Iskoristite snagu generativne veštačke inteligencije u Python razvoju softvera i naučite da ubrzate, unapredite i pojednostavite programiranje kroz praktične primere i jasno definisane strategije.

Ključne karakteristike

• Otkrijte kako alati kao što su GitHub Copilot, ChatGPT i OpenAI API prilikom razvoja softvera unapređuju produktivnost i štede vreme.
• Prevaziđite okvire osnovnih funkcionalnosti i naučite da primenjujete napredne tehnike u svim fazama životnog ciklusa razvoja softvera.
• Ovladajte najboljim praksama i dokazanim pristupima koji vode ka čistom, kvalitetnom i održivom kodu, čak i u složenim projektima.

Opis knjige

Alati generativne veštačke inteligencije, kao što su ChatGPT, OpenAI API i GitHub Copilot, potpuno menjaju način na koji programeri rade. Ova knjiga opisuje naprednu upotrebu generativne veštačke inteligencije za pisanje Python koda, i uči vas da programirate brže i bolje. Autori — stručnjak za mašinsko učenje sa velikim uticajem u zajednici i vodeći predavač za veštačku inteligenciju sa iskustvom na nivou Harvard univerziteta — spajaju akademsko znanje i praktične uvide iz industrije u celinu koja nudi jasnoću i primenljivost.

S ovom knjigom, steći ćete detaljno razumevanje velikih jezičkih modela (LLM) i naučiti da sistematski pristupite rešavanju složenih zadataka uz pomoć veštačke inteligencije. Uz praktične primere i vežbe, savladaćete najvažnije tehnike inženjeringa upita, među kojima su učenje sa malo primera i lanac razmišljanja.

Ova knjiga vas ne uči samo pisanju koda — ona vas vodi kroz automatizaciju otklanjanja grešaka, refaktorisanja, optimizacije performansi, testiranja i nadgledanja. Pomoću ponovo upotrebljivih okvira upita i radnih tokova zasnovanih na veštačkoj inteligenciji, naučićete da pojednostavite proces razvoja i postignete visok kvalitet, preglednost i stabilnost koda.

Kada proučite ovu knjigu, znaćete da izaberete pravi alat veštačke inteligencije za svaku fazu rada, povećate efikasnost i predvidite sledeće korake u razvoju, što će vam omogućiti da održite korak u novoj eri razvoja osnaženog veštačkom inteligencijom.

Šta ćete naučiti

• Da koristite GitHub Copilot alat u okruženjima PyCharm, VS Code i Jupyter Notebook.
• Da primenjujete napredne tehnike inženjeringa upita pomoću ChatGPT modela i OpenAI API interfejsa.
• Da razumete osnove generativne veštačke inteligencije i postignete bolje rezultate u radu.
• Da usvojite strukturirani okvir za izradu čistog i održivog koda.
• Da prepoznate najpogodniji alat veštačke inteligencije za svaki zadatak.
• Da unapredite primenu alata generativne veštačke inteligencije — od otklanjanja grešaka do isporuke gotovih rešenja.
• Da postanete deo nove generacije programera koji spajaju znanje, preciznost i veštačku inteligenciju.

Kome je ova knjiga namenjena

Knjiga Programiranje osnaženo generativnom veštačkom inteligencijom namenjena je svima koji već imaju iskustvo programiranja u programskom jeziku Python i žele da unaprede svoju produktivnost i kvalitet koda pomoću alata generativne veštačke inteligencije. Sadržaj je prilagođen programerima srednjeg i naprednog nivoa, sa primerima različite složenosti koji pokazuju primenu naprednih tehnika inženjeringa upita. Za najbolje razumevanje materijala, preporučuje se najmanje godinu dana praktičnog iskustva u Python razvoju i osnovno poznavanje životnog ciklusa razvoja softvera (SDLC).

Šta ova knjiga obuhvata

Poglavlje 1, Od automatizacije do punog životnog ciklusa razvoja softvera: trenutna prilika za generativnu veštačku inteligenciju, opisuje skorašnje povezivanje alata za razvoj softvera i promena koje donose veliki jezički modeli. Ističe da je upravo sada pravi trenutak da unapredite veštine rada sa generativnom veštačkom inteligencijom kako biste brže stvarali kvalitetan kod.

Poglavlje 2, Vaš brzi vodič za OpenAI API, donosi sve što je potrebno da biste počeli da koristite OpenAI. Na kraju ovog poglavlja bićete spremni da ga primenite na pisanje koda.

Poglavlje 3, GitHub Copilot sa PyCharm, VS Code i Jupyter Notebook, daje uputstva za podešavanje GitHub Copilot naloga, alata za programiranje u paru zasnovano na generativnoj veštačkoj inteligenciji. Poglavlje dalje prikazuje kako se GitHub Copilot povezuje sa dva najpopularnija integrisana razvojna okruženja. Sa tim znanjem moći ćete da oblikujete upite pomoću generativne veštačke inteligencije.

