Hướng dẫn GitHub và Git cho người mới bắt đầu

Git là gì?

Git là một hệ thống quản lý phiên bản phân tán, mã nguồn mở. Nó cho phép nhà phát triển và nhà khoa học dữ liệu theo dõi mã, hợp nhất thay đổi và quay lại các phiên bản cũ - AWS. Nó cho phép bạn đồng bộ thay đổi với máy chủ từ xa. Nhờ tính linh hoạt và mức độ phổ biến, Git đã trở thành tiêu chuẩn trong ngành khi hỗ trợ hầu như mọi môi trường phát triển, công cụ dòng lệnh và hệ điều hành. 

Git hoạt động như thế nào?

Git lưu trữ tệp của bạn và lịch sử phát triển của chúng trong một kho cục bộ. Mỗi khi bạn lưu các thay đổi đã thực hiện, Git tạo một commit. Commit là một ảnh chụp (snapshot) của các tệp hiện thời. Các commit được liên kết với nhau, tạo thành một đồ thị lịch sử phát triển, như minh họa bên dưới. Nó cho phép chúng ta quay lại commit trước đó, so sánh thay đổi và xem tiến độ của dự án phát triển - Azure DevOps. Các commit được nhận diện bằng một mã băm (hash) duy nhất, dùng để so sánh và hoàn tác các thay đổi đã thực hiện.  

Một đồ thị lịch sử phát triển

Nhánh (Branch)

Các nhánh là các bản sao của mã nguồn hoạt động song song với phiên bản chính. Để lưu các thay đổi đã thực hiện, hãy hợp nhất (merge) nhánh vào phiên bản chính. Tính năng này thúc đẩy làm việc nhóm không xung đột. Mỗi nhà phát triển có nhiệm vụ riêng và bằng cách dùng nhánh, họ có thể làm việc trên tính năng mới mà không bị can thiệp từ đồng đội. Khi hoàn thành, bạn có thể hợp nhất tính năng mới vào phiên bản chính (nhánh master). Nếu bạn muốn học cách clone một nhánh, hãy xem hướng dẫn Git Clone Branch.

Thêm tính năng mới vào kho lưu trữ 

Commit

Có ba trạng thái tệp trong Git: đã chỉnh sửa (modified), đã dàn (staged) và đã commit. Khi bạn thay đổi trong một tệp, các thay đổi được lưu trong thư mục cục bộ. Chúng chưa phải là một phần của lịch sử phát triển Git. Để tạo commit, trước tiên bạn cần đưa các tệp đã thay đổi vào khu vực staging. Bạn có thể thêm hoặc loại bỏ thay đổi trong khu vực staging rồi đóng gói các thay đổi này thành một commit kèm thông điệp mô tả.  

Ba trạng thái tệp trong Git

Lợi ích của Git là gì?

• Theo dõi thay đổi: Cho phép nhà phát triển xem các thay đổi trong quá khứ. Lịch sử phát triển giúp dễ dàng xác định và sửa lỗi.
• Tích hợp IDE: Nhờ phổ biến, tích hợp Git có sẵn trong mọi môi trường phát triển, ví dụ VSCode và JupyterLab.
• Hợp tác nhóm: Một nhóm phát triển có thể xem tiến độ của họ, và bằng cách sử dụng nhánh, họ có thể làm việc độc lập trên một nhiệm vụ rồi hợp nhất thay đổi vào phiên bản chính. Pull request, giải quyết xung đột hợp nhất và rà soát mã thúc đẩy hợp tác nhóm. 
• Hệ thống VCS phân tán: Trong hệ thống phân tán, không có lưu trữ tệp tập trung. Có nhiều bản sao lưu cho cùng một dự án. Cách tiếp cận này cho phép nhà phát triển làm việc ngoại tuyến và commit thay đổi. 

