Kurs
Einführung in Python
4 Std.
7M
Ob komplexes Projekt oder monotone Fleißarbeit: GitHub Copilot bringt Tempo in deinen Code-Alltag. In diesem Tutorial erfährst du, wie GitHub Copilot funktioniert, welche Kernfunktionen es bietet und wie es deine Produktivität und Effizienz beim Programmieren deutlich steigert. Los geht’s.
Wenn du ganz neu bei GitHub bist, ist der Blogbeitrag Understanding GitHub ein idealer Einstieg – lies ihn am besten zuerst.
Was ist GitHub Copilot?
GitHub Copilot ist ein wegweisender KI-gestützter Programmierassistent, den GitHub 2021 veröffentlicht hat. Er basiert auf OpenAIs Codex-Modell, einem Ableger der GPT-Modelle, der gezielt auf verschiedenste Programmiersprachen und Codekontexte trainiert wurde. Deshalb gilt GitHub Copilot für Code-Schreibaufgaben oft als leistungsfähiger als ChatGPT.
Das beeindruckendste Merkmal von GitHub Copilot ist die nahtlose Integration in gängige Entwicklungsumgebungen wie Visual Studio Code. Direkt im Editor eingebettet, agiert Copilot wie ein Pair-Programming-Partner: mit Echtzeit-Vorschlägen, Codevervollständigungen und Empfehlungen – alles davon schauen wir uns im Detail an.
Die Funktionen von GitHub Copilot entdecken
GitHub Copilot bietet viele zeitsparende Features. Hier sind die wichtigsten, die deinen Data-Science-Projektzyklus spürbar beschleunigen können.
Chat-Interface direkt im Editor
GitHub Copilot bringt ein Chat-Interface à la ChatGPT direkt in deine IDE. So musst du nicht mehr zwischen Editor und externen Webseiten hin- und herspringen, um Code zu korrigieren.
Schau dir folgendes Beispiel an: Wir bitten GitHub Copilot, den Code zu erzeugen, der einen Text mit dem OpenAI-Modell von Englisch nach Italienisch übersetzt.
GitHub Copilot-Sidebar in der VS-Code-IDE
GitHub Copilot für die Kommandozeile
Für alle, die im Terminal arbeiten, bietet GitHub Copilot in the CLI eine Chat-ähnliche Oberfläche in der Kommandozeile. Hier haben wir GitHub Copilot gebeten, den Befehl sudo apt-get zu erklären.
GitHub Copilot in der Kommandozeile
GitHub Copilot für Doku
GitHub Copilot kann KI-generierte Antworten geben, indem es Informationen direkt aus der Dokumentation bezieht – das spart viel Zeit und Aufwand.
GitHub Copilot für Docs
KI-unterstützte Pull Requests
Wenig überraschend: GitHub Copilot integriert sich direkt in GitHub. Es kann Änderungen in einem Repository beschreiben und sie für einen Pull Request prüfen.
GIF basierend auf einem Video von GitHub Next
So startest du mit GitHub Copilot
Nachdem wir die Funktionen von GitHub Copilot erkundet haben, richten wir es jetzt in Visual Studio Code ein. Dafür sind zwei Schritte nötig: Visual Studio Code installieren sowie GitHub Copilot registrieren und installieren.
Visual Studio Code installieren
Installiere VS Code über die Website von Visual Studio Code und folge den Anweisungen. Bei Bedarf helfen dir auch kurze How-to-Videos.
Visual Studio Code herunterladen
Bei GitHub anmelden und GitHub Copilot installieren
Um GitHub Copilot zu installieren, brauchst du zuerst ein GitHub-Konto. Wenn du Copilot unverbindlich testen möchtest, nutze die kostenlose 30-Tage-Testversion.
Bei GitHub registrieren
GitHub Copilot mit Visual Studio Code verbinden
Wechsle dann in Visual Studio Code und installiere zwei Erweiterungen aus dem Marketplace: GitHub Copilot und GitHub Copilot Chat. Klicke einfach auf „Install“ und melde dich bei GitHub an.
GitHub Copilot einrichten
GitHub Copilot in Visual Studio Code nutzen
Zum Testen von GitHub Copilot verwenden wir den Seoul Bike Sharing-Datensatz, einen von vielen kuratierten Datensätzen in DataLab. Unser Ziel ist es, basierend auf Wetterdaten wie Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit und weiteren Variablen vorherzusagen, wie viele Leihfahrräder pro Stunde in Seoul ausgeliehen werden.
Mit GitHub Copilot Daten in VS Code importieren
Starten wir mit dem Import einer CSV-Datei und lassen uns die ersten fünf Zeilen anzeigen. GitHub Copilot legt direkt los und autofillt die vorgeschlagene CSV. Wir drücken "Tab", um die Vorschläge zu übernehmen.
