如今的雇主更愿意為多達(dá)578種無需認(rèn)證的技術(shù)技能支付更多的費用，或者說這些技能沒有相應(yīng)的認(rèn)證，或者對投資這些技能的雇主來說無關(guān)緊要。

 

對于這些技術(shù)技能的調(diào)查統(tǒng)計數(shù)據(jù)令人印象深刻，在多達(dá)3,510個私營和公共部門中，78,138名美國和加拿大的技術(shù)專業(yè)人員通過其認(rèn)證和非認(rèn)證技能獲得薪酬。自從2000年以來，調(diào)研機(jī)構(gòu)每季度都會發(fā)布IT技能和認(rèn)證薪酬指數(shù)(ITSCPI)的跟蹤調(diào)查報告。

 

 

人們可能已經(jīng)注意到，與科技相關(guān)的熱門工作、熱門技能、熱門城市以及專業(yè)人士最佳雇主的排名名單并不缺乏。而人們一定想知道這些名單是如何創(chuàng)建的。

 

有關(guān)熱門技能和認(rèn)證的排名的文章通常按支付給具有這些技能的員工薪酬進(jìn)行排名。問題在于，薪酬是為企業(yè)員工的所有工作支付費用，而不僅僅是特定的需求技能或證書提供費用。使用這種方法，是否有可能劃分開特定認(rèn)證或非認(rèn)證技能的薪酬是多少，以及各種職責(zé)和工作，以及為各種職責(zé)、知識和能力或必要的軟技能支付多少薪酬?很少有人嘗試對此進(jìn)行細(xì)化。

 

排名靠前的熱門技能列表的另一個流行來源是工作板塊(例如Dice、Hired、Monster、Indeed)，該板塊使用關(guān)鍵字搜索來統(tǒng)計工作職位中提及的人數(shù)，然后按數(shù)量對他們進(jìn)行排名。招聘公司還采用另一種方法，對企業(yè)高管的薪酬數(shù)據(jù)進(jìn)行調(diào)查或跟蹤。只要足夠聰明，就能夠理解基于數(shù)據(jù)樣本人口統(tǒng)計、調(diào)查方法、時間和偏差等因素的結(jié)果，但這也可能出現(xiàn)偏差，因此這些方法各具優(yōu)缺點。

 

Foote Partners公司采用傳統(tǒng)的研究方法，獨立跟蹤和報告20多年來的個人工作、技能和認(rèn)證績效，其簡單目標(biāo)是供應(yīng)商獨立性、高于平均可靠性的數(shù)據(jù)驗證，以及最重要的是達(dá)到更高的精確性。

 

未經(jīng)認(rèn)證的技術(shù)技能必須滿足兩個先決條件：為他們賺取薪酬遠(yuǎn)高于IT技能和認(rèn)證薪酬指數(shù)(ITSCPI)中報告的578種技能的平均水平;此外，他們在截至2020年1月1日的六個月中記錄薪酬市場價值的增長。以下各項的收入低于基本工資的15%(考慮到調(diào)查報告中列出所有技能的平均水平是基本薪酬的9.5%，這一點很重要)，并按照所賺取的薪酬溢價和市場價值增加(包括聯(lián)系)的降序排列。

 

 

市值增長：11.8%(在截至2020年1月1日的六個月內(nèi))

 

在過去兩年中，與大數(shù)據(jù)分析相關(guān)的技能和認(rèn)證的市場價值每季度都在增長。總體而言，在過去12個月中，與106個與大數(shù)據(jù)相關(guān)未經(jīng)認(rèn)證的技能的薪酬溢價在市場價值上增長了4.6%，平均相當(dāng)于基本薪酬的12.3%。

 

對于使用高級數(shù)據(jù)分析使企業(yè)能夠理解、打包和可視化數(shù)據(jù)以提高決策能力的所有興趣。事實上，所謂的大數(shù)據(jù)技能市場異常波動：在調(diào)研機(jī)構(gòu)基準(zhǔn)研究中跟蹤的37項(或35%)大數(shù)據(jù)技能在2019年第三季度改變了市場價值。

 

 

市場價值增長：35%(到2020年1月1日的六個月內(nèi))

 

規(guī)范性分析是一個業(yè)務(wù)分析領(lǐng)域，致力于為特定情況找到最佳的行動方案，它與描述性和預(yù)測性分析都相關(guān)。描述性分析旨在提供對已發(fā)生情況的洞察力，而預(yù)測性分析則有助于對可能發(fā)生的情況進(jìn)行建模和預(yù)測，而描述性分析則在給定已知參數(shù)的情況下，尋求在各種選擇中確定最佳解決方案或結(jié)果。它還可以為如何利用未來機(jī)會或減輕未來風(fēng)險提出決策方案，并說明每個決策方案的含義。在實踐中，規(guī)范分析可以連續(xù)自動地處理新數(shù)據(jù)，以提高預(yù)測的準(zhǔn)確性，并提供更好的決策選項。

