Cara Menggunakan GitHub Copilot: Use Case dan Praktik Terbaik

Baik Anda mengerjakan proyek kompleks maupun tugas rutin yang menyita waktu, GitHub Copilot dapat menyederhanakan proses pengodean Anda. Dalam tutorial ini, Anda akan mempelajari cara kerja GitHub Copilot, mengeksplorasi fitur-fitur utamanya, dan mengetahui bagaimana alat ini dapat meningkatkan produktivitas serta efisiensi pengodean Anda secara signifikan. Mari mulai. 

Artikel blog Memahami GitHub adalah sumber yang sangat baik bagi Anda yang benar-benar baru mengenal GitHub; pertimbangkan untuk membacanya terlebih dahulu jika itu situasi Anda.

Apa itu GitHub Copilot? 

GitHub Copilot adalah asisten pemrograman berbasis AI yang terobosan, diluncurkan oleh GitHub pada tahun 2021. Alat ini menggunakan model Codex dari OpenAI, turunan dari model GPT yang pelatihannya difokuskan pada berbagai bahasa pemrograman dan konteks pengodean. Karena itu, GitHub Copilot dianggap lebih mumpuni daripada ChatGPT untuk tugas penulisan kode. 

Fitur paling mencolok dari GitHub Copilot adalah integrasinya yang mulus dengan lingkungan pengembangan populer, seperti Visual Studio Code. Dengan menyatu langsung ke dalam editor kode, GitHub Copilot berperan sebagai rekan pemrogram yang menawarkan saran waktu nyata, pelengkapan kode, dan rekomendasi—semuanya akan kita bahas secara mendalam.

Mengeksplorasi Fitur GitHub Copilot

GitHub Copilot memiliki banyak fitur penghemat waktu yang hebat. Berikut adalah daftar fitur terpenting yang dapat mempercepat siklus hidup proyek data science Anda. 

Antarmuka chat di editor Anda

GitHub Copilot mengintegrasikan antarmuka chat mirip ChatGPT langsung ke IDE Anda, sehingga Anda tidak perlu berpindah antara editor dan situs web eksternal untuk memperbaiki kode.

Mari lihat contoh berikut: Di sini kita meminta GitHub Copilot menghasilkan kode yang diperlukan untuk menerjemahkan teks dari bahasa Inggris ke bahasa Italia menggunakan model OpenAI.

Bilah sisi GitHub Copilot di IDE VS Code

GitHub Copilot untuk command line interface

Bagi mereka yang bekerja di terminal, GitHub Copilot di CLI menyediakan antarmuka mirip chat di dalam command line. Di sini, kami meminta GitHub Copilot menjelaskan perintah sudo apt-get. 

GitHub Copilot di dalam command line interface

GitHub Copilot untuk dokumentasi

GitHub Copilot dapat memberikan jawaban yang dihasilkan AI dengan mengambil informasi langsung dari dokumentasi, yang dapat menghemat banyak waktu dan upaya. 

GitHub Copilot untuk Docs

Pull request bertenaga AI

Tidak mengherankan jika GitHub Copilot terintegrasi dengan GitHub. GitHub Copilot menyediakan fitur untuk mendeskripsikan perubahan di sebuah repositori GitHub dan meninjaunya untuk pull request. 

GIF berdasarkan video dari GitHub Next

Cara Memulai Menggunakan GitHub Copilot

Setelah mengeksplorasi fitur-fitur mengesankan GitHub Copilot, mari pelajari cara menyiapkan dan menggunakannya di Visual Studio Code. Untuk itu, pertama-tama kita perlu menyelesaikan dua tugas administratif: Kita perlu memasang Visual Studio Code serta mendaftar dan memasang GitHub Copilot.

Memasang Visual Studio Code

Kita memasang VS Code dengan mengunjungi situs web Visual Studio Code dan mengikuti petunjuknya. Situs web tersebut menyertakan video panduan jika Anda mengalami kesulitan. 

Mengunduh Visual Studio Code

Mendaftar GitHub dan Memasang GitHub Copilot

Untuk memasang GitHub Copilot, kita terlebih dahulu perlu membuat akun GitHub. Jika Anda ingin mencoba GitHub Copilot tanpa komitmen jangka panjang, pertimbangkan untuk memilih uji coba gratis 30 hari.

Mendaftar GitHub

Menyiapkan GitHub Copilot dengan Visual Studio Code

Selanjutnya kita masuk ke Visual Studio Code dan memasang dua ekstensi dari marketplace: GitHub Copilot dan GitHub Copilot Chat. Anda hanya perlu menekan tombol “Install” dan masuk ke GitHub.

Menyiapkan GitHub Copilot

Menggunakan GitHub Copilot di Dalam Visual Studio Code

Untuk menguji GitHub Copilot, kita akan menggunakan dataset Seoul Bike Sharing, salah satu dari banyak dataset terkurasi melalui DataLab. Tujuan kita adalah memprediksi jumlah sepeda umum yang disewa per jam dalam sistem bike-sharing Seoul berdasarkan informasi cuaca, seperti suhu, kelembapan, kecepatan angin, dan variabel lainnya.

Menggunakan GitHub Copilot untuk mengimpor data ke VS Code

Mari mulai dengan mengimpor file CSV dan menampilkan lima baris pertama. GitHub Copilot langsung bekerja dengan mengisi otomatis CSV yang disarankan. Kita menekan "Tab" untuk menerima sarannya.

