머신 러닝 및 신경망 - 페이지 45

[MetaQuotes]

ChatGPT용 코드 해석기 사용해보기

ChatGPT용 코드 해석기 사용해보기

이 비디오에서는 data.gov의 항공 교통 승객 통계 데이터를 분석하여 ChatGPT용 코드 해석기를 시연합니다. 이 도구는 CSV 파일을 인식하여 pandas 데이터 프레임에 로드하고, 열 이름 헤더를 추측하고, 열에 대한 정보를 추론할 수 있습니다. 그런 다음 이 도구는 기본 기술 통계를 수행하고 간단한 막대 차트와 파이 차트를 만들어 데이터의 패턴을 시각화할 수 있습니다. 이 도구는 또한 막대 차트를 수정하고 두 수준의 데이터를 결합하고 국내 전용 항공편을 필터링하거나 시간 경과에 따른 승객 수 변화를 추적하여 테스트합니다. 비디오 제작자는 셀프 서비스 데이터 분석에서 도구의 잠재력에 대해 논의하지만 알려지지 않은 결과의 잠재적 위험과 슈퍼 인텔리전스의 발전에 대해 경고하며 가드 레일로 기술을 규제하고 데이터 리터러시 채널을 통해 자신을 교육하는 것의 중요성을 강조합니다.

• 00:00:00 OpenAI의 ChatGPT를 위한 새로운 알파 플러그인인 Code Interpreter를 사용하는 방법에 대한 비디오 자습서 섹션에서 시연자는 항공 교통 승객 통계의 CSV 파일을 사용하여 데이터를 분석하는 도구를 사용하는 방법을 안내합니다. data.gov. CSV 파일을 ChatGPT에 업로드하는 방법과 도구가 파일 이름을 인식하고 팬더를 가져오고 데이터를 팬더 데이터 프레임에 로드하는 방법을 보여줍니다. 데모는 또한 도구가 열 이름 헤더를 추측하고 열 데이터 자체를 살펴봄으로써 열에 대한 정보를 추론할 수 있는 방법을 보여줍니다. 마지막으로 플러그인이 몇 가지 기본 설명 통계를 수행하고 간단한 막대 차트와 파이 차트를 만들어 데이터의 패턴을 시각화하도록 하는 방법을 보여줍니다.
  
  
• 00:05:00 이 섹션에서 사용자는 ChatGPT용 코드 해석기와 상호 작용하고 승객 수 기준 상위 10개 운항 항공사를 보여주는 막대 차트 수정을 요청합니다. 인터프리터는 수평 막대, 회색 색상 및 수천 단위로 구분된 데이터 레이블이 있는 수정된 차트를 성공적으로 생성합니다. 그런 다음 숫자를 tableau에 업로드된 데이터 세트와 비교하여 해석기의 정확성을 테스트하고 올바른 것으로 확인됩니다. 그런 다음 사용자는 운항 항공사 변수의 두 가지 수준 조합을 요청하고 해석기는 다시 성공적으로 데이터를 수정하고 올바른 결과를 생성합니다. 사용자는 이러한 유형의 수정이 분석 작업 흐름에서 일반적이며 통역사가 작업을 완료하는 용이성이 매력적이라는 것을 알고 있습니다.
  
  
• 00:10:00 이 섹션에서 발표자는 ChatGPT 도구용 코드 해석기를 사용하여 상위 10개 항공사의 국내 전용 항공편을 필터링하는 명령으로 시작하여 다양한 분석을 시도합니다. 이 도구는 변수를 올바르게 인식하고 명시적인 지침 없이 필터링을 수행할 수 있습니다. 그런 다음 연사는 시간 경과에 따른 승객 수 변화를 보여주는 시계열 분석을 요청하여 도구를 테스트하고 프로그램은 COVID-19 전염병으로 인한 상당한 감소를 추론하고 표시합니다. 연사는 Python 코드 생성, 차트 수정, 데이터 결합, 다양한 형식의 데이터 출력 등 비즈니스 인텔리전스를 위한 획기적인 도구가 되는 이 도구의 기능에 깊은 인상을 받았습니다.
  
  
• 00:15:00 이 섹션에서는 비디오 제작자가 ChatGPT용 코드 해석기의 잠재력에 대해 논의합니다. 이 기능을 사용하면 거의 대화식 접근 방식으로 빠른 데이터 분석 및 시각화가 가능합니다. 오류가 발생하기 쉬울 수 있지만 셀프 서비스 데이터 분석을 향한 획기적인 단계를 나타냅니다. 그러나 이 기술은 초지능의 잠재적인 발전과 다른 알 수 없는 결과에 대한 우려를 불러일으키기 때문에 무섭기도 합니다. 제작자는 기술을 규제하기 위한 가드레일 구현의 중요성을 강조했습니다. 마지막으로 작성자는 ChatGPT 기본 과정과 같은 새로운 개발 사항을 최신 상태로 유지하기 위해 다음 데이터 활용 능력 채널을 권장합니다.

[MetaQuotes]

데이터 과학에 GitHub Copilot을 사용하는 방법(Python + VS Code)

데이터 과학에 GitHub Copilot을 사용하는 방법(Python + VS Code)

이 비디오는 데이터 과학 프로젝트를 위한 코드 제안을 제공하는 AI 기반 도구인 GitHub Copilot을 사용하는 방법에 대한 자습서입니다. 연사는 Copilot을 사용하여 데이터를 그룹화하고 플롯을 만들고 반복 코드를 기반으로 함수를 생성하는 방법을 시연합니다. 또한 GitHub Copilot Labs를 사용하여 코드 가독성을 개선하고 테스트 사례를 생성하는 방법과 맞춤형 기계 학습 알고리즘을 통합하는 방법을 보여줍니다. 연사는 GitHub Copilot과 같은 도구를 사용하는 것이 프로그래머가 미래에 관련성을 유지하는 데 필수적이라고 믿으며 이를 확인하도록 제안합니다.

• 00:00:00 이 섹션에서는 발표자가 AI 기반 코드 제안을 제공하는 도구인 GitHub Copilot을 소개하고 데이터 과학에 어떻게 사용할 수 있는지 설명합니다. 연사는 데이터 세트의 각 제품에 대한 평균 평점을 계산하는 예를 사용하여 GitHub Copilot이 데이터를 그룹화하고 플롯을 생성하는 코드를 제안한 다음 반복되는 코드를 기반으로 함수를 생성하는 방법을 시연합니다. 그런 다음 발표자는 무료 평가판 등록, VS Code 확장 설치, 제안 간 전환 및 더 많은 결과 생성을 위한 바로 가기 사용을 포함하여 GitHub Copilot을 시작하는 방법에 대한 팁을 제공합니다.
  
  
• 00:05:00 이 섹션에서 연사는 GitHub 계정과 동기화할 수 있는 무료 확장 프로그램인 VS Code에서 GitHub Copilot Labs를 사용하는 방법을 보여줍니다. 확장 기능은 언어 번역 기능, 코드 가독성을 위한 브러시 및 테스트 생성을 제공합니다. 발표자는 주석, 데이터 유형, 잘못된 코드 처리, 브러시 옵션을 사용한 버그 수정을 추가하는 방법을 보여줌으로써 이러한 기능을 사용하는 방법을 보여줍니다. 발표자는 또한 사용자 지정 옵션을 사용하여 SVM 회귀자와 같은 특정 기계 학습 알고리즘에 대한 코드를 생성하는 방법을 보여줍니다. 연사는 GitHub copilot labs가 GitHub copilot의 실험적 기능이며 GitHub copilot-X가 프로그래밍의 미래라고 말합니다.
  
  
• 00:10:00 이 섹션에서 발표자는 GitHub go by Labs와 결합된 GitHub copilot의 잠재력에 대해 논의합니다. 그들은 Support Vector Machine을 선택하여 추가한 방법과 GitHub copilot이 구문과 코드를 안정적으로 생성하는 방법을 설명합니다. 연사는 AI 지원을 통해 프로그래머가 창의적 사고에 집중할 수 있고 AI가 모듈 및 라이브러리 가져오기를 처리하기 때문에 이것이 코딩의 미래라고 믿습니다. 그들은 청중이 GitHub 부조종사를 확인하도록 권장하고 다른 프로그래머가 비교했을 때 훨씬 더 생산적이기 때문에 이러한 도구로 작업하는 방법을 배우는 것이 10년 후에도 관련성을 유지하는 데 필수적이라고 제안합니다.

