்கு.
- பயனர் ஐடிகளைக் கையாள புதிய வழிகளை வழங்கவும்.
- குறைந்த தாமதம் உள்ள பயன்பாடுகளுக்கு புதிய செயல்பாட்டைச் சேர்க்க உங்களை அனுமதிக்கிறது.
- AR/VR அமைப்பின் வளர்ச்சியை பாதிக்கும்.
5. எளிதான அங்கீகாரம்
உணர்திறன் தரவைப் பாதுகாப்பதற்கான ஒரு பயனுள்ள செயல்முறையாக அங்கீகாரம் அதிகரித்து வருகிறது. அதிநவீன தொழில்நுட்பம் மென்பொருள் ஹேக்குகளுக்கு பாதிக்கப்படுவது மட்டுமல்லாமல், செயற்கை நுண்ணறிவு மற்றும் குவாண்டம் கம்ப்யூட்டிங்கையும் ஆதரிக்கிறது. ஆனால் மென்பொருள் மேம்பாட்டுச் சந்தையில் குரல் பகுப்பாய்வு, பயோமெட்ரிக்ஸ் மற்றும் முக அங்கீகாரம் போன்ற பல புதிய வகையான அங்கீகாரங்கள் ஏற்கனவே காணப்படுகின்றன.
இந்த கட்டத்தில், ஹேக்கர்கள் ஆன்லைன் பயனர் ஐடிகள் மற்றும் கடவுச்சொற்களை உருவாக்க பல்வேறு வழிகளைக் கண்டுபிடிக்கின்றனர். மொபைல் பயனர்கள் கைரேகை அல்லது முக ஸ்கேன் மூலம் தங்கள் ஸ்மார்ட்போன்களை அணுகுவதற்கு ஏற்கனவே பழக்கமாகிவிட்டதால், அங்கீகாரக் கருவிகளைப் பயன்படுத்தி, சைபர் திருட்டுக்கான வாய்ப்பு குறைவாக இருக்கும் என்பதால், அவர்களுக்கு புதிய சரிபார்ப்பு திறன்கள் தேவையில்லை. SSL குறியாக்கத்துடன் கூடிய சில பல காரணி அங்கீகார கருவிகள் இங்கே உள்ளன.
- மென்மையான டோக்கன்கள் உங்கள் ஸ்மார்ட்போன்களை வசதியான பல காரணி அங்கீகரிப்பாளர்களாக மாற்றும்.
- EGrid வார்ப்புருக்கள் தொழில்துறையில் பயன்படுத்த எளிதான மற்றும் பிரபலமான அங்கீகார வடிவமாகும்.
- வணிகங்களுக்கான சில சிறந்த அங்கீகார திட்டங்கள் RSA SecurID அணுகல், OAuth, பிங் அடையாளம், Authx மற்றும் ஏரோபேஸ்.
அங்கீகாரம் மற்றும் பயோமெட்ரிக்ஸ் துறையில் இந்தியாவிலும் அமெரிக்காவிலும் மென்பொருள் நிறுவனங்கள் விரிவான ஆராய்ச்சி செய்து வருகின்றன. குரல், முகம்-ஐடி, நடத்தை மற்றும் பயோமெட்ரிக் அங்கீகாரத்திற்கான சிறந்த மென்பொருளை உருவாக்க AI ஐ ஊக்குவித்து வருகின்றனர். இப்போது நீங்கள் டிஜிட்டல் சேனல்களைப் பாதுகாக்கலாம் மற்றும் இயங்குதள திறன்களை மேம்படுத்தலாம்.
முடிவுக்கு
மென்பொருள் மேம்பாட்டின் வேகம் அதிகரிக்க வாய்ப்புள்ளதால், 2020ல் புரோகிராமர்களின் வாழ்க்கை குறைவான சவாலாக மாறும் எனத் தெரிகிறது. கிடைக்கும் கருவிகள் பயன்படுத்த எளிதாக இருக்கும். இறுதியில், இந்த முன்னேற்றம் ஒரு புதிய டிஜிட்டல் யுகத்தில் நுழையும் ஒரு மாறும் உலகத்தை உருவாக்கும்.
ஆதாரம்: www.habr.com