GitHub Copilot for Python Developers

• Podstawowa znajomość programowania Python
• Znajomość zintegrowanego środowiska programistycznego (IDE), takiego jak Visual Studio Code.

Publiczność

• Deweloperzy Python

GitHub Copilot to oparty na sztucznej inteligencji asystent kodowania zaprojektowany w celu zwiększenia produktywności programistów poprzez dostarczanie sugestii dotyczących kodu w czasie rzeczywistym i automatyzację powtarzalnych zadań.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą wykorzystać GitHub Copilot do zadań specyficznych dla Python, debugowania i wdrażania przepływów pracy uczenia maszynowego.

Pod koniec tego szkolenia uczestnicy będą mogli

• Skonfigurować i skonfigurować GitHub Copilot do Python rozwoju.
• Wykorzystać Copilot do napisania wydajnego Python kodu.
• Debugować Python aplikacje za pomocą sugestii generowanych przez sztuczną inteligencję.
• Automatyzacja powtarzalnych zadań kodowania i poprawa wydajności przepływu pracy.
• Wykorzystaj Copilot do wdrażania projektów uczenia maszynowego w Python.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do GitHub Copilot

• Przegląd kodowania wspomaganego przez sztuczną inteligencję
• Funkcje i zalety GitHub Copilot
• Konfiguracja Copilot dla rozwoju Python

Pisanie Python kodu za pomocą Copilot

• Generowanie fragmentów kodu i funkcji
• Zwiększanie czytelności i stylu kodu
• Korzystanie z Copilot dla standardowych bibliotek Python

Debugowanie i rozwiązywanie problemów

• Identyfikacja i rozwiązywanie błędów za pomocą Copilot
• Integracja Copilot z przepływami pracy debugowania
• Najlepsze praktyki niezawodnego debugowania

Automatyzacja powtarzalnych zadań

• Tworzenie skryptów dla typowych zadań
• Redukcja standardowego kodu
• Zwiększanie wydajności dzięki automatyzacji opartej na Copilot

Machine Learning z Copilotem

• Używanie Copilot do wstępnego przetwarzania i wizualizacji danych
• Wdrażanie algorytmów uczenia maszynowego
• Tworzenie potoków do szkolenia i oceny modeli

Zaawansowane techniki i najlepsze praktyki

• Dostosowywanie Copilot do określonych przepływów pracy
• Łączenie Copilot z narzędziami do kontroli wersji i współpracy
• Względy etyczne i ograniczenia kodowania wspomaganego sztuczną inteligencją

Podsumowanie i kolejne kroki