未来十年开发人员最需要的 3 项技能

随着我们进入 2020 年代中期及以后，我们可以期待看到技术世界发生一些重大变化。考虑到这一点，确保您的开发人员具备在瞬息万变的环境中茁壮成长所需的技能非常重要。以下是每个开发人员在未来十年内应该在他们的工具包中拥有的三项技能。

概括

技能 1：快速学习新语言

图书：快速而深入的学习。
其他资源： Anki 应用让您创建免费列表以每天练习。非常适合在旅途中加固。

技能 2：云计算

图书：云计算，使用 Kubernetes 的 DevOps , 云安全 , 云成本管理
资源：云大师为实践和学习实用的 devops 技能提供了专门的环境。这就是我提升 DevOps 工作信心的方式。

技能 3：人工智能和机器学习技能

图书：
- 概率机器学习，适合初学者的 AI 书籍，实际上是可以理解的 😃
- 带有 Spark 的 AI 管道、Data Lakehouses
- Python 与 Tensforflow V2
资源：
Coursera 的深度学习课堂和机器学习课程对于入门很有用。

1. 快速学习新语言的能力

开发人员可以学习一种编程语言并为生活做好准备的日子已经一去不复返了。如今，新语言一直在开发，开发人员需要能够快速学习它们以跟上最新趋势。此外，能够快速学习新语言也将使开发人员更容易掌握相关技术，例如框架和库。

在掌握基础知识之前不要继续前进

在学习一门编程语言时，首先要掌握基本概念是很重要的。一旦您了解了某些东西为什么端到端有效，您就可以继续讨论更高级的主题。但是，如果您在没有坚实基础的情况下尝试跳过，您可能会发现自己迷失和沮丧。想要继续学习一种语言的最新和最伟大的特性可能很诱人，但要抵制这种冲动，花时间首先了解基础知识。从长远来看，你会很高兴你做到了。

间隔重复测验 (SRQ) 是学习和掌握新内容的有效方式。它们通过间隔测验间隔来工作，以便您在忘记之前复习材料。这种间隔可以让您更有效地学习材料并保留更长的时间。 SRQ 已被证明比传统测验更有效，使其成为任何想要学习新编程语言或工具的人的绝佳选择。使用 SRQ 时，请务必创建涵盖您需要学习的所有关键概念的测验。SRQ 还可用于评估您对现有内容的理解。通过对您已经知道的材料进行测验，您可以衡量您对材料的理解并找出您的知识差距。这在准备考试或工作面试时特别有用。无论您是想学习新知识还是评估现有知识，间隔重复测验都是一种很好的方法。

开始使用

这是一本很棒的书，可以帮助您构建学习的元技能

2. 云计算技能

云计算正在彻底改变企业的运营方式，而且它只会在未来几年变得更加普遍。因此，想要保持领先地位的开发人员将需要培养他们的云计算技能。幸运的是，有大量资源可帮助开发人员跟上这一快速发展的技术。

云编排

容器提供了一种打包应用程序及其依赖项的方式，使其可以在任何地方运行。这意味着没有对存储或网络的本地访问，这是通过像谷歌这样的编排工具处理的 Kubernetes 服务（它还负责管理高可用性）。容器平台自动执行与在主机上启动容器相关的任务——包括配置管理；根据客户流量生成率

Kubernetes 还有其他竞争对手，包括 游牧民族 . HashiCorp 的 Nomad 是一个简单而灵活的工作负载编排工具，它有助于在本地或云等平台上进行不同类型的部署、管理和扩展。它提供来自多个提供商的通用池基础设施——无论是在位置（即本地）方面，还是在类型方面；这包括一切以提高效率的垃圾箱包装容器。

学到更多！

云计算，使用 Kubernetes 的 DevOps .

云网络和安全

随着企业越来越多地将数据和应用程序迁移到云端，他们还必须确保这种过渡是安全的。云网络和安全有助于保护数据和系统免受未经授权的访问，同时还为授权用户提供安全的出入口点。为了保护云中的数据，企业必须首先了解云安全的责任共担模型。在这种模式下，云提供商负责保护基础设施，而客户负责保护他们的数据和应用程序。这意味着企业必须实施自己的安全措施，例如加密和访问控制。他们还必须仔细监控其云环境中的活动，并准备好对任何威胁做出快速响应。通过采取这些步骤，企业可以保护他们在云中的数据，并确保他们成功过渡到云。

入门

但是这个领域非常深，我建议您阅读以下内容进行跟进：云安全 .

云成本管理

云成本管理是监控、分析和优化云计算费用的过程。这是一种专门针对使用云服务的组织的财务操作 (finops)。由于云服务是根据使用情况收费的，因此公司必须密切观察其成本并尽可能找到降低成本的方法。成本上升可能是由多种因素引起的，包括使用量的突然激增、定价计划的变化或资源利用效率低下。通过不断监控成本并采取积极措施防止浪费性支出，finops 团队可以帮助组织控制其云预算。

开始使用

这本书很棒云成本管理 .和其他资源在这里。

3. 人工智能和机器学习技能

人工智能 (AI) 和机器学习是另外两项在商业世界中迅速获得关注的技术。随着这些技术变得越来越普遍，对拥有这些技术的开发人员的需求量将会很大。幸运的是，有许多在线课程和教程可以帮助开发人员开始使用 AI 和机器学习。

深度学习：卷积神经网络等

深度学习是机器学习的一个子集，它关注受大脑结构和功能启发的算法。深度学习通常用来指使用神经网络，这是一组特定的算法。神经网络的灵感来自于我们对大脑及其学习方式的理解。

这些算法旨在以类似于大脑的方式学习。卷积神经网络 (CNN) 是一种深度学习算法，在图像识别任务中非常有效。在其他计算机视觉任务中，CNN 已成功识别面部、物体和交通标志。

然而，最近，已经转向使用更复杂的模型，例如生成对抗网络 (GAN)。 GAN 由两个神经网络组成：生成器网络和鉴别器网络。

生成器网络创建看起来逼真的图像，而鉴别器网络试图识别哪些图像是真实的，哪些是假的。然后这两个网络相互竞争，导致生成的图像随着时间的推移变得越来越逼真。这些更复杂的深度学习模型开始被更频繁地使用，因为它们提供了比传统 CNN 更好的结果。

想真正了解这一切是如何运作的吗？这本书实际上让初学者可以理解人工智能和深度学习。 Udemy 还有一些评价很高的课程可以提供帮助。

Python Tensorflow2 实用技巧

Python 是一种编程语言，具有许多使其非常适合学习 AI 的特性。例如，它有一个庞大而活跃的社区，创建了许多有用的库。此外，Python 相对容易学习，即使对于初学者也是如此。 TensorFlow 2 是一个流行的机器学习开源库，可与 Python 一起使用。它允许开发人员轻松构建复杂的 AI 模型。 Python 和 TensorFlow 2 一起提供了开始学习 AI 所需的一切。

开始：

很好的资源，这里有深入的例子： Python 与 Tensforflow V2

了解如何使用 Spark 进行 AI 建模管道

对于使用 AI 模型管道的人来说，Spark 是必不可少的工具。它允许构建数据湖，这些数据湖是用于训练和测试机器学习模型的所有数据的存储库。 Spark 还有助于管理和监控训练过程，确保模型调整正确并且性能最佳。此外，Spark 可用于将经过训练的模型部署到生产环境中。因此，对于使用 AI 模型管道的任何人来说，它都是一个关键工具。 Spark 提供了许多优势，包括易用性、灵活性和可扩展性。随着越来越多的组织采用人工智能技术，Spark 可能变得更加重要。