[MetaQuotes]

7분 안에 GitHub Copilot

7분만에 GitHub Copilot 👨‍💻🤖🚀

GitHub Copilot은 작성 중인 코드의 컨텍스트를 기반으로 제안을 생성하여 작성되는 코드의 양을 줄이고 개발 속도를 높이는 AI 기반 자동 완성 도구입니다. 또한 개발자가 작성한 주석을 기반으로 코드를 생성할 수 있으므로 프로젝트를 처음 접하는 사람들도 코드를 더 쉽게 이해할 수 있습니다. GitHub Copilot에는 또한 제안 토글을 허용하고 성능을 최적화하고 코드 효율성을 개선하기 위해 추가 코드 제안을 생성하는 기능이 포함되어 있습니다. 기록은 깨끗한 브러시, 목록 단계 브러시, 강력한 브러시 만들기, 청크 코드 브러시 및 문서 코드 브러시와 같이 GitHub Copilot에서 사용할 수 있는 다양한 브러시에 대해 설명합니다. 이 도구에서 여전히 오류가 발생한다는 점을 인정하면서 발표자는 시청자에게 2개월 무료 평가판을 사용해 보고 코딩에 도움이 될 수 있는지 확인하도록 권장합니다.

• 00:00:00 이 섹션에서는 GitHub Copilot의 이점과 제한 사항을 사용 방법에 대한 실제 예와 함께 설명합니다. Copilot의 자동 완성 기능은 작성 중인 코드의 컨텍스트를 기반으로 제안을 생성하므로 작성된 코드의 양을 줄이고 개발 프로세스를 가속화합니다. 또한 Copilot은 개발자가 작성한 주석을 기반으로 코드를 생성할 수 있으므로 프로젝트를 처음 접하는 사람들도 코드를 더 쉽게 이해할 수 있습니다. Copilot에는 제안 토글을 허용하는 기능과 성능을 최적화하고 코드 효율성을 개선하기 위해 추가 코드 제안을 생성하는 기능도 포함되어 있습니다. 마지막으로 언어 번역, 특정 사용 사례를 위한 브러시, 테스트 생성과 같은 실험적 기능을 제공하는 GitHub Copilot Labs 이니셔티브가 도입되었습니다. 이러한 기능은 실험적이지만 효과적으로 사용하면 생산성과 효율성을 크게 향상시킬 수 있습니다.
  
  
• 00:05:00 이 섹션에서는 기록이 GitHub Copilot에서 사용할 수 있는 다양한 브러시에 대해 설명합니다. 깨끗한 브러시는 사용하지 않는 변수와 함수를 제거하고, 목록 단계 브러시는 작업에 대한 단계별 지침을 만드는 데 도움이 되며, 강력한 만들기 브러시는 오류 처리를 추가하여 코드를 더 강력하게 만들고, 청크 코드 브러시는 코드를 더 작게 분할하는 데 도움이 됩니다. , 더 관리하기 쉬운 청크, 문서 코드 브러시는 코드에 대한 주석과 문서를 생성합니다. 사용자 지정 브러시는 편집기 내에서 직접 특정 코드 조각에 대한 사용자 지정 명령을 생성할 수 있으므로 특히 유용합니다. 전반적으로 발표자는 GitHub Copilot에 대해 긍정적인 평가를 내렸지만 여전히 약간의 오류가 발생한다고 언급했습니다. 하지만 연사는 시청자에게 2개월 무료 평가판을 사용해 보고 코딩에 도움이 될 수 있는지 확인하도록 권장합니다.

[MetaQuotes]

GitHub Copilot X 설명 | 앞으로의 큰 도약...

GitHub Copilot X 설명 | 앞으로의 큰 도약...

YouTube 동영상 "GitHub Copilot X Explained | A big step forward..."에서는 개발자를 위한 코드를 생성하는 AI 도구인 GitHub Copilot의 최신 개발에 대해 설명합니다. 새 버전인 GitHub Copilot X에는 맞춤형 문서, 풀 요청 분석, 자동 테스트 제안 및 더 나은 자동 제안을 위한 고스트 텍스트와 같은 다양한 기능이 포함되어 있습니다. 또한 즉각적인 도움을 위한 채팅 인식 대화와 AI 기반 풀 요청 완료 및 검토 응답이 있습니다. 이 비디오는 GitHub Copilot CLI, 음성 및 코드 브러시의 기능을 더욱 강조하여 사용자가 자신의 음성을 사용하여 코드를 코딩하고 수정하여 더 읽기 쉽게 만들 수 있도록 합니다. YouTuber는 개발자가 AI를 수용하고 한 달에 10달러로 합리적으로 책정된 GitHub Copilot에 가입하도록 권장합니다.

• 00:00:00 이 섹션에서 Travis는 GitHub Copilot과 최신 개발인 GitHub Copilot X에 대해 설명합니다. 그는 Microsoft가 다양한 AI 도구로 올해 AI 산업을 지배하고 있다고 강조합니다. 그런 다음 그는 개발자를 위한 코드를 생성하여 GitHub Copilot이 작동하는 방식과 GitHub의 연구를 기반으로 개발자 생산성 및 만족도를 개선하는 데 얼마나 성공적이었는지 설명합니다. Travis는 또한 GitHub Copilot X의 X가 문서, PR, 블록 및 CLI와 같은 다양한 기능을 나타낸다고 언급합니다. GitHub Copilot X의 제품 비전은 AI 기반 소프트웨어 개발의 미래이며 더 정확하고 빠른 GPT-4 모델을 사용합니다.
  
  
• 00:05:00 이 섹션에서는 25,000단어 제한 및 개발자가 채팅 창을 통해 즉시 도움을 받을 수 있는 채팅 인식 대화를 포함하여 GitHub Copilot X의 다양한 기능을 요약합니다. 이 도구는 또한 사용자가 GitHub, React.js, MDN 및 Azure의 통합 문서를 기반으로 질문을 하고 개인화된 답변을 받을 수 있는 맞춤형 문서를 제공합니다. 또 다른 중요한 기능은 도구가 코드를 분석하고 개발자를 위한 PR 설명을 작성하는 풀 요청입니다. 또한 더 나은 자동 제안을 위해 자동 테스트 제안 및 고스트 텍스트를 제공합니다. 이 비디오는 이러한 새로운 기능이 개발자 커뮤니티에 어떻게 도움이 되는지 강조합니다.
  
  
• 00:10:00 이 섹션에서는 AI로 문제를 해결하는 GitHub Copilot의 기능에 대해 설명합니다. 여기에서 문제를 해결하기 위해 자동으로 변경 사항을 제안할 수 있습니다. 언급된 또 다른 기능은 사용자가 풀 요청의 변경 사항을 보다 쉽게 이해하는 데 도움이 되는 AI 기반 풀 요청 완료, 복구 및 검토 응답입니다. 사용자가 터미널에서 특정 명령을 실행하는 방법에 대한 지원을 요청할 수 있는 GitHub Copilot CLI도 설명되어 있으며 명령을 생성합니다. 마지막으로 GitHub Copilot 음성 및 코드 브러시가 도입되어 사용자가 음성을 사용하여 코딩하고 사용자의 코딩을 지원하는 도구 상자를 추가할 수 있습니다.
  
  
• 00:15:00 이 섹션에서는 YouTuber가 GitHub Copilot의 Visual Studio 코드 확장 프로그램의 코드 브러싱 기능에 대해 설명합니다. 이 기능은 코드를 수정하여 더 읽기 쉽게 만들고, 유형을 추가하고, 간단한 버그를 수정하고, 디버깅 문을 추가하고, 코드를 더 강력하게 만들 수 있습니다. . 그들은 또한 테스트 생성, 코드 설명 및 코드 번역을 포함한 실험적 애플리케이션을 위한 GitHub Copilot Labs 확장을 언급합니다. 또 다른 기능은 차트와 그래프로 풍부한 문서를 작성하기 위한 대화형 도구인 GitHub 블록입니다. 그들은 개발자가 AI를 수용하고 합리적인 월 $10의 비용으로 유료 서비스로 제공되는 GitHub Copilot에 가입하도록 권장합니다.

[MetaQuotes]

GitHub Copilot 종합 가이드: 초보자부터 전문가까지 | VS 코드 데모

GitHub Copilot 종합 가이드: 초보자부터 전문가까지 | VS 코드 데모

이 비디오는 GitHub Copilot 및 해당 기능에 대한 포괄적인 가이드를 제공합니다. 발표자는 Copilot이 효율성을 개선하기 위해 코드를 제안할 수 있는 방법을 보여주고, 복잡한 코딩 문제를 해결하고 개인 코딩 스타일에 적응하는 능력을 설명하고, 2D 드로잉용 SkiaSharp와 같은 새로운 라이브러리를 학습하는 데 유용함을 보여줍니다. 발표자는 Copilot의 이점을 강조하면서 이것이 코드에 대한 비판적 사고와 이해를 대신할 수 없음을 강조합니다. 전반적으로 이 비디오는 GitHub Copilot 사용 방법을 이해하려는 초보자와 전문가를 위한 훌륭한 리소스입니다.

• 00:00:00 비디오의 이 섹션에서 발표자는 프로그래머가 코드를 보다 효율적으로 작성하고 일반적인 오류를 방지하는 데 도움이 되는 코딩 도우미인 GitHub Copilot에 대해 간략하게 소개합니다. 그는 사용자가 도구를 전문적으로 사용할지 여부를 결정하기 전에 도구를 테스트하는 데 사용할 수 있는 60일 무료 평가판 기간을 언급합니다. 비디오는 도구의 기능을 설명하는 복잡성 증가에 대한 세 가지 데모를 제공합니다. 발표자는 숫자가 소수인지 테스트하는 함수를 작성할 때 Copilot이 생각하지 못했던 성능 최적화와 함께 유용한 제안을 제공하는 방법을 보여줌으로써 도구를 시연합니다. Copilot의 제안이 항상 완벽한 것은 아니므로 때로는 의견이 제안을 안내하는 데 도움이 될 수 있습니다. 발표자는 계속해서 Copilot이 디스크에서 파일 내용을 읽고 파일 내부의 평균 줄 길이를 계산하는 것과 같은 더 복잡한 프로그래밍 문제를 해결하는 방법을 보여줍니다.
  
  
• 00:05:00 비디오의 이 섹션에서 발표자는 GitHub Copilot을 사용하여 주어진 파일의 평균 줄 길이를 계산하는 기능을 구현하는 방법을 보여줍니다. 그들은 도구가 기능을 구현하는 여러 가지 방법을 제안할 수 있는 방법과 2D 드로잉용 SkiaSharp와 같은 새로운 라이브러리를 학습하는 데 활용할 수 있는 방법을 보여줍니다. 그들은 Copilot이 코드를 제안하는 데 도움이 될 수 있지만 구현을 철저히 생각하고 코드가 수행하는 작업을 이해하는 것을 대체할 수는 없다고 강조합니다. 발표자는 또한 Copilot이 사용자의 코딩 스타일에 적응할 수 있다고 언급합니다.
  
  
• 00:10:00 이 섹션에서 발표자는 GitHub Copilot이 어떻게 코더의 개인 스타일을 인식하고 적응하고 잠재적으로 코딩 실수를 방지할 수 있는지 보여줍니다. 연사는 또한 색상 생성 또는 모양 채우기, 심지어 "화가의 알고리즘" 이해와 같은 최소한의 노력과 연구로 코드를 생성하는 Copilot의 능력을 칭찬합니다. 또한 스피커는 Copilot이 루프의 각 반복에 쉽게 적응하면서 색상과 겹치는 원으로 최종 제품을 선보입니다.
  
  
• 00:15:00 이 섹션에서 연사는 데모의 가장 좋은 부분은 SkiaSharp 라이브러리에 대한 사전 지식이 필요하지 않다는 점을 강조하여 코드를 작성할 때 Copilot의 사용 편의성을 보여줍니다. 그들은 또한 Copilot을 매일 사용하며 가끔 주석도 사용하지만 AI가 자신이 무엇을 하고 있는지 추측하게 할 때 특히 유용하다고 언급합니다. 연사는 시청자가 동영상을 좋아하고, 채널을 구독하고, 다른 동영상과 과정을 확인하도록 권장합니다.

[MetaQuotes]

GitHub CoPilot 작업

GitHub CoPilot 작업

이 비디오는 AI를 기반으로 하고 공개 리포지토리에서 훈련된 GitHub CoPilot의 개발 및 기능에 대해 설명합니다. 이 도구는 개발자 생산성을 향상시키기 위한 제안 및 기능을 제공하며 개인 및 기업에서 사용할 수 있습니다. CoPilot은 프로젝트의 컨텍스트를 기반으로 코드를 제안하는 기능이 있으며 사용자가 IDS를 끄거나 Telemetry를 옵트아웃할 수 있습니다. 비디오는 사용자 인터페이스 구축, 테스트 및 버그 수정을 포함하여 CoPilot의 잠재적인 사용에 대해 논의합니다. 연사는 안전한 코딩 관행을 유지하고 코드 품질을 보장하는 것의 중요성을 강조합니다. 또한 CoPilot의 기술적 한계와 IDE에서의 채팅 및 AI가 지원하는 전체 검토와 같은 향후 기능에 대해 논의합니다. 비디오는 또한 CoPilot을 어시스턴트 또는 페어 프로그래머로 사용하는 것을 언급하고 CoPilot을 60일 동안 사용하여 코딩 스타일을 조정하고 개선할 것을 권장합니다.

이 비디오에서 발표자는 GitHub CoPilot을 사용하여 코드를 작성하고 도구에 대한 일반적인 질문을 해결한 경험을 공유합니다. 그들은 도구가 사용자가 현재 코딩하고 있는 것에서 학습하고 올바른 방향으로 유용한 힌트와 넛지를 제공한다고 설명합니다. 발표자는 또한 Azure 인지 서비스 및 하위 수준 C++ 프로그래밍과 함께 CoPilot을 사용하는 예를 제공합니다. 그들은 새로운 버전의 프레임워크를 수용하기 위해 더 최신 교육 데이터와 더 작은 업데이트 증분으로 도구가 업데이트된다는 점에 주목합니다. 발표자는 개발자가 새로운 기술을 배우고 유용한 데이터를 추출하기 위해 API를 실험하는 데 도움이 되는 유용성에 대해 CoPilot을 칭찬합니다.

• 00:00:00 이 섹션에서는 GitHub의 솔루션 엔지니어인 Tanya가 GitHub CoPilot의 역사와 개발에 대해 설명합니다. 그녀는 이미지 인식에서 자연어 처리, CoPilot 개발에 이르기까지 AI의 발전에 대해 논의합니다. Tanya는 CoPilot의 주요 목표가 개발자에게 새로운 기술을 제공하고 아이디어 프로세스에서 개발자 경험을 개선하는 것이라고 설명합니다. 그녀는 이 도구를 만들기 위해 Microsoft를 통한 Open AI와 GitHub 간의 협력을 인정합니다. 최근 CoPilot이 출시되면서 Tanya는 CoPilot이 Microsoft 산하에서 세계적으로 인정받는 브랜드가 되는 것을 보고 있습니다.
  
  
• 00:05:00 이 섹션에서 발표자는 GitHub Copilot의 기능과 개인 및 기업에서 사용할 수 있는 방법에 대해 설명합니다. 모든 소스 컨트롤러와 함께 사용할 수 있으며 GitHub의 모든 공개 리포지토리에서 훈련된 로컬 AI를 기반으로 합니다. 이 도구는 덜 인기 있는 언어를 포함하여 모든 언어를 지원하고 프로젝트의 컨텍스트와 커서 주변에 있는 내용을 기반으로 성공적인 제안을 제공합니다. 단순히 한 줄을 완성하는 것 이상을 제공하며 전체 기능을 제안할 수 있습니다. 개인은 GitHub 계정과 신용 카드로 Copilot을 무료로 사용할 수 있으며 기업은 추가 기능과 정책 및 구성을 통해 Copilot에 대한 액세스를 관리할 수 있습니다. 개인 정보 보호 및 VPN 프록시 지원도 기업용으로 제공됩니다.
  
