DevOps和機器學習將成為2018年的主導性技術機遇
國際著名資訊科技問答網站Stack Overflow針對10萬多名開發人員開展了一箱調查,發現DevOps(開發與運營)方法論和人工智慧是當前薪水與最受關注的兩個行業。
如果您想在軟體行業中提高您的收入與知名度,請開始將工作轉向DevOps和機器學習。與這些方法和技術相關的語言和框架正在增加,在這些領域工作的開發人員將獲得最高的薪水。
這是問答網站Stack Overflow對全球超過10萬名開發人員進行的最新調查的結果。調查發現,DevOps專家和工程經理的薪水最高,在全球範圍內,平均在7萬美元至9萬美元之間。在美國,DevOps專家的平均年薪為11萬美元,工程經理的平均年薪為13.7萬美元。
調查還顯示,開發桌面和企業應用程式的DevOps專家和開發人員擁有最豐富的經驗,平均擁有八年的專業編碼經驗。調查報告的作者稱:“作為一門學科和專業,DevOps相對較新。但在這一領域工作的人員都具有豐富的經驗。遊戲/圖形開發人員和移動開發人員具有的經驗最少。”
該調查發現,開發人員對人工智慧提供的機會總體持樂觀態度,但並不認同人工智慧的危險性。有73%的人給出了肯定回答:“我對出現的機會感到興奮,超過了對危險的擔心。”只有19%的人表示他們更擔心人工智慧的危險。
當被問及他們擔心的具體危險時,41%的人擔心人工智慧會導致工作的自動化程度不斷提高。另外24%的人表示他們對演算法做重要決定表示擔心,而23%的人說人工智慧超越人類智慧(“奇點”)是一項真正的威脅。12%的人認為決策中出現的偏見是人工智慧的主要風險。
大多數開發人員願意承擔人工智慧存在潛在後果的主要責任:48%的人表示,作為開發人員,他們需要考慮他們工作的成果。28%的受訪者表示,政府或其他監管機構應該負責衡量人工智慧的影響,而17%的人表示行業領導者需要進行這樣的考慮。
該調查還探討了全世界開發人員當前使用的方法、平臺和語言。受訪者被問及他們最“喜愛”和最“可怕”的開發平臺是什麼,Linux獲得了最高榮譽,被76%的人喜愛。其次有75%的人喜愛無伺服器產品,69%的人喜歡亞馬遜網路服務。被評為最令人恐懼的平臺是Sharepoint(72%)和Drupal(70%)。調查發現,另有70%的人認為Salesforce也很可怕。VisualStudio Code是最流行的開發環境,使用率達到35%。有34%的人選擇使用Visual Studio,而選擇Notepad ++的人佔34%。85%的人認為雅虎是首選的合作方式,其次是Scrum,佔63%。其他流行的開發方法有Kanban(35%)、結對程式設計(28%)和極限程式設計(XP,16%)。
在各種語言中,Python是使用增長最快的程式設計或指令碼語言。JavaScript在連續六年中成為最常用的程式語言,使用率達到70%。HTML為69%,CSS為65%。 Python的使用率為39%,已經有所上升,今年超過了C#(34%),正如其去年超過PHP(現在的使用率為31%)一樣。Python堅稱自己是增長最快的主要程式語言。就框架而言,Node.js(50%)和AngularJS(37%)仍然是這一類別中最常用的技術,React(28%)和.Net Core(27%)對許多開發人員也很重要。
全球受訪者的薪酬範圍如下:
工程經理 – 全球8.9萬美元;美國13.7萬美元。
DevOps專家 – 7.2萬美元;美國11萬美元。
資料科學家或機器學習專家 – 6萬美元;美國10.2萬美元。
資料或業務分析師 – 5.9萬美元;美國9萬美元。
嵌入式應用程式或裝置開發人員 – 5.9萬美元;美國9.8萬美元。
全棧開發者 – 5.9萬美元;美國10萬美元。
桌面或企業應用程式開發人員 – 5.7萬美元;美國10萬美元。
後端開發人員 – 5.6萬美元;美國10.2萬美元。
系統管理員 - 5.6萬美元;美國9.3萬美元。
QA或測試開發人員 – 5.5萬美元;美國8.3萬美元。
資料庫管理員 – 5.1萬美元;美國9萬美元。
前端開發人員 – 5.1萬美元;美國9.3萬美元。
設計師 – 4.6萬美元;美國8.5萬美元。
教育家或學院研究員 – 4.4萬美元;美國8.8萬美元。
移動開發者 – 4.3萬美元;美國10.1萬美元。
遊戲或圖形開發人員 – 4萬美元;美國9萬美元。
相關文章
- AI和機器學習、5G和物聯網將成為2021年重要的技術AI機器學習
- 5G、物聯網、人工智慧和機器學習將成為2021年最重要的技術人工智慧機器學習
- 人工智慧,機器人技術和資料科學家將在2020年成為新興工作人工智慧機器人資料科學
- 小程式技術能否成為移動應用市場新機遇?
- 如何快速應用機器學習技術?機器學習
- 【機器學習】2018年機器學習技術改變製造業的十種方式機器學習
- 成功使用機器學習技術的3個技巧機器學習
- 技術引路:機器學習仍大有可為,但方向在哪裡?機器學習
- (一) 機器學習和機器學習介紹機器學習
- Feature Store將成為機器學習與資料工程的基礎架構 - KDnuggets機器學習架構
- 機器學習的技術原理、應用與挑戰機器學習
- 機器視覺軟體中的深度學習技術視覺深度學習
- 機器學習大神邁克爾 · 喬丹:我討厭將機器學習稱為AI機器學習AI
- LikeLib專案技術演進和商業機遇
- 【機器學習】李宏毅——Explainable ML(可解釋性的機器學習)機器學習AI
- AI工程師的機遇在哪?機器學習工程師最急缺AI工程師機器學習
- 隨機森林和機器學習隨機森林機器學習
- 容器技術和虛擬機器技術的對比虛擬機
- 阿里機器學習七面面經 |「掘金技術徵文」阿里機器學習
- 業界使用的兩種主要機器學習技術 -svpino機器學習
- 機器學習主要術語機器學習
- 機器之心邀請您參加2018全球機器學習技術大會機器學習
- 機器學習:線性迴歸機器學習
- 機器學習強化下,機器人將掌握工具的使用機器學習機器人
- Rust將如何改變機器人技術?Rust機器人
- 機器學習正遭遇“可重複性危機”,或已成“鍊金術”?機器學習
- 機器學習和深度學習的區別機器學習深度學習
- 吳恩達說“將引領下一波機器學習技術”的遷移學習到底好在哪?吳恩達機器學習遷移學習
- 思嵐科技定位導航技術凸顯 成為服務機器人企業首選品牌機器人
- 一、你瞭解機器學習技術體系嗎機器學習
- 機器學習導圖系列(2):概念機器學習
- 【機器學習】乾貨丨機器學習知識點;機器學習模型的“可解釋性”到底有多重要?機器學習模型
- 機器學習入門學習筆記:(2.1)線性迴歸理論推導機器學習筆記
- 2019將成機器學習關鍵年:中美AI或有一戰機器學習AI
- 螞蟻金服有哪些金融特色的機器學習技術?機器學習
- 2024年起, OLED主導手機螢幕技術將推動智慧機皮膚供應鏈的深刻變革
- 機器學習導圖系列(5):機器學習模型及神經網路模型機器學習模型神經網路
- 為機器人打造萬能底座:機器人安卓的產業機遇機器人安卓產業