Poglavlje 4, Najbolje prakse za upite sa ChatGPT alatom, obrađuje upite, kao osnovnu veštinu u programiranju uz generativnu veštačku inteligenciju. U ovom poglavlju predstavljen je okvir pet S za postizanje doslednih rezultata.

Poglavlje 5, Najbolje prakse za upite sa OpenAI API i GitHub Copilot alatom, završava prvi deo knjige tako što proširuje metode oblikovanja upita na funkcije, klase i metode. Ovi metodi se ne koriste samo za pisanje koda, već i za otklanjanje grešaka i izradu dokumentacije.

Poglavlje 6, Iza scene: Kako funkcionišu ChatGPT, GitHub Copilot i drugi veliki jezički modeli, otkriva način na koji veliki jezički modeli rade u pozadini, jer to znanje pomaže da se sagledaju njihove prednosti i ograničenja. Poglavlje počinje statističkim primerom kao uvodom, zatim se nastavlja kroz opšte karakteristike velikih jezičkih modela, a završava se proširenjem na modele specifične za kod, koji čine osnovu GitHub Copilot alata.

Poglavlje 7, Čitanje i razumevanje kodnih baza uz pomoć generativne veštačke inteligencije, prikazuje kako različiti alati generativne veštačke inteligencije mogu da se primene u radu sa celim kodnim bazama. Poglavlje pokazuje na koji način generativna veštačka inteligencija može da objasni rad koda i pomogne u otklanjanju problema korišćenjem samog koda i prateće dokumentacije.

Poglavlje 8, Uvod u inženjering upita, primenjuje ovo novo područje na razvoj koda i uvodi učenje sa malo primera. Strukturirani metodi oblikovanja upita primenjuju se kroz OpenAI API interfejs i GitHub Copilot nalog za refaktorisanje koda, sa ciljem obezbeđivanja doslednog stila programiranja.

Poglavlje 9, Napredni inženjering upita za programerske zadatke, proširuje pristupe učenja sa malo primera iz poglavlja 8 na modele zaključivanja. Iterativno oblikovanje upita, oblikovanje upita lancem razmišljanja i ulančavanje mogu efikasno da obezbede kod visoke predvidljivosti koji sadrži ključnu funkcionalnost, uključujući i sam kod i komentare.

Poglavlje 10, Refaktorisanje koda uz pomoć generativne veštačke inteligencije, ponovo istražuje i proširuje tehniku oblikovanja upita lancem razmišljanja kako bi se unapredio kod. Poglavlje donosi primere refaktorisanja radi poboljšanja kvaliteta i performansi.

Poglavlje 11, Fino podešavanje modela pomoću OpenAI interfejsa, upoređuje učenje sa malo primera finim podešavanjem, kao standardnim pristupom za prilagođavanje velikih jezičkih modela. U njemu se koristi OpenAI interkativni alat za poređenje efikasnosti i troškova ova dva pristupa.

Poglavlje 12, Dokumentovanje koda uz pomoć generativne veštačke inteligencije, otvara treći deo, posvećen komponentama životnog ciklusa razvoja softvera (SDLC) koje prevazilaze samo programiranje. Ovo poglavlje je praktični vodič za efikasno pisanje docstring komentara, koji predstavljaju standardnu dokumentaciju u jeziku Python. Takođe nudi rešenja za problem zastarelih komentara u kodu.

Poglavlje 13, Pisanje i održavanje jediničnih testova, pokazuje različite strukturi­rane metode pomoću kojih se veštačka inteligencija može iskoristiti za ubrzano kreiranje testova. Takođe objašnjen je i proces razvoja vođen testovima (TDD), u kome se najpre pišu test primeri, a zatim automatski generiše funkcionalni kod koji prolazi te testove.

Poglavlje 14, Generativna veštačka inteligencija za upravljanje vremenom izvršavanja i memorijom, bavi se optimizacijom performansi, temom koja se retko obrađuje u literaturi o programiranju uz generativnu veštačku inteligenciju. Primeri u ovom poglavlju pokazuju kako proceniti kompromise u performansama i, kombinovanjem oblikovanja upita sa ulančavanjem upita, proceniti kapacitete vremena izvršavanja i optimizovati kod za rad u većem obimu.

Poglavlje 15, Beleženje zapisa, praćenje i otklanjanje grešaka uz pomoć generativne veštačke inteligencije, donosi smernice za upotrebu generativne veštačke inteligencije u ključnim završnim komponentama prilikom prebacivanja koda u proizvodnju. U njemu se povezuju raniji koncepti kao što su sprovođenje stila, učenje sa malo primera i fino podešavanje, primenjeni na metode nadgledanja i beleženja događaja.

Poglavlje 16, Arhitektura, dizajn i budućnost, opisuje uspon generativne veštačke inteligencije, ekonomiju softvera i promene u softverskom inženjerstvu. Daje pogled na budućnost softverskog inženjerstva — od programiranja po osećaju  do dugoročnih očekivanja, uključujući rizike i upravljanje.