Yapay zeka araçlarının abartılı reklamı ile fiili kullanımı arasında büyük bir boşluk açılıyor. Bazı endüstrilerde, özellikle kod asistanları gibi geliştiricilerin günlük yaşamlarını önemli ölçüde iyileştirebilecek pratik araçlar zaten mevcuttur. Roman Wartala bir röportajında nasıl antrenman yapılacağını açıklıyor.
Duyuru
Ramon Wartala, Hamburg’daki Accenture Song’da Veri Bilimi Direktörüdür. Bir danışman olarak kendisi ve ekibi, müşterilerinin makine öğrenimi çözümleri için veri mimarileri tasarlıyor ve uyguluyor.
Yapay zeka eğitimi karmaşıktır. Şirketler bitmiş modeli buluttan ayırmak yerine neden bu sorunu kendileri çözsünler ki?
Şirketlerin üçüncü taraflara vermek istemedikleri belirli miktarda veri var. Bazı şirketler iş açısından kritik uygulamalar için kaynak kodu içerir. Ancak, kod yardımcılarının bir parçası olarak kendi kaynak kodunuzu kullanmak istiyorsanız, açık kaynak şablonlarından ve kendi ayarlamalarınızdan kaçınmanın yolu yoktur.
Kod asistanı eğitimini diğer yapay zeka uygulamalarından farklı kılan nedir?
Kod sihirbazları ana dil modellerinden biridir. Şu anda bu LLM’lerin mimarisi diğer Transformer modellerinden önemli ölçüde farklı değildir. Antrenman yaparken dikkat edilmesi gereken birkaç nokta var. Ortayı doldurma durumu genellikle kod yardımcılarında (örneğin, bir işlev içinde parametreler oluşturmak istediğinizde) ortaya çıkar. Bu nedenle tokenizer’ın, kaynak kodun hangi kısmının tahmine dahil edilmesi ve hangisinin dahil edilmemesi gerektiğini bulması gerekiyor.
Yapay zeka olmadan bile programlama için kanıtlanmış birçok araç var. Geliştiriciler günlük yaşamda nerede önemli gelişmeler bekleyebilirler?
IDE’ler kaynak kodunu otomatik olarak tamamlayabildiğinden neredeyse hiçbir geliştirici bu özelliğe sahip olmayan editörleri kullanmaz. Büyük dil modellerine sahip kod yardımcıları, yönlendirmeli kod oluşturmaya yönelik mantıklı bir adımdır. Burada odak noktası, tamamlanabilecek fonksiyonların adlarından, oluşturulabilecek tüm program bloklarına veya yapı iskelelerine kayar.
Kod oluşturmanın son olması gerekmez. OpenAI’nin Kod Yorumlayıcısı veya açık kaynak Open Interpreter gibi araçlar, rehberli yazılım geliştirmenin nasıl görünebileceğini gösterir. Modal Labs geliştiricisi gibi aracılar ve araçlar, geliştirmenin büyük dil modelleriyle nasıl daha da otomatikleştirilebileceğini gösteriyor.
Ramon, yanıtların için çok teşekkürler! Okuyucular kodlama asistanları hakkındaki tüm bilgileri Haberler+ makalesinde ve halihazırda mevcut olan yeni iX 10/2023’te bulabilirler.
“Üç soru ve cevap” serisinde iX, ister bilgisayar önündeki kullanıcının bakış açısı, ister yöneticinin bakış açısı, ister yöneticinin günlük yaşamı olsun, günümüzün BT zorluklarının özüne inmek istiyor. bir yönetici. Günlük uygulamalarınızdan veya kullanıcılarınızdan önerileriniz var mı? Hangi konuyu kısa ve doğrudan okumak istersiniz? O halde bize yazmaktan veya forumda yorum bırakmaktan çekinmeyin.
(fo)
Haberin Sonu
Duyuru
Ramon Wartala, Hamburg’daki Accenture Song’da Veri Bilimi Direktörüdür. Bir danışman olarak kendisi ve ekibi, müşterilerinin makine öğrenimi çözümleri için veri mimarileri tasarlıyor ve uyguluyor.
Yapay zeka eğitimi karmaşıktır. Şirketler bitmiş modeli buluttan ayırmak yerine neden bu sorunu kendileri çözsünler ki?
Şirketlerin üçüncü taraflara vermek istemedikleri belirli miktarda veri var. Bazı şirketler iş açısından kritik uygulamalar için kaynak kodu içerir. Ancak, kod yardımcılarının bir parçası olarak kendi kaynak kodunuzu kullanmak istiyorsanız, açık kaynak şablonlarından ve kendi ayarlamalarınızdan kaçınmanın yolu yoktur.
Kod asistanı eğitimini diğer yapay zeka uygulamalarından farklı kılan nedir?
Kod sihirbazları ana dil modellerinden biridir. Şu anda bu LLM’lerin mimarisi diğer Transformer modellerinden önemli ölçüde farklı değildir. Antrenman yaparken dikkat edilmesi gereken birkaç nokta var. Ortayı doldurma durumu genellikle kod yardımcılarında (örneğin, bir işlev içinde parametreler oluşturmak istediğinizde) ortaya çıkar. Bu nedenle tokenizer’ın, kaynak kodun hangi kısmının tahmine dahil edilmesi ve hangisinin dahil edilmemesi gerektiğini bulması gerekiyor.
Yapay zeka olmadan bile programlama için kanıtlanmış birçok araç var. Geliştiriciler günlük yaşamda nerede önemli gelişmeler bekleyebilirler?
IDE’ler kaynak kodunu otomatik olarak tamamlayabildiğinden neredeyse hiçbir geliştirici bu özelliğe sahip olmayan editörleri kullanmaz. Büyük dil modellerine sahip kod yardımcıları, yönlendirmeli kod oluşturmaya yönelik mantıklı bir adımdır. Burada odak noktası, tamamlanabilecek fonksiyonların adlarından, oluşturulabilecek tüm program bloklarına veya yapı iskelelerine kayar.
Kod oluşturmanın son olması gerekmez. OpenAI’nin Kod Yorumlayıcısı veya açık kaynak Open Interpreter gibi araçlar, rehberli yazılım geliştirmenin nasıl görünebileceğini gösterir. Modal Labs geliştiricisi gibi aracılar ve araçlar, geliştirmenin büyük dil modelleriyle nasıl daha da otomatikleştirilebileceğini gösteriyor.
Ramon, yanıtların için çok teşekkürler! Okuyucular kodlama asistanları hakkındaki tüm bilgileri Haberler+ makalesinde ve halihazırda mevcut olan yeni iX 10/2023’te bulabilirler.
“Üç soru ve cevap” serisinde iX, ister bilgisayar önündeki kullanıcının bakış açısı, ister yöneticinin bakış açısı, ister yöneticinin günlük yaşamı olsun, günümüzün BT zorluklarının özüne inmek istiyor. bir yönetici. Günlük uygulamalarınızdan veya kullanıcılarınızdan önerileriniz var mı? Hangi konuyu kısa ve doğrudan okumak istersiniz? O halde bize yazmaktan veya forumda yorum bırakmaktan çekinmeyin.
(fo)
Haberin Sonu