  
• 00:10:00 이 섹션에서 발표자는 IDS를 끄거나 켜는 기능 또는 부조종사 사용 및 원격 분석 옵트아웃과 같은 GitHub CoPilot 작업 기능에 대해 설명합니다. 또한 발표자는 CoPilots가 새로운 제안을 생성하더라도 수신된 코드는 모델을 기반으로 구축되며 때로는 제안된 블록이 일부 공개 코드와 동일한 경우가 발생할 수 있음을 강조합니다. 그러나 사용자는 제안을 필터링하고 동일한 공개 코드 제안을 차단하는 구성 옵션이 있습니다. 발표자는 또한 개발자 생산성에 대해 이야기하는 공간 프레임워크에 대해 이야기하며, CoPilot을 사용하여 반복 작업이 더 빠르다고 응답한 약 2000명을 조사했습니다. 그들은 또한 생산성, 만족도 및 개발자 웰빙의 효율성 및 흐름에 대한 지표에 대해서도 논의했습니다. 마지막으로 새로운 애플리케이션에서 CoPilot을 사용하는 방법을 시연합니다.
  
  
• 00:15:00 이 섹션에서 사용자는 GitHub CoPilot을 사용하여 Express 프레임워크를 사용하여 빠른 웹 사이트용 코드를 작성하는 방법을 보여줍니다. 이 도구는 사용자가 제공한 명령을 기반으로 제안을 할 수 있으며 응용 프로그램의 컨텍스트를 이해할 수 있습니다. 사용자는 또한 라인별로 또는 함수를 사용하여 코드를 생성할 수 있으며 CoPilot은 함수를 사용하는 방법을 제안합니다. 또한 사용자는 CoPilot이 다양한 애플리케이션의 컨텍스트를 이해하고 프로젝트 이름을 기반으로 데이터를 제안하는 방법을 보여줍니다. 전반적으로 CoPilot을 사용하면 개발자가 코딩 패턴에서 학습하면서 코드를 더 쉽고 빠르게 작성할 수 있습니다.
  
  
• 00:20:00 이 섹션에서 연사는 GitHub Copilot을 사용하여 개인 프로젝트에서 코드를 빠르게 생성한 경험에 대해 이야기합니다. 그들은 Copilot이 코드를 이해하고 프로젝트의 컨텍스트를 기반으로 제안을 생성하는 방법을 보여줍니다. Copilot이 데이터 세트를 기반으로 인쇄할 데이터 블록을 생성하고 다음 단계와 일치하는 코드를 추측하는 방법을 보여줍니다. 연사는 Copilot이 프로젝트 맥락에서 도구 및 개발자와 상호 작용하여 개발자 생산성을 향상시킬 수 있다고 말합니다.
  
  
• 00:25:00 이 섹션에서 발표자는 GitHub CoPilot이 다양한 사용 사례에서 어떻게 생산성을 향상시킬 수 있는지에 대한 예를 제공합니다. 한 가지 예는 CoPilot이 인라인 제안을 제안하고 반복 작업을 자동화하기 때문에 사용자 인터페이스를 구축할 때입니다. 또 다른 사용 사례는 CoPilot이 많은 양의 코드를 빠르게 생성하고 코드 적용 범위를 개선할 수 있으므로 데이터 또는 스키마를 테스트하고 생성하는 것입니다. 또한 연사는 CoPilot을 사용하여 상황에 맞는 제안을 사용하여 버그를 수정하고 코드 품질을 개선하는 방법을 보여줍니다. CoPilot은 여전히 실험적인 플러그인이지만 소프트웨어 개발의 생산성과 효율성을 크게 향상시킬 수 있는 잠재력이 있습니다.
  
  
• 00:30:00 비디오의 이 섹션에서 연사는 GitHub CoPilot을 사용할 때 안전한 코딩 관행을 유지하는 것의 중요성에 대해 논의하며 CoPilot이 개발자를 대체하는 것이 아니라 코딩을 돕기 위해 존재한다는 점을 강조합니다. 그들은 개발자가 안전하지 않은 코드를 작성하는 경우 CoPilot이 실수로 더 안전하지 않은 코드를 생성할 수 있다고 지적합니다. 이 문제를 방지하기 위해 CoPilot은 적절한 컨텍스트 없이 SQL 삽입에 대한 제안을 방지하는 필터를 추가했습니다. 또한 개발자는 보안 취약성에 대한 코드를 검토하고 테스트할 책임이 있습니다. 또한 CoPilot이 교육 데이터 세트를 업데이트하여 다양한 라이브러리 버전 및 프레임워크에 적응하는 방법에 대해서도 다루지만 사용 가능한 데이터가 충분하지 않은 경우 새로운 사례를 기반으로 변경 사항을 제안하지 않을 수도 있습니다.
  
  
• 00:35:00 이 섹션에서는 비디오에서 GitHub CoPilot 제안의 안전성 및 신뢰성과 코드 품질을 보장하는 방법에 대해 설명합니다. GitHub CoPilot의 AI는 다른 곳에서 코드를 복사하지 않고 GitHub 데이터베이스 내부의 정보를 기반으로 코드를 생성합니다. 개발자는 CoPilot에서 생성된 코드의 안전과 보안을 테스트하고 보장할 책임이 있습니다. 또한 비디오는 스택 오버플로와 같은 리소스에 대한 투표 및 순위 지정을 통해 품질 관리가 유지되는 방법을 설명합니다. 마지막으로 비디오는 CoPilot이 현재 약 2,000개에서 4,000개의 토큰으로 제한되어 있는 연장된 대화에 대한 컨텍스트를 유지하는 능력에 대한 우려를 해결합니다.
  
  
• 00:40:00 비디오의 이 섹션에서 연사는 GitHub CoPilot의 기술적 제한 사항과 모든 단일 쿼리에 대해 데이터를 재전송하는 방법에 대해 논의합니다. 또한 사용자가 입력하는 위치를 추적하는 데 도움이 되는 진화하는 컨텍스트 기능에 대해서도 이야기합니다. CoPilot을 코드의 대량 변경 및 기존 문제 찾기에 사용할 수 있는지에 대한 사용자의 질문에 답변합니다. 그들은 IDE에서의 채팅과 AI가 지원하는 전체 검토를 포함하여 몇 가지 향후 기능에 대해 언급합니다. 또한 새로 발표된 Teams용 GitHub Copilot에 대해서도 논의합니다.
  
  
• 00:45:00 이 섹션에서 연사는 테스트 및 오류 처리를 위해 GitHub Copilot에서 사용할 수 있는 많은 기능이 있다고 언급합니다. 2021년 11월에 시작된 기술 프리뷰에는 100만 명의 사용자가 있었습니다. 또한 발표자는 Copilot의 생성 코드를 사용하면 개발자가 코드와 프레임워크를 올바르게 사용하고 있는지, 올바른 방식으로 코드를 작성하고 있는지 확인할 수 있기 때문에 학습 도구가 될 수 있다고 말합니다. 화자는 Copilot을 60일 동안 사용해 보고 제공된 제안에 따라 코딩 스타일을 조정할 것을 권장합니다. 또한 연사는 Google에서 Stack Overflow 워크플로를 검색하여 코드가 수행하는 작업을 이해하고 문제 해결을 위해 기본 로그 및 디버그 정보를 추가할 것을 권장합니다.
  
  
• 00:50:00 이 섹션에서 연사는 GitHub CoPilot을 사용하여 관련된 비즈니스 논리의 컨텍스트를 제공하여 PR 검토를 돕는 방법에 대해 논의합니다. 새 테이블을 만들고 SQL을 사용하여 데이터를 삽입하는 예를 제공하고 CoPilot이 비즈니스 컨텍스트를 사용하여 코드 검토를 위한 제안을 생성하는 방법을 보여줍니다. 또한 코드를 나머지 코드 베이스와 비교할 때 구문 및 스타일의 중요성에 대해서도 다룹니다. 연사는 CoPilot이 항상 데이터베이스의 스키마를 알지는 못하지만 많은 경우에 도움이 될 수 있다고 언급합니다.
  
