برنامه نویس

هرچه بارهای بیشتری به ابر منتقل شوند ، توسعه دهندگان یا دولوپر به امنیت نیاز به کمک دارند. دریابید که راه اندازی Cyral چگونه به بهبود امنیت داده ها در ابر کمک می کند.

حتی وقتی شرکت ها به طور فزاینده ای بار کاری خود را به ابر منتقل می کنند ، پیش بینی می شود که IDC داده های جهان را از 29 zettabytes در سال 2018 به 175 zettabytes تا سال 2025 ، بیشتر از این در ابر ، توسعه دهندگان تحت فشار قرار دهند تا با آغوش ابر خود را حفظ کنند. اصول بومی. در حالی که دلایل خوبی وجود دارد که معتقدیم امنیت در فضای ابری بهتر است ، هیچ تضمینی وجود ندارد که یک توسعه دهنده برنامه های بومی و ایمن بسازد.

برای کمک به بهبود امنیت داده ها در ابر ، یک راه اندازی امنیت داده به نام Cyral فقط پول جمع کرده است تا امنیت را مانند توسعه نرم افزار کار کند. به گفته بنیانگذار سیرال ، سرینیوا وادلامانی ، تغییر روی ابر باعث شده تیمهای امنیتی "بیش از حد سنگین" شوند. بیایید ببینیم که چگونه شرکت امیدوار است این بار را کاهش دهد
امنیت باید همگام باشد
سیرال دو روند گسترده را پشت سر می گذارد: سرعت شتاب تیم های توسعه و خرابی در محیط های سنتی و راه حل های امنیتی مبتنی بر عامل در محیط های ابری.

با توجه به روند اول ، وادلامانی می نویسد:


این اجازه می دهد تا مهندسان ترکیب زیرساخت های خود را به یک زبان اعلانی مشخص کنند ، به آنها امکان می دهد از همان گردش کار مدیریت نسخه سازی و آزادسازی همانند کد منبع خود استفاده کنند. این کار تا حد زیادی کار مرتبط با استقرار ، آزمایش و بازگرداندن آن را ساده می کند. این امکان را به آنها می دهد تا واقعاً چابک باشند ، خدمات جدید را به صورت پی در پی در حال چرخش سریع برای پاسخگویی به تغییر نیازهای شغلی می چرخانند و "کار شلوغ" مرتبط با تنظیم محیط مناسب و تأمین زمان اجرا برای نرم افزار خود را به صورت گسترده کاهش می دهند.


اگرچه این برای توسعه عالی است ، اما به طور بالقوه می تواند مسائل امنیتی جدیدی را ایجاد کند که راه حلهای سنتی امنیتی مناسب برای حل آن نیست. حتی بهترین تیمهای امنیتی ممکن است با شناسایی تهدید و واکنش حوادث در این دنیای ابر-بومی مبارزه کنند. دفاع محیطی در واقع در این محیط کار نمی کند. علاوه بر این ، استقرار نمایندگان در بین این راه حل های جدید زودگذر دشوار است (و بعضی اوقات در بسیاری موارد ممکن است غیرممکن باشد) ، و به تیم های امنیتی نیاز دارد تا به صورت دستی مدیریت سیاست های تغییر ، صدور گواهینامه استقرار و پاسخگویی به هشدارها را انجام دهند.

بحث در مورد Python در مقابل R در جامعه دانشمند اطلاعات، در اینجا نحوه دو زبان برنامه نویسی مطابقت دارد.

پایتون در مقابل R یک بحث مشترک در بین دانشمندان داده است، زیرا هر دو زبان برای کار داده ها و در میان مهارت های اغلب ذکر شده در پست های شغلی برای موقعیت های داده های علمی مفید هستند. هر زبان مزایا و معایب مختلفی برای کار علمی داده است و باید بسته به کار شما انجام شود.

Norm Matloff، استاد علوم رایانه ای در دانشگاه کالیفرنیا دیویس، برای کمک به دانشمندان داده ها، یک زبان گیتفا را برای هدف قرار دادن برخی از نکات در این بحث نوشت.

Matloff R و Python را در 10 دامنه زیر مقایسه کرد تا تعیین کنند کدام زبان برنامه نویسی بهتر انتخاب شده است:

ظرافت
برنده: دوره آموزشی پایتون
در حالی که این ذهنیت است، پتون در هنگام برنامه نویسی به طور چشمگیری استفاده از پرانتز و پرانتز را کاهش می دهد، و آن را براق تر می کند، Matloff در پست نوشت.

