Cómo usar GitHub Copilot: Casos prácticos y buenas prácticas

Tanto si estás abordando un proyecto complejo como una tarea mundana que requiere mucho tiempo, GitHub Copilot puede agilizar tus esfuerzos de codificación. En este tutorial, descubrirás cómo funciona GitHub Copilot, explorarás sus características clave y aprenderás cómo puede mejorar significativamente tu productividad y eficiencia de codificación. Vamos a sumergirnos. 

¿Qué es GitHub Copilot? 

GitHub Copilot es un innovador asistente de programación basado en IA lanzado por GitHub en 2021. Utiliza el modelo Codex de OpenAI, descendiente de los modelos GPT que centraban su formación en una amplia gama de lenguajes de programación y contextos de codificación. Por esta razón, se cree que GitHub Copilot es más capaz que ChatGPT para tareas de escritura de código. 

La característica más llamativa de GitHub Copilot es su perfecta integración en entornos de desarrollo populares, como Visual Studio Code. Al incrustarse directamente en el editor de código, GitHub Copilot actúa como un programador en pareja que ofrece sugerencias, completado de código y recomendaciones en tiempo real, todo lo cual exploraremos en profundidad.

Explorar las funciones de GitHub Copilot

GitHub Copilot tiene muchas funciones estupendas para ahorrar tiempo. Aquí tienes una lista de los más importantes que pueden acelerar el ciclo de vida de tu proyecto de ciencia de datos. 

Interfaz de chat en tu editor

GitHub Copilot integra una interfaz de chat similar a ChatGPT directamente en tu IDE, eliminando la necesidad de cambiar entre tu editor y sitios web externos para corregir código.

Veamos el siguiente ejemplo: Aquí pedimos a GitHub Copilot que genere el código necesario para traducir un texto del inglés al italiano utilizando el modelo OpenAI.

Barra lateral de GitHub Copilot en VS Code IDE

GitHub Copilot para la interfaz de línea de comandos

Para los que trabajan en el terminal, GitHub Copilot en la CLI proporciona una interfaz similar a un chat dentro de la línea de comandos. Aquí, hemos pedido a Github Copilot que nos explique el comando sudo apt-get. 

GitHub Copilot dentro de la interfaz de línea de comandos

GitHub Copilot para documentos

GitHub Copilot puede proporcionar respuestas generadas por IA obteniendo información directamente de la documentación, lo que puede ahorrar mucho tiempo y esfuerzo. 

GitHub Copilot para Docs

Pull requests con IA

No es ninguna sorpresa que GitHub Copilot se integre con GitHub. GitHub Copilot proporciona una función para describir los cambios en un repositorio de GitHub y revisarlos para un pull request. 

GIF basado en vídeo tomado de GitHub Next

Cómo empezar a utilizar GitHub Copilot

Ahora que hemos explorado las impresionantes características de GitHub Copilot, vamos a aprender a configurarlo y utilizarlo en Visual Studio Code. Para ello, primero tenemos que ocuparnos de dos tareas administrativas: Tenemos que instalar Visual Studio Code y registrarnos e instalar GitHub Copilot.

Instalar Visual Studio Code

Instalamos VS Code visitando el sitio web de Visual Studio Code y siguiendo las instrucciones. El sitio web incluye vídeos explicativos si tienes problemas. 

Descargar Visual Studio Code

Registrarse en GitHub e instalar GitHub Copilot

Para instalar GitHub Copilot, primero tenemos que crear una cuenta de GitHub. Si quieres probar GitHub Copilot sin un compromiso a largo plazo, considera optar por la prueba gratuita de 30 días.

Registrarse itHubRegistrarse en GitHub

Configurar GitHub Copilot con Visual Studio Code

A continuación, entramos en Visual Studio Code e instalamos dos extensiones del mercado: GitHub Copilot y GitHub Copilot Chat. Sólo tienes que pulsar el botón "Instalar" e iniciar sesión en GitHub.

Configurar ilotConfigurar GitHub Copilot

Uso de GitHub Copilot dentro de Visual Studio Code

Para probar GitHub Copilot, utilizaremos el conjunto de datos Seoul Bike Sharing, uno de los muchos conjuntos de datos conservados a través de DataLab. Nuestro objetivo es predecir el número de bicicletas públicas alquiladas por hora en el sistema de bicicletas compartidas de Seúl basándonos en información meteorológica, como la temperatura, la humedad, la velocidad del viento y otras variables.

Utilizar GitHub Copilot para importar datos en VS Code

Empecemos importando un archivo CSV y visualizando las cinco primeras filas. GitHub Copilot se pone a trabajar de inmediato rellenando automáticamente el CSV sugerido. Pulsamos "Tab" para aceptar sus sugerencias.

datos a Github Copilot

Utilizar GitHub Copilot para mostrar un gráfico

Como siguiente paso, elegimos crear una visualización. Una matriz de correlación con un mapa de calor es una opción tan buena como cualquier otra para ilustrar la inteligencia de GitHub Copilot. Vemos que GitHub Copilot no sólo escribe el código para nuestra matriz de correlación, sino que también termina nuestra frase cuando hacemos la solicitud.