 

規(guī)范分析中使用的具體技術(shù)包括優(yōu)化、模擬、博弈論和決策分析方法。計算速度的提高和應(yīng)用于數(shù)據(jù)集的復(fù)雜數(shù)學(xué)算法的發(fā)展，推動了對規(guī)定性分析技能的需求。

 

規(guī)范分析可以兩種方式使用：

 

•通過分析通知決策邏輯。決策邏輯需要數(shù)據(jù)作為決策的輸入。數(shù)據(jù)的準(zhǔn)確性和及時性將確保決策邏輯將按預(yù)期運行。決策邏輯是人員的邏輯還是嵌入在應(yīng)用程序中都沒有關(guān)系，在兩種情況下，規(guī)范分析都會為流程提供輸入。規(guī)定性分析可以像匯總分析有關(guān)客戶上個月在產(chǎn)品上花費多少費用一樣簡單，也可以像預(yù)測向客戶提供最佳報價的預(yù)測模型一樣復(fù)雜。決策邏輯甚至可以包括優(yōu)化模型，以確定向客戶提供多少折扣。

 

•發(fā)展決策邏輯。決策邏輯必須發(fā)展以改善或保持其有效性。在某些情況下，決策邏輯本身可能會隨著時間的推移而出現(xiàn)缺陷或退化。衡量和分析企業(yè)決策的有效性或無效性，使開發(fā)人員可以改進(jìn)或重做決策邏輯以使其變得更好。就像營銷經(jīng)理查看電子郵件轉(zhuǎn)換率，并調(diào)整決策邏輯以針對其他受眾一樣簡單。或者，它可以像在電子郵件營銷活動的決策邏輯中嵌入機(jī)器學(xué)習(xí)模型一樣復(fù)雜，以自動調(diào)整向目標(biāo)受眾發(fā)送的內(nèi)容。

 

 

市值增長：12.5%(在截至2020年1月1日的六個月中)

 

DevSecOps是將安全實踐整合到DevOps流程中的理念，涉及通過發(fā)布工程師與安全團(tuán)隊之間持續(xù)，靈活的協(xié)作來創(chuàng)建“安全即代碼”文化。這是對原有的安全模型在現(xiàn)代連續(xù)交付流程中產(chǎn)生瓶頸影響的自然而必要的回應(yīng)。目標(biāo)是彌合IT與安全性之間的傳統(tǒng)鴻溝，同時確保快速安全地交付代碼。在交付過程的所有階段中，孤島思維被越來越多的通信和安全任務(wù)的共同責(zé)任所取代。

 

在DevSecOps中，兩個看似相反的目標(biāo)——“交付速度”和“安全代碼”被合并為一個簡化的過程。為了與敏捷中的精益實踐保持一致，安全測試在迭代中完成，而不會減慢交付周期。關(guān)鍵的安全問題在出現(xiàn)時就需要得到處理，而不是在威脅或入侵發(fā)生后才進(jìn)行處理。

 

以下是DevSecOps方法的六個重要組成部分：

 

•代碼分析–將代碼分成小塊交付，以便快速識別漏洞。

 

•變更管理–通過允許任何人提交變更來提高速度和效率，然后確定變更是好是壞。

 

•合規(guī)性監(jiān)控–隨時準(zhǔn)備進(jìn)行審核(這意味著保持合規(guī)性處于恒定狀態(tài)，其中包括收集GDPR合規(guī)性和PCI合規(guī)性等證據(jù))。

 

•威脅調(diào)查–每次代碼更新時識別潛在的新興威脅，并能夠快速做出響應(yīng)。

 

•漏洞評估–通過代碼分析識別新漏洞，然后分析響應(yīng)和修補(bǔ)漏洞的速度。

 

•安全培訓(xùn)–培訓(xùn)軟件和IT工程師，為其設(shè)定例行程序提供指導(dǎo)。

 

 

市場價值增長：5.9%(在截至2020年1月1日的六個月中)

 

計算機(jī)和信息安全中的兩個基本概念是安全模型，它概述了如何實現(xiàn)安全性(換句話說是否提供了“藍(lán)圖”)和實現(xiàn)該藍(lán)圖的計算機(jī)系統(tǒng)的安全架構(gòu)。安全架構(gòu)是從安全角度對整個系統(tǒng)架構(gòu)的看法。

 