منحنی یادگیری
برنده: R

در حالی که دانشمندان داده ها با پایتون باید بسیاری از مواد را برای شروع به یادگیری، از جمله NumPy، Pandas و matplotlib یاد بگیرند، انواع ماتریس و گرافیک پایه در پایه R ساخته شده است، Matloff نوشت.

وی با افزودن "R"، تازه کار می تواند تجزیه و تحلیل داده ها را در عرض چند دقیقه انجام دهد. "کتابخانه های پایتون می توانند برای پیکربندی، حتی برای سیستم های هوشمندانه، پیکربندی شوند، در حالی که اکثر بسته های R درست از جعبه خارج می شوند."

کتابخانه های موجود
برنده: جفت

شاخص بسته پایتون (PyPI) دارای بیش از 183000 بسته است، در حالی که شبکه جامع R Archive (CRAN) بیش از 12،000 دارد. Matloff نوشت، با این حال، PyPI نسبت به علوم داده بسیار نازک است.

"برای مثال، من یک بار به کد نیاز داشتم تا محاسبات سریع از نزدیکترین همسایگان یک نقطه داده داده شده را انجام دهم. (متاسفم کد را با استفاده از آن برای طبقه بندی انجام دهید)" ماتلوف نوشت. "من توانستم بلافاصله بجای دو بسته برای انجام این کار پیدا کنم. در مقابل، در حال حاضر من سعی کردم نزدیکترین کد همسایه برای پایتون را پیدا کنم و حداقل با جستجوی پرطرفدار من، دستیابی خالی به دست آمد؛ فقط یک پیاده سازی وجود داشت که خود را ساده و سر راست توصیف کرد، هیچ چیز سریع نیست. "

هنگامی که شرایط زیر را در PyPI جستجو می کنید، هیچ چیز نمی آید، Matloff افزود: مدل log-line؛ رگرسیون پواسون؛ متغیرهای ابزار؛ داده های فضایی؛ نرخ خطای خانوادگی.

یادگیری ماشین
برنده: پایتون (اما نه خیلی زیاد)

رشد گسترده پایتون در سال های اخیر بخشی از افزایش یادگیری ماشین و هوش مصنوعی (AI) است. Matloff نوشت: در حالی که دوره Python تعدادی از کتابخانه های دقیق را برای تشخیص تصویر ارائه می دهد، مانند AlexNet، نسخه های R نیز به آسانی قابل توسعه می باشند.

"قدرت کتابخانه های پایتون از تنظیم برخی از عملیات تشخیص تصویر است که می تواند به راحتی در پوشه Reras Keras اجرا شود و از این رو، یک نسخه خالص از TensorFlow می تواند توسعه یابد"، Matloff نوشت. "در همین حال، من می خواهم ادعا کنم که در دسترس بودن بسته های R برای جنگ های تصادفی و تقویت شیب قابل توجه است."

صحت آماری
برنده: R (تا کنون)

متلوف نوشت که متخصصان در یادگیری ماشین که برای پایتون طرفداری می کنند گاهی اوقات درک درستی از مسائل مربوط به آماری دارند. از سوی دیگر، از سوی آمارگیران، برای آمارگیران نوشته شده است.

محاسبات موازی
برنده: جفت

متلوف نوشت: نسخه های پایه R و Python پشتیبانی زیادی برای محاسبات چندگانه ندارند. بسته multiprocessing پایتون یک راه حل خوب برای مسائل دیگر آن نیست، و بسته موازی R نیز نیست.

ماتلوف نوشت: "کتابخانه های خارجی که از محاسبه خوشه پشتیبانی می کنند در هر دو زبان خوب هستند." "در حال حاضر پایتون رابط کاربری بهتر را به GPU ها دارد."

رابط C / C ++
برنده: R (اما نه خیلی زیاد)

متلوف نوشت: Rcpp R یک ابزار قدرتمند برای اتصال R به C / C ++ است. در حالی که پایتون ابزارهایی مانند swig برای انجام این کار دارد، آنقدر قدرتمند نیست و بسته Pybind11 هنوز در حال توسعه است. ماتلوف نوشت: ایده جدید ALTREP R همچنین دارای قابلیت بالقوه برای افزایش عملکرد و قابلیت استفاده است. با این حال، انواع Cython و PyPy از Python گاهی اوقات می تواند نیاز به رابط C / C ++ صریح را حذف کند.

جهت گیری شی، metaprogramming
برنده: R (اما نه خیلی زیاد)

ماتلوف نوشت، اگرچه توابع اشیا در هر دو R و Python هستند، R آن را جدی تر می گیرد.