  
• 00:55:00 이 섹션에서 연사는 코드를 개발할 때 GitHub CoPilot을 조수 또는 한 쌍의 프로그래머로 사용할 수 있는 방법에 대해 설명합니다. 프로젝트의 컨텍스트에 따라 작성해야 하는 다음 코드 블록을 제안하여 지원을 제공할 수 있습니다. 프로젝트 이면의 비즈니스 논리와 요구 사항을 완전히 이해하지 못할 수도 있지만 여전히 유용한 제안을 제공할 수 있습니다. 발표자는 또한 사용자가 새로운 기능을 테스트하고 피드백을 제공하기 위해 실험할 수 있는 다른 도구와 확장 프로그램에 대해 언급합니다.
  
  
• 01:00:00 이 섹션에서 발표자는 GitHub Copilot의 재교육 모델이 얼마나 확장 가능한지 묻습니다. 그들은 모델을 재교육하는 것이 순조로운 과정이 아니며 그렇게 하는 데 고정된 리듬이 없다고 설명합니다. 새로운 버전의 프레임워크를 수용하기 위해 더 작은 업데이트 증분뿐만 아니라 더 최신 교육 데이터로 모델이 업데이트됩니다. 발표자는 코드에 대한 제안을 생성하기 위해 Copilot을 사용하여 매우 빠르게 새로운 기능을 생성하는 것과 관련된 또 다른 사용 사례를 공유합니다. 그들은 몇 분 안에 이미지를 스크린샷으로 저장하는 간단한 기능을 만들었고, 새로운 기능을 구축하기 위한 시작점으로 확인했습니다.
  
  
• 01:05:00 이 섹션에서 발표자는 Azure 인지 서비스, 특히 양식 인식기 도구와 함께 GitHub Copilot을 사용하여 이미지에서 텍스트를 추출한 경험을 공유합니다. Copilot을 사용하여 API용 코드를 작성하고 기능을 테스트할 수 있었습니다. 연사는 또한 저수준 C++ 프로그래밍을 용이하게 하기 위해 Copilot을 사용하는 예를 공유합니다. Copilot은 문제를 직접 해결하지는 않았지만 올바른 방향으로 유용한 힌트와 넛지를 제공했습니다. 전반적으로 발표자는 개발자가 새로운 기술을 배우고 유용한 데이터를 추출하기 위해 API를 실험하는 데 도움이 되는 유용성에 대해 Copilot을 칭찬합니다.
  
  
• 01:10:00 이 섹션에서는 연사가 GitHub CoPilot 사용에 대한 몇 가지 일반적인 질문에 대해 답변합니다. 그들은 도구가 사용자가 현재 코딩하고 있는 것에서 학습하고 현재 작업 공간이나 프로젝트 내에서만 컨텍스트를 가지고 있다고 설명합니다. 사용자가 프로젝트를 전환하더라도 CoPilot은 코딩을 시작할 때까지 새 프로젝트에 대한 컨텍스트를 가지지 않습니다. 발표자는 또한 원격 측정을 거부하면 추가 사용을 위해 제안 데이터가 서버로 전송되는 것을 방지할 뿐 로컬 컨텍스트에는 영향을 미치지 않는다고 언급했습니다. 기업 사용자의 경우 CoPilot은 GitHub의 팀/그룹을 통해 액세스할 수 있으며 서비스에 대한 액세스는 기능 차단 또는 언로드에 대한 다양한 정책을 사용하여 최상위 수준에서 관리할 수 있습니다. 마지막으로 연사는 추가 토론을 위한 시간을 제공하고 참석자들에게 감사를 표합니다.

[MetaQuotes]

GitHub Copilot - 우선 검토

GitHub Copilot - 우선 검토

GitHub Copilot은 개발자가 할 일 목록을 관리하고 변경 사항을 클라우드에 동기화하고 진행 상황에 대한 실시간 피드백을 제공하는 데 도움이 되는 Chrome 확장 프로그램입니다. 이 동영상에서는 개발자를 위한 일반적인 작업을 자동화하는 GitHub의 새로운 기능인 GitHub Copilot을 소개합니다. 이 기능은 널리 사용되는 프로그래밍 언어인 React를 기반으로 합니다. 동영상은 목차에 행을 만들고 색인 행을 만들고 색인 html을 공개로 보내는 방법을 보여줍니다. 비디오는 또한 목차의 내용을 변경하는 방법과 상태를 처리하는 반응 구성 요소를 만드는 방법을 보여줍니다.

• 00:00:00 GitHub Copilot은 코드 스니펫에 솔루션을 제안하여 개발자를 돕는 코덱스 기반 AI 시스템입니다. 무료 평가판으로 제공되며 함수 및 데이터를 만드는 데 사용할 수 있습니다.
  
  
• 00:05:00 이 비디오에서는 GitHub Copilot이 소개되고 시연됩니다. 이 프로그램을 통해 사용자는 배열, 개체 및 함수를 만들고 데이터를 정렬 및 필터링할 수 있습니다. 그런 다음 비디오는 GitHub Copilot에서 타사 API를 사용하는 방법을 보여줍니다.
  
  
• 00:10:00 GitHub Copilot은 개발자가 할 일 목록을 관리하고 변경 사항을 클라우드에 동기화하고 진행 상황에 대한 실시간 피드백을 제공하는 데 도움이 되는 Chrome 확장 프로그램입니다.
  
  
• 00:15:00 이 동영상에서는 개발자를 위한 일반적인 작업을 자동화하는 GitHub의 새로운 기능인 GitHub Copilot을 소개합니다. 이 기능은 널리 사용되는 프로그래밍 언어인 React를 기반으로 합니다. 동영상은 목차에 행을 만들고 색인 행을 만들고 색인 html을 공개로 보내는 방법을 보여줍니다. 비디오는 또한 목차의 내용을 변경하는 방법과 상태를 처리하는 반응 구성 요소를 만드는 방법을 보여줍니다.

[MetaQuotes]

REAL 시나리오로 테스트된 GitHub Copilot X

REAL 시나리오로 테스트된 GitHub Copilot X

YouTube 동영상은 개발자가 애플리케이션을 처음부터 빌드하고 기존 코드를 이해하고 코드를 리팩토링하도록 지원하여 소프트웨어 작성 방식을 근본적으로 바꿀 수 있는 도구인 Copilot X의 잠재력에 대해 설명합니다. 이 비디오는 Copilot Chat이 코드 탐색 및 이해를 지원하고 프로그래밍 언어의 구문 및 문법을 설명하는 방법을 보여줍니다. 그러나 이 도구의 프롬프트는 항상 정확하지 않으며 일부 코드베이스를 완전히 이해하려면 더 많은 컨텍스트가 필요합니다. 그럼에도 불구하고 이 도구는 기존 코드를 리팩토링하고 수정하는 데 도움이 될 가능성을 보여줍니다. 전반적으로 발표자는 코드를 탐색하고 이해하는 데 있어 Copilot의 정확성과 유용성에 깊은 인상을 받았으며 Copilot이 소프트웨어 작성 방식을 바꿀 것이라고 믿습니다.

• 00:00:00 이 섹션에서 연사는 소프트웨어 작성 방식을 근본적으로 바꿀 수 있는 잠재력으로 인해 많은 주목을 받은 Copilot의 새 버전인 Copilot X에 대해 설명합니다. 그들은 처음부터 응용 프로그램을 구축하고 기존 코드를 이해하고 코드를 리팩터링하는 데 도움이 되는 기능을 테스트하여 Copilot X의 기능을 시연할 것이라고 설명합니다. 발표자는 Copilot Chat을 사용하여 프로세스를 안내하는 Go를 사용하여 GitHub CLI 확장을 생성하려고 시도합니다. Copilot Chat은 유용한 프롬프트와 제안을 제공하여 화자가 처음부터 시작하는 대신 기존 패키지를 사용하여 확장을 빌드하도록 안내합니다. 발표자는 Copilot X의 기능에 깊은 인상을 받았으며 업계에 패러다임 변화를 가져올 잠재력이 있다고 언급했습니다.
  