為了滿足安全性要求，對計算機(jī)系統(tǒng)進(jìn)行了組裝。它描述了邏輯硬件、操作系統(tǒng)和軟件安全等組件，以及如何實現(xiàn)這些組件來設(shè)計、構(gòu)建和評估計算機(jī)系統(tǒng)的安全性。在過去一年中，網(wǎng)絡(luò)安全相關(guān)技能的薪酬增長了近3%，而威脅環(huán)境仍然是一個核心業(yè)務(wù)問題，調(diào)研機(jī)構(gòu)預(yù)計，用于安全模型和架構(gòu)的技能在未來將繼續(xù)保持強(qiáng)勁發(fā)展勢頭。

 

數(shù)據(jù)可以在全球任何地方即時復(fù)制和傳遞，這是新經(jīng)濟(jì)的基本資源。數(shù)字創(chuàng)新依賴于數(shù)據(jù)、元數(shù)據(jù)和人工智能(AI)協(xié)同工作，以創(chuàng)建隨著時間推移變得更智能的系統(tǒng)。但是，雖然數(shù)據(jù)被用來推動決策和洞察，但它是存儲所學(xué)知識的元數(shù)據(jù)——哪些有用，什么時候使用，還有什么尚不確定，這是“更智能”的關(guān)鍵。去年，數(shù)字轉(zhuǎn)型正推動人們對元數(shù)據(jù)設(shè)計和開發(fā)技能產(chǎn)生新的興趣。

 

 

市場價值增長：13.3%(在截至2020年1月1日的六個月中)

 

智能合約可幫助企業(yè)以透明，無沖突的方式交換金錢、財產(chǎn)、股票或任何有價物品，同時避免中間人的服務(wù)。它們是運行區(qū)塊鏈的去中心化分類賬系統(tǒng)的產(chǎn)品，因此智能合約的技能與以太坊等都得到了飛躍發(fā)展，其用途幾乎無限，從金融衍生品到保險費、違約合同、財產(chǎn)法、信貸執(zhí)法、金融服務(wù)、法律程序和眾籌協(xié)議。

 

 

市場價值增長：6.3%(在截至2020年1月1日的六個月中)

 

數(shù)據(jù)工程是數(shù)據(jù)科學(xué)的一個方面，專注于數(shù)據(jù)收集和分析的實際應(yīng)用。對于數(shù)據(jù)科學(xué)家使用大量信息來分析問題等工作，都必須有收集和驗證其信息的機(jī)制。為了使這項工作最終具有任何價值，還必須有某種機(jī)制以某種方式將其應(yīng)用于實際操作。這些都是工程任務(wù)：將科學(xué)應(yīng)用于實際的功能系統(tǒng)。

 

 

市場價值增長：14.3%(在截至2020年1月1日的六個月中)

 

神經(jīng)網(wǎng)絡(luò)是一組算法，可以根據(jù)人類的大腦進(jìn)行寬松建模，旨在識別模式。他們通過一種機(jī)器感知，標(biāo)記或聚集原始輸入來解釋感官數(shù)據(jù)。他們識別出的模式是數(shù)字的，包含在向量中，所有真實世界的數(shù)據(jù)(包括圖像、聲音、文本或時間序列)都必須轉(zhuǎn)換為數(shù)字，并有助于聚類和分類。

 

企業(yè)可以將它們視為存儲和管理的數(shù)據(jù)之上的聚類和分類層。它們有助于根據(jù)示例輸入之間的相似性對未標(biāo)記的數(shù)據(jù)進(jìn)行分組，并且當(dāng)它們具有要標(biāo)記的數(shù)據(jù)集時，可以對數(shù)據(jù)進(jìn)行分類。神經(jīng)網(wǎng)絡(luò)還可以提取提供給其他算法進(jìn)行聚類和分類的功能，因此企業(yè)可以將深度神經(jīng)網(wǎng)絡(luò)視為涉及增強(qiáng)學(xué)習(xí)、分類和回歸算法的大型機(jī)器學(xué)習(xí)應(yīng)用程序的組成部分。

 

 

市場價值增長：6.7%(在截至2020年1月1日的六個月中)

 

Apache ZooKeeper本質(zhì)上是用于分布式系統(tǒng)的服務(wù)。它提供了用于提供分布式配置服務(wù)的分層鍵值存儲，同步服務(wù)以及大型分布式系統(tǒng)的命名注冊表。作為Hadoop的子項目引入，現(xiàn)在它本身就是一個頂級Apache項目。ZooKeeper的架構(gòu)通過冗余服務(wù)支持高可用性。因此，客戶可以詢問ZooKeeper管理員。ZooKeeper節(jié)點將數(shù)據(jù)存儲在分層名稱空間中，就像文件系統(tǒng)或樹數(shù)據(jù)結(jié)構(gòu)一樣。客戶端可以從節(jié)點上讀取和寫入節(jié)點，并以此方式獲得共享的配置服務(wù)。