او گفت: "هر زمان که من در پایتون کار می کنم، من از این واقعیت که من نمی توانم یک تابع را به ترمینال، که من در R بسیار کار می کنم، ناراحت هستم." پایتون تنها یک پارادایم OOP دارد. در R، شما انتخاب خود را از چند، هر چند برخی ممکن است بحث که این خوب است. با توجه به ویژگی های متالورژیم جادویی R (کد تولید کد)، دانشمندان کامپیوتر باید روی R قرار بگیرند. "

اتحاد زبان
برنده: پایتون (تا کنون)

در حالی که پایتون از نسخه 2.7 به 3.x منتقل می شود، این باعث ایجاد اختلال زیادی نمی شود. با این حال، متولف نوشت: R به دلیل تاثیرات RStudio: R و Tidyverse به دو گویش متفاوت تبدیل شده است.
ماتلوف نوشت: "شاید بهتر باشد اگر Tidyverse برتر از R معمولی باشد، اما به نظر من این نیست." "این باعث می شود همه چیز برای مبتدیان مشکل تر است."

ساختارهای داده مرتبط هستند
برنده: پایتون (به احتمال زیاد)

ماتلوف نوشت: "ساختار داده های کلاسیک علوم رایانه، مانند درخت های باینری، در پیونس آسان است." "در حالی که این را می توان در R با استفاده از کلاس" لیست "خود انجام داد، می توان حدس زد که آن آهسته است."

طبق یک گزارش آکادمی ابر 2018، هنگامی که به پست های کاری می آید، تقاضا برای مهندسان داده با R در مقایسه با افرادی که در پایتون مهارت دارند، کم است. تقریبا 66٪ از پست های پست شده توسط مهندسین داده مربوط به پایتون بوده است، در مقایسه با فقط 18٪ از پست هایی که اشاره کردید.

طبق گفته Cloud Academy، خارج از R و Python، دیگر مهارت های درخواستی برای مهندسان داده شامل SQL، Spark، Hadoop، Java، Amazon Web Services (AWS)، Scala و کافکا هستند.

برای بسیاری از کارگران، فرود یک شغل در یک شرکت تکنولوژیک به معنای درآمد قابل ملاحظه ای است و از مزایای بیش از حد بالا مثل اتاق های خواب، ترفندهای رایگان، حتی سفرهای اسکی و ساعت ها خوشحال می شود.

و آنها اشتباه نیستند براساس یک مطالعه Hired.com، که داده های بیش از 69،000 شغلی را تجزیه و تحلیل کرده است، شهرت مناسب صنعت است که بیشترین نمایندگی در فهرست Best Placeas Work را در Glassdoor دارد و به طور میانگین 135،000 دلار در سال کار می کند.

تمام مشاغل تکنولوژیکی با چنین دستمزد زیاد روبرو نمی شوند، اما چندین نقش کلیدی وجود دارد که به طور متوسط ​​آن را افزایش می دهد و هزینه سالیانه آن را تا 163000 دلار در سال ارائه می دهد.

Glassdoor بیش از 71،000 لیست کاری شغلی را در شرکت های فن آوری که نیاز به دانستن کد، نرم افزار یا داده دارند، مورد تجزیه و تحلیل قرار دادند و دریافتند که مهندسان نرم افزار و مهندسان توسعه نرم افزاری بیشترین کار را دارند - نه مالی ترین پاداش.

در عوض، 10 نقش زیر، بیشترین مهارت را برای کارکنان تکنولوژی ارائه می دهند:

10. مهندس امنیت اطلاعات
میانگین دستمزد برای نقش های باز در Glassdoor: 131،300 دلار

این تحلیلگران برنامه های و اقدامات امنیتی لازم را برای حفاظت از شبکه ها و سیستم های سازمان از حملات سایبری و نقض امنیتی انجام می دهند. آنها به طور معمول هر گونه نقض امنیتی یا نقض احتمالی را که بوجود می آیند بررسی می کنند، آزمایش های نفوذ، استانداردهای امنیتی یک شرکت را بررسی می کنند و از نرم افزار مانند فایروال و رمزنگاری داده ها برای محافظت از اطلاعات حساس استفاده می کنند.

9. DevOps مهندس
میانگین دستمزد برای نقش های باز در Glassdoor: $ 137،400

مهندسان DevOps با توسعه دهندگان، عملیات و دیگر کارکنان فناوری اطلاعات برای نظارت بر استقرار نرم افزار جدید کار می کنند. آنها معمولا به کمپانی کمک می کنند ویژگی های کوچک یا تغییرات سریع را به یک محصول و سپس بازخوردی در مورد چنین تغییراتی اضافه کنند.