  
• 00:05:00 이 섹션에서 소프트웨어 개발자는 Copilot이라는 도구를 사용하여 Go 패키지를 시도하고 빌드합니다. 그러나 이 도구는 알 수 없는 작성자의 패키지 설치를 제안하며, 이는 악의적인 행위자가 악용할 경우 공격 벡터가 될 수 있습니다. 개발자는 Copilot 채팅을 사용하여 진행 상황을 명확히 하려고 시도하지만 프롬프트가 충분히 정확하지 않습니다. 이는 이러한 종류의 도구가 개발자를 완전히 대체할 준비가 되어 있지는 않지만 무언가 구축을 시작하는 데 도움이 될 수 있다는 분명한 증거입니다. 개발자는 페이지 매김, API 비율 제한 및 표 작성을 처리하는 게시된 패키지가 있는 CLI와 함께 GitHub API를 활용하는 더 좋은 방법이 있음을 알고 있습니다.
  
  
• 00:10:00 이 섹션에서 YouTube 동영상은 사전 지식이 없는 기존 코드베이스를 이해하기 위해 Copilot X를 사용하는 실험에 대해 설명합니다. 그들은 오픈 소스 Twitter 알고리즘 리포지토리를 사용하여 Copilot이 코드베이스를 이해하는 데 도움이 되는지 확인합니다. YouTube 사용자는 Copilot이 폴더 구조를 분석할 수 있는지 확신하지 못하지만 코드가 수행하는 작업을 설명하도록 요청합니다. Copilot은 일부 중첩된 개체 및 메서드를 사용하여 home mix alert config라는 개체를 정의하여 응답하지만 YouTuber는 더 많은 컨텍스트가 필요하다고 지적합니다. 그런 다음 Copilot에게 클래스와 메서드에 대해 더 구체적인 질문을 하고 Scala 언어에 대한 새로운 내용을 배웁니다. 그러나 그들은 Copilot이 더 많은 컨텍스트가 필요하며 코드를 읽는 것이 때때로 더 도움이 된다는 결론을 내립니다.
  
  
• 00:15:00 이 섹션에서는 스크립트에서 프로그래밍 언어의 구문과 문법을 설명하고 코드 베이스 내의 사용자 정의 요소에 대한 귀중한 피드백을 제공할 수 있는 Copilot Chat의 잠재력에 대해 설명합니다. 스크립트는 언어 기능과 사용자 지정 구성 요소를 구분하여 코드를 더 명확하게 이해할 수 있으므로 초보자 프로그래머나 특정 언어에 익숙하지 않은 사용자를 위한 Copilot Chat의 유용성을 강조합니다. 이 비디오는 또한 Copilot Chat이 주요 개념을 요약하고 관련 코드 섹션을 식별하여 강력한 탐색 도구로 만들어 프로젝트의 Readme 파일을 이해하는 데 어떻게 도움이 되는지 보여줍니다.
  
  
• 00:20:00 비디오의 이 섹션에서 발표자는 Copilot을 사용하여 기존 코드베이스를 탐색하고 리팩터링하는 방법에 대해 설명합니다. 간단한 언어로 코드를 설명하여 Copilot이 기존 코드베이스를 이해하는 데 어떻게 도움이 되는지 보여줍니다. 그들은 또한 코드 리팩토링을 지원하는 Copilot의 잠재력에 대해 언급하지만 도구를 효과적으로 사용하려면 학습 곡선이 있다는 점에 주의해야 합니다. 그런 다음 Copilot을 사용하여 터미널에서 GitHub 리포지토리를 검색하는 node.js로 작성된 작은 유틸리티를 리팩터링합니다. 전반적으로 발표자는 코드를 탐색하고 이해하는 Copilot의 정확성과 유용성에 깊은 인상을 받았습니다.
  
  
• 00:25:00 비디오의 이 섹션에서 발표자는 기존 코드를 리팩터링하여 Axios 사용을 중지하고 대신 Fetch를 사용하는 방법을 보여줍니다. 그는 또한 async/await 및 Node Fetch를 소개하면서 Fetch는 기본적으로 최신 웹 브라우저에서 사용할 수 있지만 Node.js에서는 사용할 수 없다고 설명합니다. 계속해서 그는 함수 호출에 대한 일부 조정과 함께 노드 런타임을 업그레이드하면 코드가 원활하게 작동할 것이라고 설명합니다. 연사는 GitHub Copilot에 대한 흥분을 표현하고 그것이 우리가 소프트웨어를 작성하는 방식을 바꿀 것이라고 믿습니다.
  
  

[MetaQuotes]

R용 GitHub Copilot - 첫인상

R용 GitHub Copilot - 첫인상

이 비디오는 실시간으로 코드를 제안하고 기능을 작성하도록 설계된 AI 기반 쌍 프로그래머인 GitHub Copilot에 대해 배우고 사용하는 사용자 경험을 보여줍니다. 사용자는 Visual Studio Code에서 Copilot for R 프로그래밍을 활성화하려고 시도하고 이를 사용하여 UI 작업 시간을 절약할 수 있는 가능성을 탐색합니다. 또한 Copilot을 사용한 문제 해결 경험과 RStudio에서 Copilot을 사용할 때의 잠재적 가용성 및 비용에 대해서도 논의합니다. 전반적으로 사용자는 R 프로그래밍 작업을 지원하는 Copilot의 잠재력에 대해 신중한 낙관을 표현하고 시청자가 자신의 경험과 권장 사항을 공유하도록 초대합니다.

• 00:00:00 이 섹션에서 YouTuber는 사전에 모든 것을 스크립팅하고 계획하는 대신 녹화하면서 새로운 것을 배우는 새로운 형식의 동영상 제작을 시도합니다. 구체적으로 그는 개방형 AI 코덱스 모델을 사용하여 실시간으로 코드를 제안하고 전체 기능을 작성하는 AI 쌍 프로그래머인 GitHub Copilot에 대해 스스로 가르치고 싶어합니다. 그는 60일 무료 평가판에 등록하고 공개 코드와 일치하는 제안을 허용하고 GitHub Copilot의 모델을 개선하는 데 도움이 되는 코드 스니펫을 허용하는 것과 같은 기본 설정을 제공합니다. 안타깝게도 GitHub Copilot은 RStudio와 호환되지 않으므로 YouTuber는 대신 Visual Studio Code를 사용하기로 결정합니다. 이 비디오는 사용자가 GitHub Copilot에 등록하는 방법과 VS Code에서 설정하는 방법을 보여줍니다.
  
  
• 00:05:00 이 섹션에서는 발표자가 VS Code에서 R 프로그래밍용 GitHub Copilot을 사용한 경험에 대해 설명합니다. 그들은 필요한 확장을 추가하고 R용 Copilot을 활성화하는 과정을 거칩니다. 채울 제안을 받는 데 초기에 약간의 어려움을 겪은 후 주석을 기반으로 코드 제안을 생성하려고 시도하고 성공적으로 Copilot으로부터 제안을 받습니다. 전반적으로 발표자는 Copilot이 향후 R 프로그래밍 작업을 지원할 가능성에 대해 조심스럽게 낙관하는 것 같습니다.
  
  
• 00:10:00 이 섹션에서 사용자는 R 스크립트 생성에 대한 GitHub Copilot의 기능을 테스트합니다. 그들은 Shiny 애플리케이션의 사용자 인터페이스 측면 생성과 같은 지루한 작업에 가장 적합하다는 것을 발견했습니다. 사용자는 간단한 Shiny 앱의 UI 및 서버 논리 구성 요소를 신속하게 생성하는 Copilot의 기능에 특히 깊은 인상을 받았습니다. VS 코드가 Shiny 앱을 실행할 수 있는지 확실하지 않지만 전체 앱을 실행할 수 있었습니다. 또한 Copilot을 사용하여 UI 작업 시간을 절약하여 작업의 보다 복잡한 측면에 집중할 수 있는 가능성을 탐색합니다.
  
