Programowanie wspomagane AI. Automatyzacja pracy programisty dzi - Helion

ISBN: 978-83-289-2425-3
okładka: mi
Księgarnia: Helion
Książka będzie dostępna od kwietnia 2025
Zobacz także:
- Jak zhakowa 125,00 zł, (10,00 zł -92%)
- Windows Media Center. Domowe centrum rozrywki 66,67 zł, (8,00 zł -88%)
- Ruby on Rails. Ćwiczenia 18,75 zł, (3,00 zł -84%)
- Efekt piaskownicy. Jak szefować żeby roboty nie zabrały ci roboty 59,50 zł, (11,90 zł -80%)
- Przywództwo w świecie VUCA. Jak być skutecznym liderem w niepewnym środowisku 58,64 zł, (12,90 zł -78%)
Spis treści
Programowanie wspomagane AI. Automatyzacja pracy programisty dzięki ChatGPT i GitHub Copilot -- spis treści
O autorach
O recenzentach
Przedmowa
Rozdział 1. Witamy w nowym świecie asystentów AI
- Wprowadzenie
- Skąd wziął się ChatGPT - od NLP do modeli LLM
- Rozwój modeli LLM
- Modele GPT
- Dlaczego LLM-y działają lepiej?
- Nowy paradygmat - programowanie w języku naturalnym
- Wyzwania i ograniczenia
- O tej książce
- Dla kogo jest ta książka?
- Ewolucja języków programowania
- Spojrzenie w przyszłość
- Jak korzystać z tej książki?
Rozdział 2. Strategia podpowiedzi
- Wprowadzenie
- Na jakim jesteś etapie?
- Wskazówki dotyczące efektywnego podpowiadania
- Techniki podpowiedzi
- Strategia podpowiedzi w tworzeniu aplikacji internetowych
- Analiza problemu "system internetowy do zarządzania zapasami"
- Dalszy podział frontendu na funkcje
- Generowanie podpowiedzi dla każdej funkcji
- Podstawowe zasady - "strategia podpowiedzi" w tworzeniu aplikacji internetowych
- Strategia podpowiedzi w data science
- Analiza problemu "przewidywanie sprzedaży"
- Dalszy podział na funkcje i etapy
- Generowanie podpowiedzi dla każdego etapu
- Podstawowe zasady - "strategia podpowiedzi" w tworzeniu aplikacji internetowych
- Walidacja rozwiązania
- Weryfikacja z użyciem podpowiedzi
- Klasyczna weryfikacja
- Podsumowanie
Rozdział 3. Narzędzia pracy - poznaj nasze asystenty AI
- Wprowadzenie
- Copilot
- Skąd Copilot wie, co wygenerować?
- Możliwości i ograniczenia Copilota
- Instalacja i konfiguracja
- Pierwsze kroki z Copilotem
- Zadanie: ulepsz kod
- Rozwiązanie
- Wyzwanie
- Więcej informacji
- ChatGPT
- Jak działa ChatGPT?