Mengimpor data ke Github Copilot

Menggunakan GitHub Copilot untuk menampilkan plot

Sebagai langkah berikutnya, kita memilih membuat visualisasi. Matriks korelasi dengan heatmap adalah pilihan yang baik untuk menggambarkan kecerdasan GitHub Copilot. Kita melihat bahwa GitHub Copilot tidak hanya menulis kode untuk matriks korelasi kita, tetapi juga menyelesaikan kalimat kita saat kita mengajukan permintaan.

Menulis kode untuk plot di Github Copilot

Ups—kita mendapat error karena kita tidak menghapus variabel kategorikal dari matriks korelasi, yang merupakan kesalahan umum. Kita dapat memperbaiki error ini dengan menambahkan komentar dan potongan kode baru. GitHub Copilot menemukan kolom yang benar untuk dihapus, sehingga mengoreksi error tersebut.

Menampilkan plot di Github Copilot

Menggunakan GitHub Copilot untuk menyiapkan data pelatihan

Setelah mengeksplorasi data, saatnya melakukan prapemrosesan sebelum melatih model. Untuk latihan ini, kita memilih regresi linier ordinary least squares. Untuk melakukannya, kita perlu melakukan pengodean variabel kategorikal menggunakan one-hot encoding.

Saat kita mengetikkan permintaan, GitHub Copilot membuat prediksi dan saran kode. Ia bahkan mulai bekerja bersama kita saat kita mempertimbangkan ulang untuk menyertakan salah satu variabel.

Menyiapkan data di Github Copilot

GitHub Copilot membantu kita dengan seluruh langkah yang diperlukan dalam alur kerja, termasuk memilih variabel independen, membagi data menjadi himpunan pelatihan dan pengujian, serta membersihkan data agar siap untuk model kita.

Membuat pembagian train / test di Github Copilot

Menggunakan GitHub Copilot untuk mengevaluasi model kita

Fase terakhir mini-proyek kita adalah melatih dan mengevaluasi model regresi linier. GitHub Copilot membantu kita menemukan statistik model pada data pelatihan lalu mengevaluasi kinerja model pada himpunan pengujian.

Melatih model kita di Github Copilot

Mengevaluasi model kita di Github Copilot

Nilai mean squared error lebih tinggi dari yang kita harapkan, sehingga kita mempertimbangkan model lain. Kita beralih ke model random forest untuk menguji hasilnya, dan terlihat error jauh lebih rendah daripada sebelumnya. Jika Anda ingin mempelajari model-model ini secara lebih mendalam, lihat kursus kami Machine Learning Fundamentals in Python.

Melihat statistik model di Github Copilot

Menjelajahi Paket dan Harga Github Copilot

Ada tiga paket GitHub Copilot berbeda yang tersedia sesuai kebutuhan Anda.

• Copilot Individual adalah paket dengan harga paling terjangkau. Paket ini memungkinkan Anda menggunakan GitHub Copilot di IDE atau di command line. Gratis untuk pelajar dan pengajar. Semua fitur yang dibahas dalam tutorial kami termasuk dalam paket ini.
• Copilot Business adalah langganan yang sesuai untuk keperluan bisnis. Paket ini memungkinkan akses ke layanan GitHub Copilot sebagai anggota organisasi.
• Copilot Enterprise adalah paket paling lengkap untuk akun perusahaan besar yang memerlukan kustomisasi tambahan. 
  
  

Struktur harga Github Copilot

Alternatif GitHub Copilot

Sekarang mari jelajahi beberapa alternatif menarik untuk GitHub Copilot. Tiga perusahaan berikut berada di garis depan revolusi AI generatif dan menyediakan solusi AI generatif untuk membantu pembuatan kode. 

IDE DataLab

• DataLab: DataLab milik DataCamp sendiri adalah notebook berkemampuan AI. Cukup lampirkan sumber data, tanyakan kepada AI apa yang Anda butuhkan, dan dapatkan insight. Notebook yang diperlukan sudah terpasang. DataLab sempurna bagi pemula yang ingin belajar serta profesional bisnis yang perlu memanfaatkan AI untuk membuat presentasi yang meyakinkan bagi pengambil keputusan. 
• TabNine: TabNine adalah alternatif yang juga menyediakan pelengkapan kode AI dan agen chat AI, serta bekerja dengan banyak IDE populer.
• SonarQube: SonarQube ditujukan untuk pengembangan perangkat lunak. Dengan SonarQube, pengembang dapat mengunggah data dan menggunakan SonarQube untuk menerima kode yang dibantu AI dan dijamin kualitasnya.

Ingin mendapatkan sertifikasi GitHub? Lihat panduan komprehensif kami tentang berbagai sertifikasi GitHub!

Kesimpulan

Kita baru saja menyelesaikan proyek data science lengkap hanya dalam hitungan menit menggunakan GitHub Copilot. Alat ini terbukti bermanfaat untuk mempercepat semua aspek alur kerja data science, mulai dari menampilkan plot hingga membangun model dengan alur kerja train/test.

Jika Anda merasa tutorial ini bermanfaat dan ingin mulai menggunakan GitHub Copilot, kami merekomendasikan video DataCamp Pair Programming with GitHub Copilot. Kursus lainnya, GitHub concepts, akan menjadi pendamping yang bagus, terutama jika Anda masih ragu tentang GitHub.

Terima kasih sudah membaca!