  
• 00:15:00 이 섹션에서 발표자는 R용 GitHub Copilot을 사용하는 동안의 문제 해결 경험을 설명합니다. 그들은 처음에 코드 실행 문제에 직면하고 Visual Studio용 R 도구가 필요하다고 생각합니다. 그러나 그들은 결국 "앱 실행" 기능을 사용해야 한다는 것을 깨닫습니다. 연사는 GitHub Copilot의 기능에 깊은 인상을 받았으며 IDE에서 직접 코드를 제안하는 기능을 높이 평가합니다. 그들은 그것을 RStudio에 통합하는 데 관심을 표명하지만 GitHub 문제에 대한 토론은 이 통합이 이루어져야 하는지 여부에 대한 철학적 논쟁이 있음을 시사합니다. 화자는 또한 스크립트를 기능으로 변환하는 비디오를 보게 되는데 Copilot과 유사한 개념임을 알게 됩니다.
  
  
• 00:20:00 이 섹션에서 발표자는 RStudio에서 R용 GitHub Copilot의 가용성 및 잠재적 비용에 대해 논의합니다. Copilot은 현재 RStudio에서 사용할 수 없지만 GPT Studio라는 대안을 사용하여 채팅 GPT 기능을 추가할 수 있습니다. 연사는 또한 Copilot이 연간 100달러로 저렴한 반면 GPT Studio는 토큰 기반 종량제 모델을 사용한다고 언급했습니다. 연사는 이러한 옵션 사이의 결정이 개인 선호도와 사용 의도에 따라 결정될 수 있음을 인정하고 시청자가 경험과 권장 사항을 공유하도록 초대합니다.

[MetaQuotes]

David Smith - R용 Copilot

David Smith - R용 Copilot

David Smith는 생성 AI를 사용하여 개발 중인 코드의 컨텍스트를 살펴봄으로써 코딩의 다음 단계를 제안하는 GitHub에서 제공하는 서비스인 R용 copilot의 사용에 대해 설명합니다. 그는 copilot의 데모를 제공하고 작동 방식에 대해 자세히 설명하고 한계에 대해 논의하는 동시에 예측 AI 모델을 사용하여 텍스트 프롬프트에서 복잡한 코드와 이미지까지 생성할 때의 이점을 보여줍니다. 또한 이러한 모델을 훈련하는 방법, 텍스트, 이미지 및 코드를 생성하는 방법, 지능적이지는 않지만 정보를 추출하고 새로운 콘텐츠를 만드는 데 사용할 수 있는 방법과 같은 다른 주제도 다룹니다. 또한 상업용 작업을 위한 Co-Pilot의 라이센스 고려 사항 및 사용에 대해 설명합니다.

또한 활성 R 평가 및 R 환경에 대한 정보 부족을 포함하여 Copilot for R의 한계에 대해서도 설명합니다. 그는 잘못된 제안을 받은 경우 컨텍스트와 메시지를 수정하는 방법을 설명하고 독점 코드에 Copilot을 사용하는 것과 관련된 개인 정보 보호 문제를 해결합니다. Smith는 또한 Copilot을 사용하도록 VS 코드를 구성하는 방법에 대한 지침을 제공하고 GitHub 랩 및 셸 프롬프트용 버전을 비롯한 향후 기능에 대해 설명합니다. 강연은 R의 역사와 사용자가 만든 혁신에 대해 다룹니다. Copilot의 응답은 창의적이지 않으며 주어진 프롬프트에 따라 훈련된 내용의 융합이므로 유용한 코드가 생성되도록 신중하게 고려해야 합니다.

• 00:00:00 이 섹션에서 연사는 가상의 2023년 2월 뉴욕 공개 통계 프로그래밍 Meetup에 참석한 모든 사람을 환영하며 연사와 개최 장소를 찾을 수 있는 즉시 하이브리드 형식으로 전환할 것이라고 언급합니다. 연사는 참석자들이 NY hack R slack 채널에 채용 공고를 게시하도록 권장하고 시간제 및 정규직 데이터 과학자, 데이터 엔지니어 및 영업 역할에 대한 자신의 채용 공고에 대해 이야기합니다. 그들은 또한 그들이 먹고 있는 피자에 대해 토론하고 참석자들이 음식을 얻는 곳을 공유하도록 권장합니다. 그런 다음 연사는 예정된 회의를 발표하고 참석자에게 할인 코드를 제공하며 이벤트가 끝나면 무료 티켓을 받을 수 있는 기회를 제공합니다.
  
  
• 00:05:00 이 섹션에서 발표자는 Data Council, Tampa의 D4con, Mir, Arc 및 ODSC를 포함하여 예정된 컨퍼런스에 대해 논의하고 이메일 구독자에게 이러한 이벤트에 대한 할인 코드를 제공하려고 한다고 언급합니다. 그들은 또한 뉴욕시에서 Meetup을 주최할 장소를 찾고 5월 Meetup의 연사를 찾는 데 도움을 요청합니다. 연사는 참석자들이 NY Hack R Slack 채널에 참여하여 R, Python, Julia, SQL 및 기타 주제에 대해 질문하고 NY Hacker 웹사이트에 13년 분량의 강연과 학습에 사용할 수 있는 리소스가 있다고 언급하도록 권장합니다.
  
  
• 00:10:00 이 섹션에서 발표자는 자신을 소개하고 R용 copilot 사용에 대해 이야기합니다. Copilot은 GitHub에서 제공하는 서비스로 생성 AI를 사용하여 다음 컨텍스트를 살펴보고 코딩의 다음 단계를 제안한다고 설명합니다. 개발 중인 코드. 연사는 또한 부조종사의 데모를 제공하고 작동 방식에 대해 자세히 설명합니다. 그는 copilot이 편집기 환경 내에서 가장 잘 사용되며 사용자가 Visual Studio 코드에서 copilot을 시작할 수 있는 링크를 제공한다고 언급합니다.
  
  
• 00:15:00 이 섹션에서 David Smith는 Github의 부조종사를 사용하여 호박 데이터 세트 분석을 라이브 코딩합니다. 그는 데이터 세트를 읽고 Tidy 구절을 사용하여 데이터를 준비합니다. Copilot은 열 이름을 정리하기 위해 janitor 패키지를 제안하는 데 도움을 줍니다. 그런 다음 David는 sample_n 함수를 사용하여 데이터 세트의 임의 행을 표시합니다. 패키지 색상별로 평균 고가를 표시하는 테이블을 만든 다음 aov 함수를 사용하여 분산 분석을 모델링합니다. 그러나 David는 copilot이 결정적이지 않을 수 있다고 지적합니다. 때때로 솔루션을 Knitter에 전달하여 멋진 형식의 테이블을 생성하지만 때로는 그렇지 않기 때문입니다.
  
  
• 00:20:00 이 섹션에서 David Smith는 Copilot이 GPT-3 및 Codex와 같은 생성 AI 모델을 사용하여 어떻게 작동하는지 설명합니다. 이러한 모델은 스크립트의 이전 코드 줄인 프롬프트에서 코드 제안을 생성합니다. Copilot은 동일한 방식으로 생성 AI 모델을 사용하여 R에서 통계 분석을 위한 코드 관용구 및 함수를 제안합니다. 이러한 모델은 방대한 양의 훈련 데이터를 사용하여 구축되며, 예를 들어 GPT-3는 수십억 개의 매개 변수가 있으며 리터럴에 대해 훈련되었습니다. 제타바이트의 데이터. 이러한 모델은 텍스트 프롬프트에서 복잡한 코드와 이미지까지 생성할 수 있는 강력한 도구입니다.
  
  
• 00:25:00 이 섹션에서 David Smith는 OpenAI의 신경망과 같은 생성 AI 모델이 텍스트, 이미지 및 코드를 생성할 수 있는 방법에 대해 설명합니다. 이러한 모델은 인간과 유사한 콘텐츠를 생성할 수 있는 의학 문헌과 같은 다양한 유형의 데이터에 대해 학습됩니다. 정보를 추출하고 새로운 콘텐츠를 생성할 수 있지만 지능적이지 않고 배우지 않는다는 점에 유의해야 합니다. 또한 이러한 모델은 사실을 환각하고 동일한 프롬프트에 대해 다른 응답을 제공할 수 있으므로 신뢰할 수 없습니다. 이러한 모델은 훈련 데이터를 기반으로만 예측을 수행하며 본질적으로 훈련 세트의 모든 정보를 포함하지 않는 블랙 박스입니다.
  