Git cho các dự án Khoa học Dữ liệu

Git cung cấp quản lý phiên bản cho script, chỉ số, dữ liệu và mô hình. Bằng cách dùng tiện ích mở rộng git-lfs của Git, bạn có thể lưu trữ và tạo phiên bản cho cơ sở dữ liệu lớn và các mô hình học máy. Trong một dự án khoa học dữ liệu điển hình, bạn có notebook Jupyter, tập dữ liệu, mô hình, siêu dữ liệu (metadata) và các chỉ số của mô hình. Siêu dữ liệu bao gồm các tệp chứa thông tin về mô hình học máy, đặc trưng, tham số mô hình và các tệp tự động hóa. Tất cả những thứ này đều cần thiết để theo dõi tiến độ của ứng dụng AI và xử lý sự cố. 

Theo dõi thí nghiệm khoa học dữ liệu giúp nhà nghiên cứu hoàn tác thay đổi vô tình, chọn thí nghiệm tốt nhất dựa trên chỉ số hiệu năng và hợp tác với đồng đội khác. Sơ đồ bên dưới cho thấy cách các thay đổi đối với dữ liệu hoặc mã ảnh hưởng đến siêu dữ liệu và đầu ra của mô hình. Theo dõi các thay đổi này cũng có thể giúp đồng đội khác đưa ra giải pháp tốt hơn. Tìm hiểu tất cả về Git trong bài viết mới nhất của Summer Worsley.

Git cho một Dự án Khoa học Dữ liệu 

Hợp tác với GitHub

GitHub là một nền tảng phát triển phần mềm trên đám mây. Thường được dùng để lưu tệp, theo dõi thay đổi và cộng tác trong các dự án phát triển. Những năm gần đây, GitHub đã trở thành nền tảng xã hội phổ biến nhất cho cộng đồng phát triển phần mềm. Cá nhân có thể đóng góp cho các dự án mã nguồn mở và báo cáo lỗi, thảo luận dự án mới và khám phá công cụ mới. 

Các nhà khoa học dữ liệu và kỹ sư học máy đang đi theo con đường của nhà phát triển phần mềm và tích hợp quy trình làm việc với GitHub. Bằng cách này, họ có thể chia sẻ công trình nghiên cứu, cho phép cộng đồng đóng góp và hợp tác với các nhóm dữ liệu. Bạn có thể tìm mọi loại dự án khoa học dữ liệu và học máy, hướng dẫn, bài tutor và tài nguyên trên nền tảng này. Với sinh viên, nền tảng đã trở thành cơ hội để có kinh nghiệm làm việc và cuối cùng tìm được việc tại các công ty danh tiếng. 

Hồ sơ dự án (Portfolio)

Phần lớn nhà tuyển dụng kỹ thuật sẽ yêu cầu các dự án trong portfolio hoặc hồ sơ GitHub. Điều này giúp họ xác định liệu ứng viên có phù hợp với công ty hay không. Rất khuyến khích tạo hồ sơ GitHub và cập nhật thường xuyên. Quản lý tuyển dụng luôn tìm kiếm ứng viên có kinh nghiệm cao trong phát triển phần mềm và đóng góp cho dự án mã nguồn mở. Khả năng phân tích portfolio GitHub giúp họ chuẩn bị câu hỏi cho các buổi phỏng vấn kỹ thuật. 

Hồ sơ GitHub

GitHub cho phép nhà khoa học dữ liệu giới thiệu dự án của họ, và nó cũng có thể được tính như kinh nghiệm làm việc trên sơ yếu lý lịch của bạn. Trưng bày các dự án portfolio cũng tạo cơ hội hợp tác, khởi nghiệp và nghiên cứu. 

Dự án Portfolio

Tính năng

GitHub cũng cung cấp nhiều tính năng khác quan trọng không kém việc trưng bày portfolio. Cần tìm hiểu về từng tính năng để bạn có thể tích hợp chúng vào các dự án khoa học dữ liệu của mình. 