 

Apache ZooKeeper的一些主要功能如下：

 

•可靠的系統(tǒng)：該系統(tǒng)非常可靠，因為即使節(jié)點發(fā)生故障，它也可以正常工作。

 

•簡單的架構(gòu)：ZooKeeper架構(gòu)非常簡單，因為有一個共享的分層名稱空間可以幫助協(xié)調(diào)流程。

 

•快速處理：ZooKeeper在“讀取為主”工作負(fù)載(即讀取比寫入更常見的工作負(fù)載)中特別快。

 

•可擴(kuò)展：可以通過添加節(jié)點來提高ZooKeeper的性能。

 

Amazon DynamoDB是AWS公司產(chǎn)品組合的一部分，是一項完全托管的專有NoSQL數(shù)據(jù)庫服務(wù)，支持鍵值和文檔數(shù)據(jù)結(jié)構(gòu)。DynamoDB公開了與Dynamo相似的數(shù)據(jù)模型(并從中獲得其名稱)，但是具有不同的實現(xiàn)。它使用跨多個數(shù)據(jù)中心的同步復(fù)制來實現(xiàn)高耐用性和可用性，并且與AWS其他服務(wù)不同，它允許開發(fā)人員根據(jù)吞吐量而不是存儲來購買服務(wù)。管理員可以請求更改吞吐量，并且DynamoDB將使用固態(tài)驅(qū)動器將數(shù)據(jù)和流量分布在許多服務(wù)器上，從而實現(xiàn)可預(yù)測的性能。它通過Elastic MapReduce提供與Hadoop的集成。

 

主數(shù)據(jù)管理(MDM)產(chǎn)生于企業(yè)改善其關(guān)鍵數(shù)據(jù)資產(chǎn)(如產(chǎn)品數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、客戶數(shù)據(jù)、位置數(shù)據(jù)等)的一致性和質(zhì)量的必要性。當(dāng)今，許多企業(yè)(尤其是全球性企業(yè))具有數(shù)百個獨立的應(yīng)用程序和系統(tǒng)，跨組織部門或部門的數(shù)據(jù)很容易變得零散和重復(fù)，最常見的是過時的。發(fā)生這種情況時，很難準(zhǔn)確回答有關(guān)企業(yè)任何類型的績效指標(biāo)或關(guān)鍵績效指標(biāo)(KPI)的最基本但最關(guān)鍵的問題。對準(zhǔn)確及時的信息的基本需求非常迫切，并且隨著數(shù)據(jù)源的增加，對其進(jìn)行一致的管理并保持?jǐn)?shù)據(jù)定義的最新性，因此企業(yè)的所有部門都使用相同的信息是一個永無止境的挑戰(zhàn)。這就是將繼續(xù)推動主數(shù)據(jù)管理(MDM)技能發(fā)展的原因。

 

數(shù)據(jù)科學(xué)是一個多學(xué)科領(lǐng)域，它使用科學(xué)方法、過程、算法和系統(tǒng)從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中提取知識和見解。數(shù)據(jù)科學(xué)與數(shù)據(jù)挖掘和大數(shù)據(jù)是同一個概念：使用最強(qiáng)大的硬件、最強(qiáng)大的編程系統(tǒng)和最有效的算法來解決問題。數(shù)據(jù)科學(xué)繼續(xù)發(fā)展成為技術(shù)專業(yè)人員最有前途和最有需求的職業(yè)道路之一。如今，數(shù)據(jù)專業(yè)人士明白，他們必須超越分析大量數(shù)據(jù)、數(shù)據(jù)挖掘和編程技能的傳統(tǒng)技能。為了為組織發(fā)現(xiàn)有用的情報，數(shù)據(jù)科學(xué)家必須掌握數(shù)據(jù)科學(xué)生命周期的全部知識，并具有一定程度的靈活性和理解力，以便在過程的每個階段獲得最大的回報。

 

Scala編程語言(“可擴(kuò)展”的縮寫)彌補(bǔ)了Java中的許多缺陷，可以與Java集成，同時優(yōu)化代碼以并發(fā)工作。它最吸引已經(jīng)投資Java并且不想在生產(chǎn)環(huán)境中支持任何新事物的企業(yè)。

 