- Możliwości i ograniczenia usługi ChatGPT
- Instalacja i konfiguracja
- Pierwsze kroki z ChatGPT
- Podsumowanie
Rozdział 4. Projektowanie wyglądu aplikacji z użyciem HTML-a i Copilota
- Wprowadzenie
- Problem biznesowy - e-commerce
- Dziedzina problemu
- Analiza problemu - identyfikowanie funkcji
- Strategia podpowiedzi
- Struktura strony
- Tworzenie struktury strony z użyciem asystenta AI
- Twoja pierwsza podpowiedź - proste podpowiadanie i wspomaganie asystenta AI
- Twoja druga podpowiedź - dodawanie kontekstu
- Twoja trzecia podpowiedź - akceptowanie sugerowanych podpowiedzi
- Wyzwanie - modyfikacja podpowiedzi
- Scenariusz: budowanie witryny aplikacji e-commerce
- Strona logowania
- Strona z listą produktów
- Pozostałe strony
- Zadanie
- Wyzwanie
- Quiz
- Podsumowanie
Rozdział 5. Nadawanie stylów z użyciem CSS-a i Copilota
- Wprowadzenie
- Problem biznesowy - e-commerce
- Dziedzina problemu i danych
- Analiza funkcji
- Strategia podpowiedzi
- CSS, czyli kaskadowe arkusze stylów
- Pierwsza podpowiedź CSS
- CSS według nazwy
- Zadanie
- Rozwiązanie
- Scenariusz - style w aplikacji e-commerce
- Strona koszyka
- Wyzwanie
- Quiz
- Podsumowanie
Rozdział 6. Dodawanie działań z użyciem JavaScriptu
- Wprowadzenie
- Problem biznesowy - e-commerce
- Dziedzina problemu i danych
- Analiza funkcji
- Strategia podpowiedzi
- Dodawanie JavaScriptu
- Rola języka JavaScript
- Dodawanie JavaScriptu do strony
- Drugi przykład - dodawanie biblioteki lub platformy JavaScript
- Wyzwanie
- Scenariusz - dodawanie działania
- Poprawianie danych wyjściowych
- Dodawanie Bootstrapa
- Dodawanie Vue.js
- Zadanie
- Rozwiązanie
- Podsumowanie
Rozdział 7. Obsługa wielu obszarów widoku z użyciem układów responsywnych
- Wprowadzenie
- Problem biznesowy - e-commerce
- Dziedzina problemu i danych
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Obszary widoku
- Kwerendy medialne
- Kiedy dostosowywać układ do różnych obszarów widoku?
- Scenariusz: responsywna galeria produktów
- Zadanie
- Rozwiązanie
- Wyzwanie
- Podsumowanie
Rozdział 8. Budowanie backendu z użyciem interfejsów Web API
- Wprowadzenie
- Problem biznesowy - e-commerce
- Dziedzina problemu i danych
- Analiza funkcji
- Strategia podpowiedzi
- Interfejsy Web API
- Jaki język i jaką platformę wybrać?
- Planowanie interfejsu Web API
- Tworzenie Web API z użyciem Pythona i Flaska
- Etap 1. Tworzenie nowego projektu
- Etap 2. Instalowanie Flaska
- Etap 3. Tworzenie punktu wejścia
- Etap 4. Tworzenie aplikacji Flaska
- Scenariusz: Web API dla witryny e-commerce
- Etap 1. Tworzenie Web API dla witryny e-commerce
- Etap 2. Zwracanie danych w formacie JSON zamiast zwykłego tekstu
- Etap 3. Dodawanie kodu odczytującego i zapisującego bazę danych
- Etap 4. Ulepszanie kodu
- Etap 5. Dokumentowanie interfejsu API
- Zadanie
- Rozwiązanie
- Wyzwanie
- Podsumowanie
Rozdział 9. Wzbogacanie aplikacji internetowych o usługi AI
- Wprowadzenie
- Problemy biznesowy - e-commerce
- Dziedzina problemu i danych
- Analiza funkcji
- Strategia podpowiedzi
- Tworzenie modelu
- Plan działania
- Importowanie bibliotek
- Wczytywanie pliku CSV
- Tworzenie testowego i treningowego zbioru danych
- Tworzenie modelu
- Jak dobry jest model?
- Przewidywanie
- Zapisywanie modelu w pliku .pkl
- Tworzenie interfejsu REST API w Pythonie
- Przekształcanie modelu w format ONNX
- Tworzenie modelu w formacie ONNX
- Wczytywanie modelu ONNX w JavaScripcie
- Instalowanie biblioteki onnxruntime w JavaScripcie
- Wczytywanie modelu ONNX w JavaScripcie
- Zadanie - zbuduj w JavaScripcie interfejs REST API, który udostępnia model
- Rozwiązanie
- Quiz
- Podsumowanie
Rozdział 10. Konserwacja istniejących baz kodu
- Wprowadzenie
- Strategia podpowiedzi
- Różne typy konserwacji kodu
- Proces konserwacji
- Usuwanie usterki
- 1. Identyfikowanie problemu
- 2. Implementowanie zmiany
- Dodawanie nowej funkcji
- 1. Identyfikowanie problemu i znajdowanie funkcji, które należy zmienić
- 2. Implementowanie zmiany oraz dodawanie nowej funkcji i testów
- Zwiększanie wydajności
- Obliczanie złożoności obliczeniowej w notacji dużego O
- Mierzenie wydajności
- Zwiększanie łatwości konserwacji kodu
- 1. Identyfikowanie problemów. Jakie problemy dostrzegasz?
- 2. Dodawanie testów i minimalizowanie ryzyka zmian
- 3. Implementowanie zmiany i zwiększanie łatwości konserwacji
- Wyzwanie
- Aktualizowanie istniejącej witryny e-commerce
- Zadanie
- Sprawdzian wiedzy
- Podsumowanie
Rozdział 11. Eksploracja danych z użyciem ChatGPT
- Wprowadzenie
- Problem biznesowy
- Dziedzina problemu i danych
- Przegląd zbioru danych
- Analiza funkcji
- Strategia podpowiedzi
- Strategia 1. Strategia podpowiedzi zadanie - działania - wskazówka (TAG)
- Strategia 2. Strategia podpowiedzi persona - instrukcje - kontekst (PIC)
- Strategia 3. Strategia podpowiedzi nauka - improwizacja - informacje zwrotne - ewaluacja (LIFE)
- Eksploracja danych w zbiorze recenzji produktów Amazona z użyciem bezpłatnej wersji ChatGPT
- Funkcja 1. Wczytywanie zbioru danych
- Funkcja 2. Inspekcja danych
- Funkcja 3. Podsumowania statystyczne
- Funkcja 4. Badanie zmiennych kategorycznych
- Funkcja 5. Rozkład ocen
- Funkcja 6. Trendy czasowe
- Funkcja 7. Analiza długości recenzji
- Funkcja 8. Badanie korelacji
- Eksploracja danych w zbiorze recenzji produktów Amazona z użyciem ChatGPT-4o
- Zadanie
- Wyzwanie
- Podsumowanie
Rozdział 12. Budowanie modelu klasyfikacji z użyciem ChatGPT
- Wprowadzenie
- Problem biznesowy
- Dziedzina problemu i danych
- Przegląd zbioru danych
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Strategia 1. Zadanie - działanie - wskazówka (TAG)
- Strategia 2. Persona - instrukcje - kontekst (PIC)
- Strategia 3. Nauka - improwizacja - informacje zwrotne - ewaluacja (LIFE)
- Budowanie modelu analizy odczuć do dokładnego klasyfikowania recenzji produktów Amazona z użyciem bezpłatnej wersji ChatGPT
- Funkcja 1. Wstępne przetwarzanie danych i inżynieria cech
- Funkcja 2. Wybór i trening modelu podstawowego
- Funkcja 3. Ewaluacja i interpretacja modelu
- Funkcja 4. Obsługa niezrównoważonych danych
- Funkcja 5. Dostrajanie hiperparametrów
- Funkcja 6. Eksperymentowanie z reprezentacją cech
- Budowanie modelu analizy odczuć do dokładnego klasyfikowania recenzji produktów Amazona z użyciem ChatGPT-4 lub ChatGPT Plus
- Funkcja 1. Wstępne przetwarzanie danych i inżynieria cech
- Funkcja 2. Wybór i trening modelu podstawowego
- Funkcja 3. Ewaluacja i interpretacja modelu
- Funkcja 4. Obsługa niezrównoważonych danych
- Funkcja 5. Dostrajanie hiperparametrów
- Funkcja 6. Eksperymentowanie z reprezentacją cech
- Zadanie
- Wyzwanie
- Podsumowanie
Rozdział 13. Budowanie modelu regresji do prognozowania wydatków klientów z użyciem ChatGPT
- Wprowadzenie
- Problem biznesowy
- Dziedzina problemu i danych
- Przegląd zbioru danych
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Strategia 1. Zadanie - działanie - wskazówka (TAG)
- Strategia 2. Persona - instrukcje - kontekst (PIC)
- Strategia 3. Nauka - improwizacja - informacje zwrotne - ewaluacja (LIFE)
- Budowanie prostego modelu regresji liniowej do przewidywania rocznej kwoty wydatków z użyciem bezpłatnej wersji ChatGPT
- Funkcja 1. Budowanie modelu krok po kroku
- Funkcja 2. Stosowanie technik regularyzacji
- Funkcja 3. Generowanie syntetycznego zbioru danych w celu zwiększenia złożoności
