Несмотря на популярность обучающих курсов по искусственному интеллекту для разработчиков, многие не думают, что они будут использовать свои новые навыки.
Исследование из STX Next обнаружил, что 29 % разработчиков прошли курсы по искусственному интеллекту и машинному обучению (МО), что делает эту тему третьей по популярности после веб-разработки и разработки программного обеспечения.
Тем не менее, только 6 % из той же когорты считают, что они увидят больше инструментов ИИ для Python или IDE для Python, и поэтому отдавали предпочтение другим навыкам, а не обучению использованию ИИ в рабочем процессе.
Навыки ИИ
Отчет Python Tech Radar также показал, что 17 % респондентов видят ИИ, машинное обучение и обработку данных. наука в качестве следующих рубежей в Python, и все они стоят выше, чем производительность. 36 %, с другой стороны, не были уверены, какими будут следующие крупные прорывы в языке программирования, но с нетерпением ждали этого.
Разработчики стремились освоить навыки искусственного интеллекта и машинного обучения, и четверть опрошенных стремились повысить свою проницательность. Однако было больше желания расширить свой опыт в более традиционных областях, таких как архитектура программного обеспечения (76%), разработка программного обеспечения (52%) и лидерство (28%).
Рональд Бинкофски, генеральный директор в STX Next, заявил, что, хотя разработчики стремились освоить передовые технологии, можно было бы сделать больше, чтобы предоставить им такие инструменты в их работе. чтобы разработчики имели в своем распоряжении инструменты для поднятия своих навыков на новый уровень.Несмотря на статус Python как основного языка программирования для исследований в области ИИ и практического применения машинного обучения и науки о данных, у него все еще есть возможности для улучшения с точки зрения функциональности», — сказал Бинкофски.
Он добавил: «Чтобы удовлетворить этот спрос, будущие обновления Python — и других популярных языков программирования — должны быть сосредоточены на внедрении улучшенных инструментов AI и ML как само собой разумеющееся. Обновления в других областях, таких как производительность и безопасность, всегда имеют решающее значение, но упрощение выполнения проектов, связанных с ИИ, также должно быть приоритетом с этого момента».
Бинкофски также считает, что обучение должно использовать более целостный подход, чтобы включить более общие концепции искусственного интеллекта и машинного обучения в дополнение к конкретным навыкам программирования, поскольку это «настроит [организации] на успешное будущее».