مجله علمی تفریحی بیبیس
0

دانلود کتاب برنامه نویسی به کمک هوش مصنوعی برای وب و یادگیری ماشین – فرایند برنامه نویسی را با ChatGPT و GitHub Copilot بهبود دهید

بازدید 1265
  • عنوان کتاب: AI-Assisted Programming for Web and Machine Learning / Improve your development workflow with ChatGPT and GitHub Copilot
  • نویسنده/انتشارات: Christoffer Noring
  • حوزه: برنامه نویسی خودکار , ChatGPT
  • سال انتشار: 2024
  • تعداد صفحه: 720
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 19.3 مگابایت

مخاطبان این کتاب متخصصان توسعه وب، یادگیری ماشین و زمینه های علم داده هستند. شما باید یک حرفه ای با حداقل 1-3 سال تجربه باشید. این کتاب به معنای توانمندسازی شما با نشان دادن چگونگی استفاده از دستیاران هوش مصنوعی در حوزه های مختلف مشکل است. ویژگی‌های کلی را توصیف می‌کند، اما همچنین توصیه‌هایی در مورد تحریک مؤثر برای بهترین نتایج ارائه می‌دهد. فصل 1، دنیای جدیدی است، دنیایی با دستیاران هوش مصنوعی، و شما دعوت شده‌اید، به این می‌پردازد که چگونه شروع به استفاده از مدل‌های زبان بزرگ کرده‌ایم و چگونه برای بسیاری، نه فقط کارکنان فناوری اطلاعات، یک تغییر پارادایم ایجاد می‌کند. فصل 2، استراتژی سریع، استراتژی مورد استفاده در سراسر کتاب را از نظر حل کردن یک مشکل و برخی از اصول راهنما در مورد چگونگی ارائه موثر ابزار هوش مصنوعی انتخابی توضیح می دهد. فصل 3، ابزارهای تجارت: معرفی دستیاران هوش مصنوعی ما، جایی است که نحوه کار با دو دستیار AI انتخابی خود، GitHub Copilot و ChatGPT را توضیح می‌دهیم که همه چیز از نصب تا نحوه شروع استفاده از آنها را پوشش می‌دهد. فصل 4، ساختن ظاهر برنامه ما با HTML و Copilot، بر ساخت ظاهری برای برنامه تجارت الکترونیک ما تمرکز دارد (روایتی که در سراسر کتاب مشاهده خواهید کرد). فصل 5، سبک برنامه را با CSS و Copilot، جایی است که ما به کار بر روی برنامه تجارت الکترونیک خود ادامه می دهیم، اما اکنون به طور خاص بر روی CSS تمرکز می کنیم و اطمینان حاصل می کنیم که ظاهر جذاب است. فصل 6، افزودن رفتار با جاوا اسکریپت، جایی است که ما رفتار را با استفاده از جاوا اسکریپت به برنامه تجارت الکترونیک خود اضافه می کنیم. فصل 7، پشتیبانی از چند پورت نمایش با استفاده از طرح‌بندی‌های وب واکنش‌گرا، جایی است که به این واقعیت می‌پردازیم که یک برنامه باید برای انواع دستگاه‌های مختلف کار کند، خواه یک صفحه نمایش کوچکتر موبایل، تبلت یا صفحه دسکتاپ باشد. بنابراین، این فصل بر طراحی واکنشگرا تمرکز دارد. فصل 8، ساخت Backend با Web API، به این می‌پردازد که چگونه برای اینکه برنامه واقعاً کار کند، باید یک Backend متشکل از کدی داشته باشد که بتواند داده‌ها را بخواند و بنویسد و آن‌ها را حفظ کند. بنابراین، این فصل بر ایجاد یک وب API برای برنامه تجارت الکترونیک ما تمرکز دارد. فصل 9، تقویت برنامه‌های وب با خدمات هوش مصنوعی، آموزش یک مدل یادگیری ماشینی و نحوه نمایش آن از طریق Web API برای مصرف توسط هر کسی که دارای مرورگر یا نوع دیگری از کلاینت قادر به استفاده از پروتکل HTTP است را پوشش می‌دهد. فصل 10، حفظ پایگاه های کد موجود، نحوه کار اکثر توسعه دهندگان بر روی کدهای موجود و حفظ پایگاه های کد موجود به جای ایجاد پروژه های جدید را پوشش می دهد. بنابراین، این فصل بر جنبه‌های مختلف نگهداری کد، مانند برخورد با اشکالات، عملکرد، کار با تست‌ها و موارد دیگر تمرکز دارد. فصل 11، کاوش داده ها با ChatGPT، جایی است که ما با مجموعه داده های مروری کار می کنیم و یاد می گیریم بینش هایی را در مورد توزیع، روندها، همبستگی و موارد دیگر شناسایی کنیم. فصل 12، ساختن یک مدل طبقه‌بندی با ChatGPT، به مجموعه داده‌های مروری مشابه در فصل 11 نگاه می‌کند و این بار تجزیه و تحلیل احساسات و طبقه‌بندی را انجام می‌دهد. فصل 13، ساخت یک مدل رگرسیونی برای هزینه های مشتری با ChatGPT، تلاش می کند تا میزان هزینه سالانه مشتریان را پیش بینی کند و از رگرسیون برای ایجاد مدلی استفاده می کند که قادر به انجام این پیش بینی باشد. فصل 14، ساخت یک مدل MLP برای Fashion-MNIST با ChatGPT، به ساخت یک مدل MLP بر اساس مجموعه داده های مد می پردازد، که همچنان به موضوع کلی تجارت الکترونیک ما پایبند است. فصل 15، ساخت یک مدل CNN برای CIFAR-10 با ChatGPT، بر ساخت یک مدل CNN تمرکز دارد. فصل 16، یادگیری بدون نظارت: خوشه بندی و PCA، بر خوشه بندی و PCA تمرکز دارد. فصل 17، یادگیری ماشین با Copilot، انجام یادگیری ماشینی را با استفاده از GitHub Copilot برای مقایسه آن با ChatGPT پوشش می‌دهد. فصل 18، رگرسیون با چت Copilot، جایی است که ما یک مدل رگرسیون ایجاد می کنیم. همچنین، این فصل از GitHub Copilot استفاده می کند. فصل 19، رگرسیون با پیشنهادات Copilot، مانند فصل قبل، بر روی رگرسیون با استفاده از GitHub Copilot تمرکز دارد. تفاوت بین این فصل و فصل قبل در این است که در اینجا ما از پیشنهادات مربوط به نوشتن اعلان ها به عنوان نظرات در یک فایل متنی استفاده می کنیم، نه اینکه درخواست خود را در یک رابط چت مانند بنویسیم. فصل 20، افزایش کارایی با استفاده از GitHub Copilot، بر استفاده حداکثری از GitHub Copilot تمرکز دارد. اگر می خواهید به GitHub Copilot مسلط شوید، این فصل باید بخوانید. فصل 21، عوامل در توسعه نرم افزار، نگاهی به آنچه در آینده در هوش مصنوعی، یعنی نمایندگان، می آید، می اندازد. عوامل می توانند با عمل مستقل بر اساس یک هدف سطح بالا به شما در درجه بسیار بالاتری کمک کنند. اگر در مورد روندهای آینده کنجکاو هستید، قطعاً ارزش خواندن دارد. فصل 22، نتیجه‌گیری، کتاب را با نتیجه‌گیری در مورد درس‌های بزرگ‌تری که در مورد کار با دستیاران هوش مصنوعی آموخته‌ایم، به پایان می‌رساند.