- Funkcja 4. Generowanie kodu do tworzenia modelu w jednym kroku dla syntetycznego zbioru danych
- Nauka prostej regresji liniowej z użyciem ChatGPT Plus
- Funkcja 1. Budowanie prostego modelu regresji liniowej krok po kroku
- Funkcja 2. Stosowanie technik regularyzacji
- Funkcja 3. Generowanie syntetycznego zbioru danych w celu zwiększenia złożoności
- Funkcja 4. Generowanie kodu do tworzenia modelu w jednym kroku dla syntetycznego zbioru danych
- Zadanie
- Wyzwanie
- Podsumowanie
Rozdział 14. Budowanie modelu MLP dla zbioru danych Fashion-MNIST z użyciem ChatGPT
- Wprowadzenie
- Problem biznesowy
- Dziedzina problemu i danych
- Przegląd zbioru danych
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Strategia 1. Zadanie - działania - wskazówki (TAG)
- Strategia 2. Persona - instrukcje - kontekst (PIC)
- Strategia 3. Nauka - improwizacja - informacje zwrotne - ewaluacja (LIFE)
- Budowanie modelu MLP do dokładnego klasyfikowania obrazów Fashion-MNIST z użyciem bezpłatnej wersji ChatGPT
- Funkcja 1. Budowanie podstawowego modelu
- Funkcja 2. Dodawanie warstw do modelu
- Funkcja 3. Eksperymentowanie z rozmiarami wsadu
- Funkcja 4. Eksperymentowanie z liczbą neuronów
- Funkcja 5. Wypróbowywanie różnych optymalizatorów
- Zadanie
- Wyzwanie
- Podsumowanie
Rozdział 15. Budowanie modelu CNN dla zbioru danych CIFAR-10 z użyciem ChatGPT
- Wprowadzenie
- Problem biznesowy
- Dziedzina problemu i danych
- Przegląd zbioru danych
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Strategia 1. Zadanie - działania - wskazówki (TAG)
- Strategia 2. Persona - instrukcje - kontekst (PIC)
- Strategia 3. Nauka - improwizacja - informacje zwrotne - ewaluacja (LIFE)
- Budowanie modelu CNN do dokładnego klasyfikowania obrazów CIFAR-10 z użyciem bezpłatnej wersji ChatGPT
- Funkcja 1. Budowanie podstawowego modelu CNN z jedną warstwą konwolucyjną
- Funkcja 2. Eksperymentowanie z dodawaniem warstw konwolucyjnych
- Funkcja 3. Zastosowanie regularyzacji metodą porzucania
- Funkcja 4. Implementacja normalizacji wsadowej
- Funkcja 5. Optymalizacja z użyciem różnych optymalizatorów
- Funkcja 6. Stosowanie architektury DavidNet
- Zadanie
- Wyzwanie
- Podsumowanie
Rozdział 16. Uczenie nienadzorowane - klasteryzacja i PCA
- Wprowadzenie
- Dzielenie problemu na funkcje
- Strategia podpowiedzi
- Segmentacja klientów
- Zbiór danych
- Tworzenie modelu uczenia nienadzorowanego za pomocą asystenta AI
- Klasteryzacja produktów w projekcie e-commerce
- Wstępna podpowiedź: określenie kontekstu
- Wczytywanie i wstępne przetwarzanie danych
- Inżynieria cech i wstępne przetwarzanie danych tekstowych
- Wybór algorytmu klasteryzacji
- Skalowanie cech
- Stosowanie algorytmu klasteryzacji
- Interpretacja klastrów i wizualizacja wyników
- Przypisywanie kategorii do produktów, ewaluacja i dopracowywanie
- Uwagi dotyczące podpowiedzi użytych w tym przykładzie
- Zadanie
- Rozwiązanie
- Podsumowanie
Rozdział 17. Uczenie maszynowe z użyciem Copilota
- Wprowadzenie
- Czat GitHub Copilot w Twoim środowisku IDE
- Jak to działa?