• Mã nguồn mở: GitHub cung cấp hệ sinh thái hoàn chỉnh cho các dự án mã nguồn mở. Bạn có thể tài trợ cho người bảo trì, đóng góp cho dự án, dùng công cụ mã nguồn mở trong dự án hiện có và quảng bá công việc của mình. 
• Hợp tác cộng đồng: GitHub đã trở thành nền tảng cộng đồng nơi có thể thảo luận issue, yêu cầu tính năng, đóng góp mã và tài liệu. 
• Khám phá: Thẻ GitHub Explore giúp bạn khám phá dự án mới, công cụ thịnh hành và sự kiện cho nhà phát triển. 
• GitHub Gists: Bạn có thể chia sẻ đoạn mã của mình hoặc nhúng vào blog hay trang web. 
• GitHub CLI: Cho phép bạn thực hiện yêu cầu hợp nhất, rà soát mã, kiểm tra issue và theo dõi tiến độ từ chương trình dòng lệnh. 
• Lưu trữ miễn phí: kho riêng tư và công khai không giới hạn.
• Lưu trữ web: Bạn có thể xuất bản trang portfolio hoặc tài liệu. GitHub Pages cung cấp trải nghiệm xây dựng và triển khai trang web dễ dàng. 
• Codespace: môi trường phát triển trên đám mây tích hợp với kho GitHub của bạn. 
• Project: công cụ tùy chỉnh, linh hoạt để lập kế hoạch và theo dõi công việc trên GitHub.
• Tự động hóa: GitHub Action tự động hóa quy trình phát triển như build, test, publish, release và triển khai.
• Tài trợ: Bạn có thể hỗ trợ dự án hoặc nhà phát triển mã nguồn mở yêu thích bằng khoản phí hàng tháng hoặc một lần. Nó cũng cho phép nhà phát triển dùng nền tảng thanh toán bên thứ ba như ko-fi. 

Các lệnh cơ bản

Trước khi bắt tay quản lý các dự án khoa học dữ liệu, hãy tìm hiểu những lệnh Git phổ biến nhất mà bạn sẽ dùng trong mọi dự án. Các lệnh cơ bản gồm khởi tạo kho Git, lưu thay đổi, kiểm tra log, đẩy thay đổi lên máy chủ từ xa và hợp nhất. 

• git init tạo một kho Git trong thư mục cục bộ.
• git clone <địa-chỉ-repo-từ-xa>: sao chép toàn bộ kho từ máy chủ từ xa về thư mục cục bộ. Bạn cũng có thể dùng để sao chép các kho cục bộ.
• git add <file.txt>: thêm một tệp đơn hoặc nhiều tệp và thư mục vào khu vực staging.
• git commit –m “Thông điệp”: tạo ảnh chụp các thay đổi và lưu vào kho. 
• git config dùng để đặt cấu hình theo người dùng như email, tên người dùng và định dạng tệp. 
• git status hiển thị danh sách tệp đã thay đổi hoặc tệp chưa được đưa vào staging và commit.  
• git push <tên-remote> <tên-nhánh>: gửi các commit cục bộ lên nhánh từ xa của kho.  
• git checkout -b <tên-nhánh>: tạo nhánh mới và chuyển sang nhánh mới đó.
• git remote –v: xem tất cả các kho từ xa.
• git remote add <tên-remote> <host-hoặc-remoteURL>: thêm máy chủ từ xa vào kho cục bộ. 
• git branch –d <tên-nhánh>: xóa nhánh.
• git pull hợp nhất các commit từ kho từ xa vào thư mục cục bộ. 
• git merge <tên-nhánh>: sau khi giải quyết xung đột hợp nhất, lệnh sẽ hòa trộn nhánh được chọn vào nhánh hiện tại.
• git log hiển thị danh sách chi tiết các commit của nhánh hiện tại.

Phát triển hoàn chỉnh với GitHub

Nếu bạn muốn học thêm các lệnh khác, hãy xem tờ phao Git của GitLab. 

Bắt đầu

Trong phần này, chúng ta sẽ dùng Git để theo dõi một dự án khoa học dữ liệu và GitHub làm máy chủ từ xa. Chúng ta sẽ học cách cài đặt Git, tạo và clone một kho từ GitHub, chạy thí nghiệm học máy và đẩy các thay đổi (notebook, mô hình, dữ liệu) lên GitHub bằng Windows PowerShell 7.  

Cài đặt Git

Git hỗ trợ tất cả hệ điều hành. Bạn có thể cài đặt bằng công cụ dòng lệnh hoặc tải về và cài trực tiếp bộ cài. 

Linux

Với hệ điều hành dựa trên Debian/Ubuntu hãy dùng `apt-get install git`, còn nếu bạn dùng hệ thống Linux khác, xem danh sách đầy đủ các lệnh cài đặt tại đây.

macOS

Nếu bạn đã cài homebrew, dùng lệnh này để tải và cài Git: `brew install git`. Bạn cũng có thể tải bộ cài đặt dạng nhị phân và chạy bộ cài.

Windows

Cài Git trên Windows rất đơn giản. Chỉ cần vào trang tải xuống, bấm vào phiên bản Windows cụ thể, rồi tải và cài đặt. Nếu bạn có công cụ winget, bạn có thể cài bằng cách gõ `winget install --id Git.Git -e --source winget` trong PowerShell. 

Sau khi cài Git, hãy đảm bảo bạn đã cấu hình tên người dùng và email. Thông tin này được dùng để ký các commit. 

git config --global user.name "your-user-name"
git config --global user.email "your@email.com"

Để biết thông tin chuyên sâu hơn về cách cài đặt Git, bấm tại đây. 

Khởi tạo dự án

Nếu bạn có tài khoản GitHub, bấm nút + và chọn kho mới. Sau đó, nhập tên kho và thêm mô tả đơn giản. Việc này sẽ tạo một kho công khai trống. 

Tạo dự án

Có nhiều cách để clone các kho từ xa về thư mục cục bộ, và GitHub cung cấp hướng dẫn chi tiết về cách clone, thêm remote và khởi tạo một dự án Git.  

GitHub Clone

Chúng ta có thể đơn giản clone kho bằng cách cung cấp liên kết HTTPS. Hãy đảm bảo bạn đang ở đúng thư mục làm việc bằng command prompt hoặc PowerShell. 

git clone https://github.com/kingabzpro/DataCamp-Git.git

>>> Cloning into 'DataCamp-Git'...
>>> warning: You appear to have cloned an empty repository.

cd .\DataCamp-Git\

HOẶC

Tạo thư mục mới tên “DataCamp-Git” và khởi tạo Git bằng một lệnh đơn giản. Sau đó, thêm kết nối tới kho từ xa để bạn có thể đồng bộ công việc với GitHub.

mkdir DataCamp-Git
cd .\DataCamp-Git
git init

>>> Initialized empty Git repository in C:/Repository/GitHub/DataCamp-Git/.git/

git remote add origin https://github.com/kingabzpro/DataCamp-Git.git

HOẶC

Nếu bạn đã có một dự án trong thư mục, chỉ cần khởi tạo Git bằng `git init` và thêm remote GitHub như trên. 

Commit đơn giản

Trước khi thêm tệp vào kho, hãy đảm bảo bạn đang ở đúng thư mục cục bộ. 

Chúng ta sẽ bắt đầu đơn giản bằng cách tạo tệp README với tiêu đề DataCamp-Git. Sau đó, chúng ta sẽ thêm nó vào khu vực staging bằng `git add`. 

echo "# DataCamp-Git" >> README.md
git add README.md

Git status cho thấy chúng ta đang ở nhánh main và tệp `README.md` đã ở trạng thái staged, sẵn sàng để commit.  

git status

>>> On branch main
>>> No commits yet
>>> Changes to be committed:
  (use "git rm --cached <file>..." to unstage)
        new file:   README.md

Để tạo commit đầu tiên, chúng ta sẽ dùng `git commit` kèm thông điệp. Như có thể thấy, commit đầu tiên được thêm với mã băm ed9c886.

git commit -m "first commit"

>>> [main (root-commit) ed9c886] first commit
>>> 1 file changed, 1 insertion(+)
>>> create mode 100644 README.md

Thêm tệp dự án

Chúng ta sẽ dùng không gian làm việc DataCamp Giá cổ phiếu MasterCard với LSTM và GRU và tải tệp về. Tác giả dự án đã tiền xử lý dữ liệu và huấn luyện dữ liệu chuỗi thời gian trên các mô hình LSTM và GRU. Tìm hiểu thêm về dự án bằng cách đọc Hướng dẫn Mạng nơ-ron hồi quy (RNN).