The target audience for this book is professionals in the web development, machine learning, and data science fields. You should be a professional with at least 1-3 years of experience. This book means to empower you by showcasing how AI assistants can be leveraged in different problem domains. It describes overall features but also gives recommendations on effective prompting for best results. Chapter 1, It’s a New World, One with AI Assistants, and You’re Invited, looks at how we started using large language models and how it constitutes a paradigm shift for many, not just IT workers. Chapter 2, Prompt Strategy, explains the strategy used throughout the book in terms of breaking down a problem and some guiding principles on how to effectively prompt your chosen AI tool. Chapter 3, Tools of the Trade: Introducing Our AI Assistants, is where we explain how to work with our two chosen AI assistants, GitHub Copilot and ChatGPT, covering everything from installation to how to get started using them. Chapter 4, Build the Appearance of Our App with HTML and Copilot, focuses on building the frontend for our e-commerce app (a narrative you will see featured throughout the book). Chapter 5, Style the App with CSS and Copilot, is where we keep working on our e-commerce app but now focus specifically on CSS and ensuring the appearance is appealing. Chapter 6, Add Behaviour with JavaScript, is where we add behavior to our e-commerce app using JavaScript. Chapter 7, Support Multiple Viewports Using Responsive Web Layouts, is where we address the fact that an app needs to work for different device types, whether it’s a smaller mobile screen, a tablet, or a desktop screen. Therefore, this chapter focuses on responsive design. Chapter 8, Build a Backend with Web APIs, looks at how, for the app to actually work, it needs to have a backend, consisting of code that’s able to read and write data and persist it. This chapter therefore focuses on building a Web API for our e-commerce app. Chapter 9, Augment Web apps with AI Services, covers training a machine learning model and how to expose it via a Web API for consumption by anyone with a browser or other type of client capable of using the HTTP protocol. Chapter 10, Maintaining Existing Codebases, covers how most developers work on existing code and maintain existing codebases rather than creating new projects. Therefore, this chapter focuses on various aspects of maintaining code, like dealing with bugs, performance, working with tests, and more. Chapter 11, Data Exploration with ChatGPT, is where we work with a review dataset and learn to identify insights into distribution, trends, correlation, and more. Chapter 12, Building a Classification Model with ChatGPT, looks at the same review dataset as in Chapter 11, this time performing classification and sentiment analysis. Chapter 13, Building a Regression Model for Customer Spend with ChatGPT, attempts to predict the yearly amount spent by customers and uses regression to create a model capable of making this prediction. Chapter 14, Building an MLP Model for Fashion-MNIST with ChatGPT, looks at building an MLP model based on a fashion dataset, still sticking to our general theme of e-commerce. Chapter 15, Building a CNN Model for CIFAR-10 with ChatGPT, focuses on building a CNN model. Chapter 16, Unsupervised Learning: Clustering and PCA, focuses on clustering and PCA. Chapter 17, Machine Learning with Copilot, covers conducting machine learning using GitHub Copilot to contrast it with ChatGPT. Chapter 18, Regression with Copilot Chat, is where we develop a regression model. Also, this chapter uses GitHub Copilot. Chapter 19, Regression with Copilot Suggestions, like the preceding chapter, focuses on regression using GitHub Copilot. The difference between this and the preceding chapter is that here we use the suggestions from writing prompts as comments in a text file, rather than writing our prompt in a chat-like interface. Chapter 20, Increasing Efficiency with GitHub Copilot, focuses on getting the most out of GitHub Copilot. This chapter is a must read if you want to master GitHub Copilot. Chapter 21, Agents in Software Development, takes a look at what’s coming next within AI, namely, agents. Agents are able to assist you to a much higher degree by acting autonomously based on a high-level goal. This is definitely worth a read if you’re curious about future trends. Chapter 22, Conclusion, wraps up the book by drawing some conclusions as to the greater lessons learned about working with AI assistants.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: AI-Assisted Programming for Web and Machine Learning 

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید