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 các nhà phát triển và nhà khoa học dữ liệu theo dõi mã, hợp nhất thay đổi và quay lại các phiên bản cũ hơn - 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 vì nó 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 các 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 sẽ tạo một commit. Commit là ảnh chụp nhanh của các tệp hiện tại. 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 về 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 duy nhất dùng để so sánh và hoàn tác các thay đổi đã thực hiện.  

Đồ thị lịch sử phát triển

Nhánh (Branch)

Các nhánh là các bản sao của mã nguồn chạy song song với phiên bản chính. Để lưu các thay đổi đã thực hiện, hãy hợp nhất 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 phát triển tính năng mới mà không bị can thiệp bởi thành viên khác. 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 về Git Clone Branch.

Thêm tính năng mới vào kho 

Commit

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

Ba trạng thái của 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 độ phổ biến, tích hợp Git có mặt trong mọi môi trường phát triển, ví dụ như VSCode và JupyterLab.
• Hợp tác nhóm: Một nhóm phát triển có thể xem tiến độ của nhau, và nhờ các nhánh, họ có thể làm việc độc lập trên một tác vụ rồi hợp nhất thay đổi vào phiên bản chính. Pull request, xử lý xung đột hợp nhất và rà soát mã thúc đẩy hợp tác nhóm. 
• Hệ 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, 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 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 đều cần thiết để theo dõi tiến độ ứng dụng AI và xử lý sự cố. 

Theo dõi các 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 cộng tác với đồng đội. Sơ đồ dưới đây cho thấy cách các thay đổi với dữ liệu hoặc mã ảnh hưởng đến siêu dữ liệu và đầu ra của mô hình. Theo dõi các thay đổi này cũng giúp đồng đội khác đề xuất giải pháp tốt hơn. Tìm hiểu tất cả về Git trong bài blog mới nhất của Summer Worsley.

Git cho một dự án Khoa học Dữ liệu 

Cộng 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 dự án mã nguồn mở và báo 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. Nhờ vậy, họ có thể chia sẻ công trình nghiên cứu, cho phép cộng đồng đóng góp và cộng tác với các đội dữ liệu. Bạn có thể tìm thấy mọi loại dự án khoa học dữ liệu và học máy, hướng dẫn, bài viết và tài nguyên trên nền tảng này. Với sinh viên, nền tảng đã trở thành cơ hội để tích lũy kinh nghiệm làm việc và cuối cùng tìm được việc tại các công ty danh tiếng. 

Hồ sơ dự án

Hầu hết nhà tuyển dụng kỹ thuật sẽ hỏi về các dự án trong hồ sơ 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 một hồ sơ GitHub và cập nhật thường xuyên. Các quản lý tuyển dụng luôn tìm kiếm ứng viên giàu kinh nghiệm phát triển phần mềm và có đóng góp cho dự án mã nguồn mở. Khả năng phân tích hồ sơ 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 các dự án của mình, và điều đó cũng có thể được tính là kinh nghiệm làm việc trên sơ yếu lý lịch của bạn. Trưng bày các dự án trong hồ sơ cũng tạo cơ hội hợp tác, khởi nghiệp và nghiên cứu. 

Các dự án trong hồ sơ

Tính năng

GitHub cũng cung cấp nhiều tính năng khác quan trọng không kém việc giới thiệu hồ sơ. Cần tìm hiểu từng tính năng để có thể tích hợp chúng vào các dự án khoa học dữ liệu của bạn. 

• Mã nguồn mở: GitHub cung cấp một hệ sinh thái hoàn chỉnh cho các dự án mã nguồn mở. Bạn có thể tài trợ cho maintainer, đóng góp cho dự án, dùng công cụ mã nguồn mở trong dự án hiện có và quảng bá công việc của mình. 
• Cộng 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 Explore của GitHub giúp bạn phát hiện dự án mới, công cụ thịnh hành và sự kiện dành cho nhà phát triển. 
• GitHub Gists: Bạn có thể chia sẻ đoạn mã hoặc nhúng vào blog hay website. 
• GitHub CLI: Cho phép bạn thực hiện merge request, rà soát mã, kiểm tra issue và theo dõi tiến độ từ chương trình dòng lệnh. 
• Lưu trữ miễn phí: dung lượng không giới hạn cho kho riêng tư và công khai.
• Lưu trữ web: Bạn có thể xuất bản trang hồ sơ hoặc tài liệu. GitHub Pages mang lại trải nghiệm xây dựng và triển khai trang web dễ dàng. 
• Codespace: môi trường phát triển đám mây tích hợp với kho GitHub của bạn. 
• Project: công cụ tùy biến, 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 ủng hộ dự án mã nguồn mở hoặc nhà phát triển 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 dự án khoa học dữ liệu, hãy tìm hiểu các 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 <remote-repo-address>: sao chép toàn bộ kho từ máy chủ từ xa về thư mục cục bộ. Bạn cũng có thể dùng để sao chép kho cục bộ.