  
• 00:30:00 이 섹션에서 David Smith는 생성 AI와 그 한계에 대해 논의하며 언어, 수학, 사실, 매너, 감정 또는 윤리를 이해하지 못한다는 점을 강조합니다. 그러나 그는 신속한 엔지니어링을 사용하여 이러한 단점 중 일부를 완화할 수 있다고 지적합니다. 그는 또한 Microsoft가 Azure 서비스 내에서 사용할 수 있는 GPT-3와 같은 모델을 만들기 위해 OpenAI와 제휴했다고 언급했습니다. OpenAI Codex 모델을 활용하고 Visual Studio에서 코드에 대한 제안을 제공하는 Co-pilot이 이러한 협업의 예입니다.
  
  
• 00:35:00 이 섹션에서 David Smith는 실제 생성 AI 사용과 코드를 사용하여 OpenAI 서비스와 상호 작용하는 방법을 시연합니다. 그는 API와의 상호 작용을 수동으로 설정하는 방법을 보여주고 API로 보낼 URL 및 페이로드를 정의합니다. 또한 그는 코드와 오류 검사를 캡슐화하는 기능을 공유합니다. 그는 농담을 요청하는 방법을 시연하고 AI 모델이 블랙박스이고 실시간으로 업데이트되지 않기 때문에 발생할 수 있는 몇 가지 잠재적인 문제를 지적합니다.
  
  
• 00:40:00 이 섹션에서 David Smith는 다양한 AI 모델이 프롬프트에 대한 응답을 생성하는 방법을 보여줍니다. Copilot for R 및 Codex의 예를 사용하여 그는 모델이 시간적으로 고정되고 비결정적임을 보여줍니다. 즉, 동일한 프롬프트가 다른 결과를 생성할 수 있음을 의미합니다. 리머릭을 작성하라는 메시지가 표시되면 GPT-3의 최신 버전은 운율이 좋은 리머릭을 만들 수 있는 반면 이전 버전은 운율이 맞지 않는 리머릭을 생성합니다. David는 또한 AI가 생성할 수 있는 잠재적인 토큰에 대한 확률인 토큰을 사용하여 프롬프트가 생성되는 방법과 모델이 상위 몇 가지 더 높은 확률에서 선택하는 방법을 설명합니다.
  
  
• 00:45:00 이 섹션에서 David Smith는 사람과 유사한 텍스트를 생성하기 위해 GPT 모델에서 토큰을 사용하는 방법을 설명하고 OpenAI 서비스를 사용하여 R에서 토큰 시퀀스를 생성하는 방법을 시연합니다. 그는 GPT 모델을 활용하는 프로그램이 시간과 헌신적인 생각을 절약하고 궁극적으로 더 만족스러운 코딩 세션을 가능하게 한다고 언급합니다. Smith는 또한 GitHub Copilot이 무료는 아니지만 OpenAI 서비스는 무료이며 둘 다 Azure에서 활용할 수 있다고 언급합니다.
  
  
• 00:50:00 이 섹션에서 David Smith는 강연에 제시된 4명의 편집자 외에 다른 편집자에서 Co-pilot을 사용할 수 있는지 여부(불행히도 아니요)를 포함하여 시청자의 질문을 처리했습니다. magrittr 대신 기본 파이프를 사용하려고 시도했는지 여부(그는 사용하지 않았다고 인정했지만 지금 습관을 바꾸면 부조종사의 유용성에 영향을 미칠 수 있다고 추측함); 그리고 Co-pilot의 기본 모델이 최신 개발을 반영하기 위해 업데이트되는 빈도는 시간과 비용으로 인해 자주 업데이트되는 것은 아니지만 미세 조정은 개별 사용자에게 남겨질 가능성이 있다고 말했습니다. 새로운 코퍼스 데이터로 모델을 재교육할 수 있습니다.
  
  
• 00:55:00 이 섹션에서는 David Smith가 상업 작업을 위한 Co-Pilot의 라이센스 고려 사항 및 사용에 대해 설명합니다. 그는 Co-Pilot이 생성한 코드는 생성한 사람의 소유임을 강조합니다. Co-Pilot은 AI 모델을 생성하는 데 유용할 수 있지만 사용자는 생성된 코드를 확인하고 보안 및 정확성 테스트를 수행하여 신뢰할 수 있는지 확인해야 합니다. David는 또한 Co-Pilot을 사용한 경험을 공유하며, 자신이 알지 못하는 관용구와 기능을 표시하는 데 능숙하지만 복잡하거나 고유한 기능을 만들려고 할 때 훈련 데이터에 다시 끌리는 경향이 있습니다. 또한 그는 Co-Pilot에서 생성한 Tidy 절과 데이터 테이블 코드를 비교할 수 있는 가능성에 대해 논의하고 관심 있는 모든 사람에게 풀 요청을 요청합니다.
  
  
• 01:00:00 이 섹션에서 David Smith는 Copilot for R의 제한 사항에 대해 설명합니다. 그는 Copilot이 활성 R 평가를 수행하지 않으며 R 환경에 대한 정보를 얻지 못한다고 지적합니다. 또한 Copilot은 이전에 수행한 작업을 기반으로 토큰을 생성합니다. 즉, 완전히 넌센스를 생성할 수 있습니다. 토큰을 생성하기 위해 최선을 다하고 있지만 생성된 코드가 실제로 유용한지 확인하기 위해 주의를 기울여야 합니다. 또한 David는 Copilot의 응답이 창의적이지 않으며 실제로 주어진 프롬프트에 따라 훈련된 내용을 통합한 것이라고 설명합니다.
  
  
• 01:05:00 이 섹션에서 David Smith는 Copilot for R을 사용하여 작성하는 것과 다르게 보이는 항목이 있는 경우 컨텍스트 및 프롬프트를 수정하는 방법에 대해 설명합니다. 또한 Copilot을 독점적으로 사용하는 경우의 개인 정보 보호 영향에 대한 통찰력을 제공합니다. 암호. 프롬프트를 생성하기 위해 코드 스니펫이 Copilot 서버로 전송되는 동안 세션 직후에 폐기됩니다. David는 Microsoft가 이러한 문제에 민감하며 이를 염두에 두고 Copilot을 설계했다고 지적합니다. 또한 David는 Copilot의 라이선스 및 코드 완성에 대한 많은 질문을 다루는 GitHub FAQ에 대한 링크를 제공합니다.
  
  
• 01:10:00 이 섹션에서는 David Smith가 기존 intelliSense 대신 Copilot을 사용하여 데모의 모든 코드 완성을 달성한 방법에 대해 설명합니다. 또한 intelliSense 및 기타 불필요한 기능을 끄는 방법에 대한 지침을 포함하여 Copilot 및 R을 사용하기 위한 VS 코드 구성을 제공합니다. Copilot이 디버깅이나 최적화와 같은 복잡한 코딩 작업을 처리하는 방법에 대한 질문에 그는 해당 분야에 대한 경험이 없음을 인정하지만 디버깅 프로세스를 위한 테스트를 생성하는 데 Copilot의 유용성을 언급합니다. 그는 또한 Copilot 및 GPT-3용으로 개발 중인 차세대 모델이 문제가 있는 피드백 루프를 피하기 위해 AI 생성 콘텐츠 없이 훈련되고 있다고 지적합니다.
  
  
• 01:15:00 이 섹션에서 연사는 사용자가 코드를 강조 표시하고 코드가 수행하는 작업에 대한 영어 설명을 받을 수 있는 GitHub 랩을 포함하여 Copilot에 제공되는 몇 가지 새로운 기능에 대해 언급합니다. 또한 명령을 입력할 때 코드를 제안하는 셸 프롬프트용 Copilot 버전이 있습니다. 토론은 또한 데이터 테이블 패키지와 1974년 John Chambers가 Bell Labs에서 발명한 프로그래밍 언어 S에서 파생된 R 언어의 역사에 대해 간략하게 다룹니다. 전반적으로 이야기는 R의 오랜 역사와 다양한 기여에 중점을 두었습니다. 스피커와 같은 사용자가 만드는 혁신.