Daten mit Github Copilot importieren
Mit GitHub Copilot einen Plot anzeigen
Als nächsten Schritt erstellen wir eine Visualisierung. Eine Korrelationsmatrix mit Heatmap eignet sich gut, um die Intelligenz von GitHub Copilot zu demonstrieren. Copilot schreibt nicht nur den Code für unsere Korrelationsmatrix, sondern vervollständigt sogar unsere Anfrage während des Tippens.
Code für einen Plot mit Github Copilot schreiben
Uups – wir bekommen einen Fehler, weil wir kategoriale Variablen nicht aus der Korrelationsmatrix entfernt haben, ein typischer Stolperstein. Wir beheben das, indem wir einen Kommentar und einen neuen Codeblock hinzufügen. GitHub Copilot identifiziert die richtigen Spalten zum Entfernen und korrigiert den Fehler.
Plot in Github Copilot anzeigen
Mit GitHub Copilot Daten für das Training vorbereiten
Nach der Exploration bereiten wir die Daten für das Modelltraining vor. Für diese Übung wählen wir eine lineare Regression mit Ordinary Least Squares. Dafür müssen wir kategoriale Variablen per One-Hot-Encoding kodieren.
Während wir unsere Anfrage tippen, macht GitHub Copilot Vorhersagen und Codevorschläge. Es reagiert sogar darauf, wenn wir uns bei einer Variable umentscheiden.
Daten in Github Copilot vorbereiten
GitHub Copilot hilft uns bei allen nötigen Schritten im Workflow: unabhängige Variablen auswählen, Daten in Trainings- und Testdaten aufteilen und die Daten so bereinigen, dass sie für das Modell bereitstehen.
Train/Test-Split in Github Copilot erstellen
Mit GitHub Copilot unser Modell evaluieren
Zum Schluss trainieren und bewerten wir unser lineares Regressionsmodell. GitHub Copilot hilft uns, die Modellstatistiken auf den Trainingsdaten zu ermitteln und bewertet anschließend die Performance auf dem Testset.
Modell in Github Copilot trainieren
Modell in Github Copilot evaluieren
Der Mean Squared Error ist höher als erwartet – Zeit für ein anderes Modell. Wir wechseln zu einem Random-Forest-Modell und sehen: Der Fehler sinkt deutlich. Wenn du diese Modelle im Detail verstehen möchtest, schau dir unseren Kurs Machine Learning Fundamentals in Python an.
Modellstatistiken in Github Copilot anzeigen
GitHub-Copilot-Tarife und Preise
Es gibt drei GitHub-Copilot-Tarife, je nach Bedarf.
- Copilot Individual ist der günstigste Tarif. Er erlaubt dir die Nutzung von GitHub Copilot in einer IDE oder auf der Kommandozeile. Studierende und Lehrkräfte nutzen ihn kostenlos. Alle in diesem Tutorial gezeigten Funktionen sind enthalten.
- Copilot Business ist ein Abo für den geschäftlichen Einsatz. Es bietet Zugriff auf die Copilot-Services als Mitglied einer Organisation.
- Copilot Enterprise ist der umfangreichste Tarif für größere Unternehmen mit Bedarf an zusätzlichen Anpassungen.
Preisstruktur von Github Copilot
Alternativen zu GitHub Copilot
Schauen wir uns nun einige starke Alternativen zu GitHub Copilot an. Die folgenden drei Anbieter gehören zur Speerspitze der generativen KI und bieten Lösungen zur KI-gestützten Code-Erstellung.
Die DataLab-IDE
- DataLab: DataCamps eigenes DataLab ist ein KI-gestütztes Notebook. Datenquelle verbinden, der KI deine Aufgabe schildern und direkt Insights erhalten. Die benötigten Notebooks sind bereits installiert. DataLab ist perfekt für Einsteigerinnen und Einsteiger ebenso wie für Business-Profis, die KI nutzen möchten, um überzeugende Präsentationen für Entscheider zu erstellen.
- TabNine: TabNine ist eine Alternative mit KI-Codevervollständigungen und KI-Chat-Agenten und unterstützt viele gängige IDEs.
- SonarQube: SonarQube richtet sich an die Softwareentwicklung. Entwickler laden Code hoch und erhalten KI-unterstützten, qualitätsgesicherten Code-Review und Hinweise.
Möchtest du eine GitHub-Zertifizierung erwerben? Dann lies unseren umfassenden Leitfaden zu den verschiedenen GitHub-Zertifizierungen!
Fazit
Wir haben soeben ein komplettes Data-Science-Projekt in wenigen Minuten mit GitHub Copilot umgesetzt. Copilot erweist sich als wertvolle Unterstützung, um alle Teile des Data-Science-Workflows zu beschleunigen – von der Plot-Erstellung bis zum Modellbau mit Train/Test-Workflow.
Wenn dir dieses Tutorial geholfen hat und du mit GitHub Copilot loslegen willst, empfehlen wir das Video Pair Programming with GitHub Copilot von DataCamp. Ergänzend eignet sich der Kurs GitHub concepts – besonders, wenn du bei GitHub noch unsicher bist.
Danke fürs Lesen!