密碼學(xué)是在被稱為對手的第三方的情況下進(jìn)行安全通信的技術(shù)實踐和研究。通常，密碼學(xué)是關(guān)于構(gòu)造和分析防止第三方或公眾讀取私人消息的協(xié)議。信息安全性的各個方面(例如數(shù)據(jù)機(jī)密性、數(shù)據(jù)完整性、身份驗證和不可否認(rèn)性)對于現(xiàn)代密碼學(xué)至關(guān)重要。現(xiàn)代密碼學(xué)存在于數(shù)學(xué)、計算機(jī)科學(xué)、電氣工程、通信科學(xué)和物理學(xué)等學(xué)科的交匯處。密碼學(xué)的應(yīng)用包括電子商務(wù)、基于芯片的支付卡、數(shù)字貨幣、計算機(jī)密碼和軍事通信。

 

如今，密碼學(xué)主要基于數(shù)學(xué)理論和計算機(jī)科學(xué)實踐。密碼算法是圍繞計算硬度假設(shè)進(jìn)行設(shè)計的，這使得此類算法在實踐中很難被對手突破。理論上有可能破壞這樣的系統(tǒng)，但是采用任何已知的實際手段來破壞是不可行的。因此，這些方案被稱為“計算安全”;理論上的技術(shù)進(jìn)步(例如整數(shù)因數(shù)分解算法的改進(jìn))以及更快的計算技術(shù)，要求這些解決方案必須不斷調(diào)整。存在信息理論上安全的方案，即使具有無限的計算能力，也無法證明是可靠的方案，但是這些方案比最佳的理論上可破解但計算安全的機(jī)制在實踐中更難使用。

 

 

市場價值增長：7.1%(在截至2020年1月1日的六個月中)

 

TensorFlow是谷歌公司開發(fā)的一種流行的開源深度學(xué)習(xí)庫，它利用機(jī)器學(xué)習(xí)的所有產(chǎn)品，利用其海量數(shù)據(jù)集，改進(jìn)搜索引擎、翻譯、圖像標(biāo)題和推薦。TensorFlow也用于機(jī)器學(xué)習(xí)應(yīng)用，如神經(jīng)網(wǎng)絡(luò)。其靈活的體系結(jié)構(gòu)允許在各種平臺(CPU、GPU、TPU)上輕松部署計算，從臺式機(jī)到服務(wù)器集群，再到移動設(shè)備和邊緣設(shè)備。TunSoFror提供穩(wěn)定的Python和C API，而不需要API向后兼容性保證C++、GO、java、JavaScript和SWIFT。第三方軟件包可用于C#、Haskell、Julia、R、Scala、Rust、OCaml和Crystal。

 

Python一直是TensorFlow的選擇，因為該語言非常易于使用，并且擁有豐富的數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)，包括諸如Numpy，Scikit-learn和Pandas之類的工具。

 

美國國家標(biāo)準(zhǔn)技術(shù)研究院(NIST)是美國商務(wù)部的非監(jiān)管機(jī)構(gòu)，其任務(wù)是促進(jìn)創(chuàng)新和產(chǎn)業(yè)競爭力。美國國家標(biāo)準(zhǔn)技術(shù)研究院(NIST)的活動分為實驗室計劃，其中包括納米級科學(xué)技術(shù)、工程學(xué)、信息技術(shù)、中子研究、材料測量和物理測量。可以說，目前在IT市場上對美國國家標(biāo)準(zhǔn)技術(shù)研究院(NIST)專業(yè)知識需求最大的推動力是其網(wǎng)絡(luò)安全框架，它提供了計算機(jī)安全指南的政策框架，以指導(dǎo)私營部門組織如何評估和提高其預(yù)防，檢測和應(yīng)對網(wǎng)絡(luò)攻擊的能力。它提供了網(wǎng)絡(luò)安全成果的高級分類法，以及評估和管理這些成果的方法，并且被眾多企業(yè)和組織用來幫助組織轉(zhuǎn)變?yōu)橹鲃舆M(jìn)行風(fēng)險管理。

 

Amazon Kinesis是一種AWS公司用于實時處理大數(shù)據(jù)的工具。Kinesis能夠每小時從大量數(shù)據(jù)流中??處理數(shù)百TB的數(shù)據(jù)，這些數(shù)據(jù)來自諸如操作日志、財務(wù)交易和社交媒體等來源。 Kinesis填補(bǔ)了Hadoop和其他技術(shù)的空白，這些技術(shù)可批量處理數(shù)據(jù)，但無法實現(xiàn)有關(guān)不斷流式傳輸數(shù)據(jù)的實時操作決策。相應(yīng)地，該功能簡化了編寫依賴于必須實時處理的數(shù)據(jù)的應(yīng)用程序的過程。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。