Escribir código para un gráfico en Github código para un gráfico en Github Copilot

Uy, hemos obtenido un error porque no hemos eliminado las variables categóricas de la matriz de correlaciones, lo cual es un error habitual. Podemos solucionar este error añadiendo un comentario y un nuevo trozo de código. GitHub Copilot encuentra las columnas correctas que hay que eliminar, corrigiendo el error.

un gráfico en Github Copilot

Utilizar GitHub Copilot para preparar los datos para el entrenamiento

Después de explorar los datos, es hora de preprocesarlos antes de entrenar nuestro modelo. Para este ejercicio, elegimos una regresión lineal por mínimos cuadrados ordinarios. Para ello, tenemos que codificar las variables categóricas utilizando la codificación one-hot.

Mientras escribimos nuestra solicitud, GitHub Copilot hace predicciones y sugerencias de código. Incluso se puso a trabajar con nosotros cuando tuvimos dudas sobre la inclusión de una de nuestras variables.

en Github datos en Github Copilot

GitHub Copilot nos ayuda con todos los pasos necesarios de nuestro flujo de trabajo, incluida la elección de nuestras variables independientes, la división de nuestros datos en conjuntos de entrenamiento y de prueba, y la limpieza de nuestros datos para que estén listos para nuestro modelo.

Crear una división tren/prueba en Github una división tren/prueba en Github Copilot

Utilizar GitHub Copilot para evaluar nuestro modelo

La última fase de nuestro miniproyecto consiste en entrenar y evaluar nuestro modelo de regresión lineal. GitHub Copilot nos ayuda a encontrar las estadísticas del modelo en nuestros datos de entrenamiento y luego evalúa el rendimiento del modelo en el conjunto de pruebas.

nuestro modelo en Github nuestro modelo en Github Copilot

nuestro modelo en Github nuestro modelo en Github Copilot

El error cuadrático medio es mayor de lo que esperábamos, lo que nos hace plantearnos otro modelo. Cambiamos a un modelo de bosque aleatorio, para comprobar el resultado, y vemos que el error es mucho menor que antes. Si quieres explorar estos modelos con mucho más detalle, consulta nuestro curso Fundamentos del Aprendizaje Automático en Python.

Ver las estadísticas del modelo en Github las estadísticas del modelo en Github Copilot

Explorar los planes y precios de Github Copilot

Hay tres planes diferentes de GitHub Copilot disponibles en función de tus necesidades.

• Copiloto Individual es el plan menos caro. Te permite utilizar GitHub Copilot en un IDE o en la línea de comandos. Es gratuito para alumnos y profesores. Todas las funciones cubiertas en nuestro tutorial están incluidas en este plan.
• Copilot Business es una suscripción adecuada para fines empresariales. Permite el acceso a los servicios de GitHub Copilot como miembro de la organización.
• Copilot Enterprise es el plan más completo para grandes cuentas empresariales que necesitan una personalización adicional. 
  
  

Estructura de precios de ilotEstructura de precios de Copilot

GitHub Copilot Alternatives

Exploremos ahora algunas alternativas atractivas a GitHub Copilot. Las tres empresas siguientes están a la vanguardia de la revolución de la IA generativa y ofrecen soluciones de IA generativa para ayudar en la creación de código. 

El IDE DataLab

• Laboratorio de datos: El DataLab de DataCamp es un portátil con inteligencia artificial. Sólo tienes que adjuntar la fuente de datos, preguntar a la IA lo que necesitas y obtener información. Los cuadernos necesarios ya están instalados. DataLab es perfecto tanto para principiantes que quieran aprender como para profesionales que necesiten aprovechar la IA para crear presentaciones convincentes para los responsables de la toma de decisiones. 
• TabNine: TabNine es una alternativa que también proporciona completado de código por IA y agentes de chat por IA, y funciona con muchos IDE populares.
• SonarQube: SonarQube está orientado al desarrollo de software. Con SonarQube, los desarrolladores cargarían datos y utilizarían SonarQube para recibir código asistido por IA y de calidad garantizada.

Conclusión

Acabamos de terminar un proyecto completo de ciencia de datos en cuestión de minutos utilizando GitHub Copilot. Resulta ser un activo útil para acelerar todos los aspectos del flujo de trabajo de la ciencia de datos, desde la visualización de gráficos hasta la creación de modelos con un flujo de trabajo de entrenamiento/prueba.

Si este tutorial te ha resultado útil y quieres empezar a utilizar GitHub Copilot, te recomendamos el vídeo de DataCamp Programación en parejas con GitHub Copilot. Otro curso, Conceptos de GitHub, será un gran complemento, especialmente si te sientes inseguro sobre GitHub.

¡Gracias por leer!