Để lưu tệp mô hình, chúng ta đã thêm một ô mã mới trong notebook Jupyter của dự án. Script mới sẽ tạo thư mục “model” và lưu cả hai mô hình LSTM và GRU. 

!mkdir -p model
model_lstm.save('model/LSTM')
model_gru.save('model/GRU')

Như có thể thấy, kho Git có thư mục data chứa các tệp CSV, thư mục model với trọng số và siêu dữ liệu của mô hình. 

Bây giờ chúng ta sẽ đưa tất cả tệp vào staging. Bạn có thể thêm bất kỳ thư mục, tệp hoặc dữ liệu nào sau lệnh ban đầu. 

git add .\data .\model LSTM_GRU.ipynb RNN.png

HOẶC

Nếu bạn muốn thêm mọi tệp vào khu vực staging, hãy dùng dấu chấm. 

git add .

Commit và Push

Chúng ta sẽ commit tất cả thay đổi với một thông điệp đơn giản, và kết quả hiển thị tất cả các tệp mới ở chế độ create. 

git commit -m "project files added"

>>> [main aa3e19a] project files added
>>>  10 files changed, 5020 insertions(+)
>>>  create mode 100644 LSTM_GRU.ipynb
>>>  create mode 100644 RNN.png
>>>  create mode 100644 data/Mastercard_stock_history.csv
>>>  create mode 100644 data/Mastercard_stock_info.csv
>>>  create mode 100644 model/GRU/saved_model.pb
>>>  create mode 100644 model/GRU/variables/variables.data-00000-of-00001
>>>  create mode 100644 model/GRU/variables/variables.index
>>>  create mode 100644 model/LSTM/saved_model.pb
>>>  create mode 100644 model/LSTM/variables/variables.data-00000-of-00001
create mode 100644 model/LSTM/variables/variables.index

Đồng bộ với kho từ xa trên GitHub cần tên remote và tên nhánh `git push <tên-remote> <tên-nhánh>`. Nếu bạn chỉ có một remote và một nhánh, thì dùng `git push` là đủ.  

Sau `git push`, cửa sổ bật lên sẽ yêu cầu thông tin xác thực, chỉ cần nhập tên người dùng hoặc mật khẩu GitHub của bạn. Bạn cũng có thể tạo Personal access tokens và dùng thay cho mật khẩu. Tìm hiểu thêm qua Hướng dẫn Git Push và Pull.

git push

>>> Enumerating objects: 21, done.
>>> Counting objects: 100% (21/21), done.
>>> Delta compression using up to 4 threads
>>> Compressing objects: 100% (19/19), done.
>>> Writing objects: 100% (21/21), 1.83 MiB | 1.59 MiB/s, done.
>>> Total 21 (delta 2), reused 0 (delta 0), pack-reused 0
>>> remote: Resolving deltas: 100% (2/2), done.
>>> To https://github.com/kingabzpro/DataCamp-Git.git
>>>  * [new branch]      main -> main

Chúng ta sẽ kiểm tra kho GitHub kingabzpro/DataCamp-Git để xem đã đẩy thay đổi lên từ xa thành công chưa. Kho GitHub đã có đầy đủ tệp, dữ liệu và mô hình.

Đẩy lên GitHub từ xa

Nhánh Git

Khuyến nghị làm việc với các nhánh: ví dụ, nếu bạn muốn làm tài liệu dự án, hãy tạo nhánh documentation bằng `git checkout` hoặc `git branch`. Thay đổi trong tệp README và khi hoàn tất, hợp nhất nhánh với nhánh gốc. 