• git add <file.txt>: thêm một tệp đơn lẻ hoặc nhiều tệp và thư mục vào khu vực staging.

• git commit –m “Message”: tạo ảnh chụp nhanh 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 các tệp chưa được staging và commit.  

• git push <remote-name> <branch-name>: gửi các commit cục bộ lên nhánh từ xa của kho.  

• git checkout -b <branch-name>: tạo nhánh mới và chuyển sang nhánh mới.

• git remote –v: xem tất cả các kho từ xa.

• git remote add <remote-name> <host-or-remoteURL>: thêm máy chủ từ xa vào kho cục bộ. 

• git branch –d <branch-name>: xóa nhánh.

• git pull merge các commit từ kho từ xa về thư mục cục bộ. 

• git merge <branch-name>: sau khi xử lý xung đột hợp nhất, lệnh sẽ trộn nhánh được chọn vào nhánh hiện tại.

• git log hiển thị danh sách chi tiết các commit của nhánh hiện tại.

Quy trình phát triển hoàn chỉnh với GitHub

Nếu bạn muốn tìm hiểu thêm các lệnh, hãy xem cheat sheet Git của chúng tôi. 

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 các thí nghiệm học máy và đẩy thay đổi (notebook, mô hình, dữ liệu) lên GitHub bằng Windows PowerShell 7.  

Cài đặt Git

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

Linux

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

Windows

Cài đặt Git trên Windows rất đơn giản. Chỉ cần vào trang tải, bấm vào phiên bản Windows tương ứng, rồi tải và cài đặt bộ cài. 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 bảo đảm 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 xem thông tin chi tiết hơn về cách cài đặt Git, bấm vào đây. 

Khởi tạo dự án

Nếu bạn có tài khoản GitHub, hãy bấm nút + và chọn kho mới. Sau đó nhập tên kho và thêm mô tả ngắn. Hệ thống sẽ tạo một kho công khai trống. 

Tạo dự án

Có nhiều cách để clone 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 chắc chắn 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 một 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 dự án trong một thư mục, chỉ cần khởi tạo Git bằng `git init` và thêm remote GitHub như ở trên. 

Commit đơn giản

Trước khi thêm tệp vào kho, hãy chắc chắn 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 được staging, 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 DataCamp Workspace Giá cổ phiếu MasterCard với LSTM và GRU và tải tệp xuống. 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 một thư mục tên “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 staging tất cả các tệp. 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 tất cả 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 cho thấy toàn bộ tệp mới ở chế độ tạo mới. 

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 GitHub từ xa cần tên remote và tên nhánh `git push <remote-name> <branch-name>`. Nếu bạn chỉ có một remote và một nhánh, thì dùng `git push` là đủ.  

Sau `git push`, một 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 bằng cách đọc 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 liệu đã đẩy thay đổi lên từ xa thành công chưa. Kho GitHub có đầy đủ tệp, dữ liệu và mô hình.

Đẩy lên GitHub từ xa

Các nhánh Git

Khuyến nghị làm việc với các nhánh: ví dụ, nếu bạn muốn làm tài liệu dự án, hãy tạo một nhánh documentation bằng git checkout hoặc git branch. Thực hiện thay đổi trong tệp README và khi đã chốt thay đổi, hãy 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 dự án và liên kết tới workspace RNN của DataCamp và bài hướng dẫn. Sau đó, chúng ta sẽ staging thay đổi và lưu ảnh chụp nhanh 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 và từ xa đã được 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 README.md đã sửa. 

Nhánh Readme trên GitHub

Pull request

Chức năng này thường gặp trong tổ chức. Ví dụ, một nhà phát triển phần mềm đã phát triển tính năng mới và muốn hợp nhất thay đổi vào nhánh chính 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 giải thích chi tiết về các tính năng đã thêm và bấm nút pull request. 

Pull request từ nhánh readme sang nhánh main

Maintainer của kho sẽ so sánh các thay đổi của bạn và hợp nhất khi mọi kiểm thử đều đạt. Trong trường hợp này, bạn là maintainer, hãy bấm vào merge request để 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 vào nhánh chính. Bạn có thể xem các thay đổi trên nhánh chính 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

Những suy nghĩ cuối

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 IT; ngay cả các nhà nghiên cứu học thuật cũng dùng để chia sẻ mã thí nghiệm với đông đảo công chúng. Ở chiều ngược lại, GitHub đóng vai trò lớn trong việc thúc đẩy các dự án mã nguồn mở bằng cách cung cấp một 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 vì sao chúng quan trọng 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 Introduction to Git trên DataCamp. Bạn cũng có thể tìm hiểu về tầm quan trọng của chứng chỉ GitHub Foundations và cách nó có thể giúp ích cho sự nghiệp của bạn.