reklama - zainteresowany?

Programowanie wspomagane AI. Automatyzacja pracy programisty dzi - Helion

Programowanie wspomagane AI. Automatyzacja pracy programisty dzi
Autor: Christoffer Noring, Anjali Jain, Marina Fernandez, Ay
ISBN: 978-83-289-2425-3
okładka: mi
Księgarnia: Helion

Książka będzie dostępna od kwietnia 2025

 

Zobacz także:

  • Jak zhakowa
  • Windows Media Center. Domowe centrum rozrywki
  • Ruby on Rails. Ćwiczenia
  • Efekt piaskownicy. Jak szefować żeby roboty nie zabrały ci roboty
  • Przywództwo w świecie VUCA. Jak być skutecznym liderem w niepewnym środowisku

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.

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2025 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.