ChatGPT як ваш ментор-консультант

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Колеги, на хвилі зацікавленості попередньою темою про мого друга-девопса dou.ua/forums/topic/42092 , а також на фоні того, що я отримав декілька десятків запитів на менторство лише за два дні, я вирішив створити невеличкий гайд по тому, яким чином ви можете використовувати ChatGPT як свого віртуального ментора-консультанта. З його допомогою ви можете скласти роадмапу свого професійного розвитку та знайти корисні ресурси для навчання.
В другій частині відео я показав як можна використовувати ChatGPT для вирішення DevOps задач і як суттєво полегшити собі роботу з кодом.

У відео я складаю план і вирішую задачки для DevOps інженера, але точно таким само чином замінивши слово DevOps на Backend/Frontend/Fullstack/Java/C++ developer чи QA чи BA чи будь-яку іншу спеціалізацію ви також отримаєте детальний план та консультацію.

Корисні ресурси які я рекомендую для більш глибшого ознайомлення з можливостями ChatGPT:
1. Building A Virtual Machine inside ChatGPT: www.engraved.blog/...​a-virtual-machine-inside
2. ChatGPT Tutorial — Use ChatGPT for DevOps tasks: https://youtu.be/l-kE11fhfaQ

Якщо ви все ще по якійсь причині не маєте аккаунту, то зараз саме час його завести.
Пам’ятайте, ШІ не відбере вашу роботу, її відбере чувак який буде ШІ використовувати.

Приємного перегляду.


Таймкоди:
00:00 — Початок
03:30 — Реєстрація в ChatGPT
04:34 — Починаємо роботу, огляд функціоналу
06:54 — Питаємо систему хто такий DevOps і як ним стати
13:10 — Будуємо роадмапу навчання на девопса і шукаємо матеріали по підготовці
21:50 — Готуємося до співбесіди за допомогою ChatGPT
25:00 — Розповідаю про експерименти і як я написав дитячу книжку
27:25 — Показую виконання типових DevOps задач за допомогою ChatGPT
37:25 — Написання коду за допомогою ChatGPT, розв’язуєм типову задачу з LeetCode medium рівня. Генерація коду, коментування, написання тестів
45:50 — Підсумки

👍ПодобаєтьсяСподобалось3
До обраногоВ обраному2
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

Та просто не вірте продавцям часу праці ChatGPT. Їм за таку рекламу безкоштовні хвилини надають.
Коли ChatGPT працює — мізки регресують.
Але є й корисне — якщо не можеш довести що ти краще проводиш BA ніж ChatGPT то...

Так доєднуйтесь в секту, ставайте також продавцем послуг ChatGPT)))

Та я такий дурак, що людям правду кажу. Чи намагаюся, коли не вагаюся.

Пам’ятайте, ШІ не відбере вашу роботу, її відбере чувак який буде ШІ використовувати.

Або той чувак, хто буде розробляти ШІ.
Дякую за статтю.

Перша ластівка. Як тьютор ChatGPT ще не досить досконалий, на мій погляд. Не навчить він майбутнього розробника звертатися до первісних джерел, шерстити всю доступну документацію вздовж та впоперек, та читати sources third party libraries or legacy sources (бо останнє простіше читати за допомогою debuger)
Якщо не вчити самостійно відповідати на питання — а не тільки коректно створювати запити — то як перевірити чужі messages?
Ще мені не зрозуміло — звідки береться той код у ChatGPT ?
Припустимо із якогось сайту якогось розробника. Але ось розробник виправив у своїм коді на своїм сайті якусь дещицю... А що ChatGPT ?
Про 0-day лячно і мовити щось.
Може тоді наш теперішній ChatGPT не більше ніж корисна забавка для дітлахів?
Звісно рішення полягає у подальшому децентралізувати всіх цих ботів та навчити обмінюватися інформацією друг з другогом — хоча б для того щоб ймовірнісно оцінювати її на предмет хахаха ймовірності.

шерстити всю доступну документацію вздовж та впоперек, та читати sources third party libraries or legacy sources (бо останнє простіше читати за допомогою debuger)

Особливо для новачкі це буде зайвим і навіть шкідливим. Новачку треба опанувати базові концепти які будуть написані зрозумілою мовою із зрозумілими прикладами. А далі вже з ростом мачурності й скілів, людина буде заглиблюватись все глибше.

звідки береться той код у ChatGPT ?

Система його генерує «на льоту». У системи немає кодової бази на всі випадки життя, звідки вона копіює приклади і тим паче вона не бере код із сайтів.
Так само немає і заготовлених відповідей на абстрактні запитання.
Це легко перевірити, тому що в різних запитах на одну й ту ж задачу буде згенеровано різний код.
Сама модель на якій побудовано ChatGPT не передбачає наявність бази заготовлених відповідей звідки буде робитись копіпаста.

Якщо не вчити самостійно відповідати на питання — а не тільки коректно створювати запити

Правильно поставит запитання це куди важливіше і куди важче ніж дати відповідь на чуже запитання.

Так, але важливе уточнення, що по цим ресурсам було навчання моделі, а не копіпаста кожен раз коли хтось пише запит.

Хоча автори офіційно не розкрили джерела, на яких навчалась модель.

Маю певні сумніви стосовно цього, навряд їм було цікаво перелопачувати терабайти легасі-гавнокода і мільярдів Хелло Вордів, не кажучи вже про якість цього коду, антипатерни і т.д.

Якби я робив щось подібне, то я б навчав подібну систему лише на вибраних і добре написаних прикладах з максимумом Best Practices.
В той час як більшість комерційних систем і навіть опенсорсу просто рясніють антипатернами.

Також цілком логічно припустити, що так як це де-факто Майкрософт, то їх кодова база могла використовуватись для навчання. Але це може бути не ок по ряду причин, якщо про таке кричати назагал.

Маю певні сумніви стосовно цього, навряд їм було цікаво перелопачувати терабайти легасі-гавнокода і мільярдів Хелло Вордів, не кажучи вже про якість цього коду, антипатерни і т.д.

Аутсорснули на индусов

Був один такий скам-стартап, який позиціонував себе як система генерації кода. Презентацію провели, інвестиції підняли і на цьому все)
А на бекенді просто сиділо десяток індусів які копіпастили по запиту.

Хоча автори офіційно не розкрили джерела, на яких навчалась модель.
We introduce Codex, a GPT language model fine-tuned on publicly available code from GitHub, and study its Python code-writing capabilities. A distinct production version of Codex powers GitHub Copilot.
Our training dataset was collected in May 2020 from 54 million public software repositories hosted on GitHub, containing 179 GB of unique Python files under 1 MB. We filtered out files which were likely auto-generated, had average line length greater than 100, had maximum line length greater than 1000, or contained a small percentage of alphanumeric characters. After filtering, our final dataset totaled 159 GB.

Codex також є частиною й ChatGPT.

Дякую, пропустив саме цю інформацію.
Все стає більш зрозумілим.

Підписатись на коментарі