Trong ví dụ của chúng ta, chúng ta đã tạo và chuyển sang nhánh mới tên `readme`.

git checkout -b readme

Hãy chỉnh sửa tệp README bằng cách thêm mô tả cho dự án và liên kết tới không gian làm việc RNN của DataCamp và bài hướng dẫn. Sau đó, chúng ta sẽ đưa thay đổi vào staging và lưu một ảnh chụp thay đổi kèm thông điệp.

git add README.md
git commit -m "project description and links to blog"

>>> [readme f3b8b9b] project description and links to blog
>>>  1 file changed, 8 insertions(+)

Kho từ xa chưa có nhánh readme. Để tạo nhánh mới và đẩy thay đổi, chúng ta sẽ dùng “readme:readme”. Kết quả lệnh cho thấy các nhánh mới đã được tạo và cả nhánh `readme` cục bộ lẫn từ xa đã đồng bộ. 

git push origin readme:readme
>>> remote: Resolving deltas: 100% (1/1), completed with 1 local object.
>>> remote: Create a pull request for 'readme' on GitHub by visiting:
>>> remote:  https://github.com/kingabzpro/DataCamp-Git/pull/new/readme
>>> remote:
To https://github.com/kingabzpro/DataCamp-Git.git
>>>  * [new branch]      readme -> readme

Bạn có thể thấy chúng ta đã đẩy thành công nhánh cục bộ lên GitHub với phiên bản đã chỉnh sửa của tệp README.md. 

Nhánh Readme trên GitHub

Pull Request

Chức năng này rất phổ biến trong các tổ chức. Ví dụ, một nhà phát triển phần mềm đã làm một tính năng mới và muốn hợp nhất thay đổi vào nhánh chính trên từ xa. Bây giờ chúng ta sẽ tạo pull request bằng giao diện GitHub bằng cách bấm nút pull request. Sau đó, chọn nhánh readme mà chúng ta muốn hợp nhất với nhánh gốc (main). Bạn có thể nhập mô tả chi tiết về các tính năng đã thêm và bấm nút pull request. 

Pull request từ readme sang nhánh main

Người duy trì (maintainer) của kho sẽ so sánh các thay đổi của bạn và hợp nhất khi chúng vượt qua mọi kiểm thử. Trong trường hợp của chúng ta, bạn là maintainer, vậy hãy bấm vào merge request để hòa trộn thay đổi vào nhánh chính. 

Hợp nhất pull request trên GitHub

Chúc mừng, chúng ta đã tạo pull request thành công và hợp nhất nó với nhánh chính. Bạn có thể xem các thay đổi trên nhánh main tại đây. 

Nếu bạn muốn xem tất cả thay đổi trong kho git của mình, chỉ cần gõ `git log`, và nó sẽ hiển thị các thay đổi lịch sử của dự án. Ghi log thay đổi trong các dự án khoa học dữ liệu rất quan trọng, và Git giúp chúng ta theo dõi mọi thay đổi, kể cả tập dữ liệu lớn. 

Lịch sử Git Logs

Kết luận

GitOps rất quan trọng đối với phát triển ứng dụng dữ liệu. Chúng đã trở thành kỹ năng thiết yếu cho mọi loại công việc CNTT; ngay cả các nhà nghiên cứu học thuật cũng đang sử dụng để chia sẻ mã thí nghiệm với đông đảo công chúng. Mặt khác, GitHub đóng vai trò lớn hơn trong việc thúc đẩy các dự án mã nguồn mở bằng cách cung cấp hệ sinh thái phát triển phần mềm miễn phí cho tất cả mọi người. 

Trong hướng dẫn này, chúng ta đã tìm hiểu về Git và GitHub và lý do vì sao chúng quan trọng đối với các dự án khoa học dữ liệu. Hướng dẫn cũng giới thiệu các lệnh Git cơ bản và cung cấp trải nghiệm thực hành cách theo dõi thay đổi trong dữ liệu, mô hình và mã. Nếu bạn muốn tìm hiểu thêm về Git, hãy tham gia khóa Giới thiệu về Git trên DataCamp. Bạn cũng có thể tìm hiểu về tầm quan trọng của chứng chỉ GitHub và cách nó có thể giúp ích cho sự nghiệp của bạn.