- Przegląd zbioru danych
- Etapy eksploracji danych
- Strategia podpowiedzi
- Początkowa podpowiedź dotycząca eksploracji danych - określanie ogólnego kontekstu
- Etap 1. Wczytywanie zbioru danych
- Wykonywanie kodu do wczytywania danych
- Etap 2. Inspekcja danych
- Etap 3. Statystyki zbiorcze
- Etap 4. Eksploracja zmiennych kategorycznych
- Etap 5. Rozkład ocen
- Etap 6. Analiza czasowa
- Etap 7. Analiza długości recenzji
- Etap 8. Analiza korelacji
- Etap 9. Dodatkowa analiza eksploracyjna
- Etap 10. Wstępne przetwarzanie tekstu
- Etap 11. Analiza częstości występowania słów
- Etap 12. Obliczanie wskaźnika wydźwięku
- Wstępne przetwarzanie tekstu
- Analiza częstości występowania słów
- Obliczanie wskaźnika wydźwięku
- Etap 13. Wizualizacja rozkładu wskaźników wydźwięku
- Etap 14. Analiza zależności między wskaźnikiem wydźwięku a innymi zmiennymi
- Wizualizacja rozkładu wskaźników wydźwięku
- Analiza zależności między wskaźnikiem wydźwięku a innymi zmiennymi
- Zadanie
- Rozwiązanie
- Podsumowanie
Rozdział 18. Regresja z użyciem czatu Copilota
- Wprowadzenie
- Regresja
- Przegląd zbioru danych
- Eksploracja zbioru danych
- Strategia podpowiedzi
- Początkowa podpowiedź
- Eksploracyjna analiza danych
- Podział danych
- Budowanie modelu regresji
- Ewaluacja modelu
- Miary ewaluacji
- Zadanie
- Podsumowanie
Rozdział 19. Regresja z użyciem sugestii Copilota
- Wprowadzenie
- Przegląd zbioru danych
- Strategia podpowiedzi
- Rozpoczynanie kodowania za pomocą Copilota
- Etap 1. Importowanie bibliotek za pomocą Copilota
- Etap 2. Wczytywanie i eksploracja zbioru danych
- Etap 3. Dzielenie danych na zbiory treningowy i testowy
- Etap 4. Budowanie modelu regresji
- Etap 5. Trenowanie modelu
- Etap 6. Ewaluacja modelu
- Zadanie
- Podsumowanie
Rozdział 20. Efektywniejsza praca z Copilotem
- Wprowadzenie
- Generowanie kodu i automatyzacja
- Aktywny edytor Copilota
- Czat Copilota
- Polecenia Copilota
- Tworzenie notatnika
- Tworzenie projektu
- Debugowanie i rozwiązywanie problemów
- Techniki recenzowania i optymalizowania kodu
- Przestrzeń robocza
- Wyszukiwanie funkcji Visual Studio Code
- Terminal
- Zadanie
- Wyzwanie
- Quiz
- Podsumowanie
Rozdział 21. Agenty w tworzeniu oprogramowania
- Wprowadzenie
- Czym są agenty?
- Jak działają agenty?
- Prostsze agenty a agenty używające sztucznej inteligencji
- Prostsze agenty
- Prosty agent nie jest dobrym rozmówcą
- Lepsza konwersacja z wywoływaniem narzędzi i użyciem dużych modeli językowych (LLM)
- Anatomia agenta konwersacyjnego
- Więcej o wywoływaniu narzędzi w modelach LLM
- Dodawanie możliwości do GPT z użyciem narzędzi
- Zaawansowane konwersacje
- Modelowanie zaawansowanej konwersacji
- Pseudokod do zaawansowanych konwersacji
- Agenty autonomiczne
- Zadanie
- Wyzwanie
- Quiz
- Podsumowanie
- Materiały dodatkowe
Rozdział 22. Wnioski
- Podsumowanie książki
- Najważniejsze wnioski
- Co dalej?
- I wreszcie.