Systémový programátor

Charakteristika:
Moderná spoločnosť je čoraz viac zasiahnutá smart technológiou a zariadeniami, ktoré sa stali každodennými spoločníkmi, a predstava života bez nich sa pomaly, ale isto vytráca. Prívlastok smart však už neprináleží len mobilným zariadeniam. Rozmach internetového pripojenia a výpočtovej kapacity moderných procesorov umožňuje zbierať, spracovať a vymieňať si veľké množstvo rôznych dát. Umelá inteligencia je schopná vyhodnocovať tieto podnety v reálnom čase a sama prijať potrebné opatrenia. Pod taktovkou smart technológií sa napríklad aj bežná domácnosť mení na inteligentný a autonómny systém. V súčasnosti žijeme na začiatku smart éry a podieľame sa priamo na vzniku smart revolúcie. Toto nie je mýtus, ale reálny fakt. V poradí štvrtá priemyselná revolúcia v dejinách našej civilizácie je smart revolúciou. Chceme ju využiť čo najlepšie, najpohodlnejšie, najkvalitnejšie - jednoducho smart.

Charakteristika:
Piata generácia bezdrôtových sietí, označovaná tiež 5G alebo IMT-2020, je výsledkom vývoja predchádzajúcich generácií bezdrôtových sietí (t. j. 2G, 3G a 4G). Táto generácia bezdrôtovej technológie je teda ďalšou fázou vývoja predchádzajúcich a existujúcich prístupových mobilných rádiových technológií. Množstvo nových technológií a funkcionalít plánovaných pre siete 5G sú používané v sieti 4G alebo v budúcnosti môžu byť do siete 4G implementované. V porovnaní so sieťou 4G dosahuje sieť 5G rozdielne parametre, ktorými sú napr.: • vyššie prenosové rýchlosti (v závislosti od šírky použitého frekvenčného pásma) pre koncového používateľa, • vysoká hustotu pripojených mobilných zariadení na kilometer štvorcový (viac ako milión zariadení – v závislosti od použitého frekvenčného pásma), • časové oneskorenie pod 4 ms (pre eMBB aplikácie) resp. do 1 ms (pre URLLC aplikácie, t. j. v závislosti od použitia aplikačnej oblasti až 10-krát nižšie ako pri 4G), • vyššia energetická účinnosť a vyššia spektrálna účinnosť. Predpokladá sa rapídny nárast prenosu dát mobilnými sieťami, podnecovaný novými aplikáciami náročnými na vysoký objem dát, prenosovú rýchlosť, nízke oneskorenie prenosu, ako aj vysoké nároky na bezpečnosť a spoľahlivosť. Používanie technológie 5G nachádza široké uplatnenie v komplexnom spektre odvetví od maloobchodu po vzdelávanie, od dopravy až po zábavný priemysel a služby inteligentných domov až po zdravotnú starostlivosť.

Charakteristika:
Integrovanie kybernetickej bezpečnosti, bezpečnosti prevádzky (šifrovanie, heslá, účty a kľúče, autentizácia, digitálne podpisy, bezpečnostné schránky a pod.), kontrola prístupu, kontrolné platformy a pod. ako reakcia na nárast hodnoty dát, možnosť ovládania prostredia na diaľku, nárast počtu a rozmanitosti útokov, nové spôsoby a ciele útokov a kybernetického zločinu. Útoky sa zameriavajú na systémovú infraštruktúru aj na koncové užívateľské zariadenia a zariadenia a zariadenia IoT.

Charakteristika:
Ide o digitálnu transformáciu procesov, ktoré sa týkajú dokumentov a činnosti osôb. Cieľom je dodatočným spracovaním získať väčší úžitok z existujúcich informácií a transformovať ich na procesy riadené počítačom. Výsledkom je digitalizácia procesov, ako napr. komunikácia s technickou podporou pomocou hlasového bota počas hlásenia technických problémov. Ľudská pracovná sila sa tak musí preorientovať na nové špecializácie s vyššou pridanou hodnotou. Tým vzrastá potenciál na inovácie, nové produkty a služby.

Charakteristika:
Softverizácia je technologický pojem pre virtualizáciu a definovanie fyzického sveta pomocou softvéru. Zastrešujúcim pojmom je: "softvérovo definované všetko (SDE)", ktorý popisuje, ako virtualizácia a abstrahovanie od základnej hardvérovej infraštruktúry môže byť využitá, aby sa informačné technológie stali flexibilnejšími a svižnejšími. Patria sem najmä softvérovo definované siete, softvérovo definované úložiská a softvérovo definované dátové centrá.

Charakteristika:
Strojové učenie je proces použitia matematických modelov dát, pomocou ktorých sa počítač učí bez priamych inštrukcií. Technológia sa považuje za súčasť umelej inteligencie. Strojové učenie využíva algoritmy na identifikáciu vzorov v dátach, ktoré sa potom používajú na vytvorenie dátového modelu, ktorý dokáže formulovať predpovede. S väčším množstvom dát a viac skúsenosťami sú výsledky strojového učenia presnejšie. Vďaka prispôsobiteľnosti je možné technológiu využívať v situáciách, keď sa dáta neustále mena, kedy sa charakter požiadaviek alebo úloh stále posúva alebo kedy by naprogramovanie riešenia nebolo efektívne možné. Aplikácia strojového učenia v reálnom čase ukazuje, že je možné použiť nepretržitý tok transakčných dát a upravovať modely v reálnom čase, čo umožňuje nové spôsoby získavania analyzovaných informácií.