8. معمار سازمانی
میانگین دستمزد برای نقش های باز در Glassdoor: 144،400 دلار

این کارگران در بیشتر تعاملات بین طرف کسب و کار یک شرکت و بخش فناوری اطلاعات خود را مدیریت می کنند. آنها عمدتا بر این اطمینان میگذارند که اهداف کسب و کار یک سازمان با استراتژی IT مرتبط با آن و پشتیبانی از آن است.

7. مدیر برنامه فنی
میانگین دستمزد برای نقش های باز در Glassdoor: 145،000 دلار

این مدیران مسئول مدیریت تمام جنبه های یک پروژه فنی پروژه برای یک شرکت است. بدان معنی است که آنها باید برنامه را شروع کنند، پیشرفت خود را دنبال کنند، و اگر مسائل مطرح شود، پشتیبانی می کنند. آنها معمولا تلاش های خود را در میان کارکنان خود و فروشندگان خارجی هماهنگ می کنند، برنامه ها و جدول زمانی را برای هر دو کارگر و پروژه هماهنگ می کنند و ضمن تضمین مهلت تدوین می شوند.


6. معمار نرم افزار
میانگین دستمزد برای نقش های باز در Glassdoor: 145،400 دلار

همانند نقش معمار سازمانی، این نقش های تکنولوژیکی به عنوان یک توسعه دهنده نرم افزاری عمل می کند که تصمیمات سطح بالا را طراحی می کند و مسئول تفکر در تمام جنبه ها و مشکلات بالقوه یک نرم افزار است. آنها همچنین ممکن است استانداردهای فنی یک سازمان را از زبان های برنامه نویسی مورد استفاده برای ابزار و سایر سیستم های مورد نیاز تعیین کنند.

5. معماری برنامه
میانگین دستمزد برای نقش های باز در Glassdoor: 149،000 دلار

این کارگران برای استفاده از مصرف کنندگان، بر روی رایانه، گوشی هوشمند یا برنامه های کاربردی دستگاه های دیگر مانند پردازنده های کلمه یا بازی ها طراحی یا بهبود می یابند. علاوه بر این، آنها تست های نرم افزاری این برنامه ها را اجرا می کنند، نمونه های تولیدی را تولید می کنند و دستورالعمل های مربوط به توسعه نرم افزار را بنویسند. بعضی نیز ممکن است شرکت ها را در بهترین برنامه ها برای استفاده در سازمان خود راهنمایی کنند.

4. معمار زیربنایی
میانگین دستمزد برای نقش های باز در Glassdoor: 153،000 دلار

این معماران طراحی و ساخت شبکه های ارتباطی داده ها و دیگر سیستم های اطلاعاتی که از یک سازمان پشتیبانی می کنند. آنها معمولا باید دانش گسترده ای از طرح کسب و کار سازمان داشته باشند تا بتوانند بهترین شبکه برای کمک به این شرکت ایجاد کنند.


3. مدیر توسعه نرم افزار
میانگین دستمزد برای نقش های باز در Glassdoor: 153،300 دلار

طبق گفته BLS این کارگران نظارت بر توسعه دهندگان نرم افزار سطح پایین، که ذهن خلاق را پشت برنامه های کامپیوتری می کنند، نظارت می کنند. آنها برنامه هایی را ایجاد می کنند که به افراد امکان می دهد تا وظایف خاص خود را بر روی یک کامپیوتر یا سایر دستگاه های هوشمند و همچنین سیستم های پایه که دستگاه ها یا شبکه های کنترل را اجرا می کنند انجام دهد.
2. معمار انبار داده
میانگین دستمزد برای نقش های باز در Glassdoor: 154،800 دلار

انبار داده ها به فروشگاه بزرگ اطلاعاتی اشاره می کند که کسب و کار از منابع داخلی و خارج به منظور تصمیم گیری بهتر مدیریت می شود. معمار انبار داده شخصی است که مسئول طراحی چگونگی نگهداری ایمن اطلاعات و همچنین تکنولوژی ها و ابزارهایی است که بهترین کمک به یک سازمان برای استخراج، تبدیل و به راحتی از این داده ها کمک می کند.

1. مدیر مهندسی نرم افزار
میانگین دستمزد برای نقش های باز در Glassdoor: 163،500 دلار

نقش بیشترین پرداخت به افرادی که به دیگر مهندسین نرم افزار یا توسعه دهندگان نظارت دارند، می پردازد. آنها در ایجاد نرم افزارهای کامپیوتری جدید و یا بهبود برنامه های کامپیوتری موجود، تعیین امکان اجرای عملیات نرم افزار و پیدا کردن راه حل برای هر گونه مسائل مربوط به نرم افزار کمک می کنند.