Wu Enda hocanın görüşlerine katılıyorum, AI destekli programlama gerçekten mevcut programlama dili bilgisi olan kişilerin yeni bir dile hızlı bir şekilde adapte olmasını sağlıyor. Aynı zamanda, dilin arkasındaki temel kavramları anlamanın önemini de vurguladı:
---
Ancak, farklı dillerin arkasındaki kavramları anlamak hala önemlidir. Bu nedenle, Python gibi en az bir dili öğrenmek, LLM'yi Python veya diğer dillerde kod üretmesi için daha iyi yönlendirmek adına sağlam bir temel oluşturmanıza yardımcı olur. Eğer bir programlama dilinden, benzer görevleri yerine getirebilen ama farklı sözdizimine sahip bir başka dile geçerseniz - örneğin, JS'den TS'ye, C++'dan Java'ya veya Rust'tan Go'ya - ilk dili anladığınızda, LLM'yi ikinci dilde kod yazması için yönlendirmek için gereken kavramların çoğunu da öğrenmiş olursunuz. (TensorFlow ve PyTorch programlama dilleri olmasa da, TensorFlow'un arkasındaki derin öğrenme kavramlarını öğrenmek, LLM'nin sizin için PyTorch kodu yazmasını sağlamayı da kolaylaştırır, aynı şey tersine de geçerlidir!) Ayrıca, üretilen kodların çoğunu anlayabileceksiniz (belki LLM'nin size biraz açıklama yapması gerekecek).
Farklı programlama dilleri, hesaplamayı organize etmenin farklı yaklaşımlarını yansıtır; bu kavramları anlamak yine de çok önemlidir. Örneğin, bir kişi diziler, sözlükler, önbellek ve bellek gibi kavramları anlamıyorsa, LLM'yi çoğu dilde kod yazmaya zorladığında sonuçlar daha kötü olacaktır.
Benzer şekilde, JS ile daha fazla ön uç geliştirme yapmak isteyen bir Python geliştiricisi, ön uç sisteminin arkasındaki bazı kavramları öğrenebilirse büyük fayda sağlayacaktır. Örneğin, bir LLM'nin React çerçevesini kullanarak bir ön uç oluşturmasını istiyorsanız, React'in ön ucu yeniden kullanılabilir UI bileşenlerine nasıl böldüğünü ve bir web sayfasının uzunluğunu belirleyen DOM veri yapısını nasıl güncellediğini anlamak yararlı olacaktır. Bu, LLM'ler konusunda daha hassas olmanızı ve bir şeyler ters giderse bunları nasıl düzelteceğinizi bilmenizi sağlar. Benzer şekilde, LLM'lerin sizin için CUDA veya ROCm kodu yazmasını istiyorsanız, GPU'ların bilgi işlem ve belleği nasıl düzenlediğini anlamak yararlı olacaktır.
İnsan dillerinde ustalaşmış birinin başkalarıyla daha kolay iletişim kurabilmesi gibi, LLM de geliştiricilerin çeşitli ortamlarda sistemler inşa etmelerini kolaylaştırıyor. Eğer henüz denemediyseniz, öğrenmek istediğiniz ancak zaman ayıramadığınız bir dilde LLM'ye biraz kod yazdırmayı denemenizi öneririm; bakalım yeni uygulamaları çalıştırmanıza yardımcı olup olamayacağını görün.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Wu Enda hocanın görüşlerine katılıyorum, AI destekli programlama gerçekten mevcut programlama dili bilgisi olan kişilerin yeni bir dile hızlı bir şekilde adapte olmasını sağlıyor. Aynı zamanda, dilin arkasındaki temel kavramları anlamanın önemini de vurguladı:
---
Ancak, farklı dillerin arkasındaki kavramları anlamak hala önemlidir. Bu nedenle, Python gibi en az bir dili öğrenmek, LLM'yi Python veya diğer dillerde kod üretmesi için daha iyi yönlendirmek adına sağlam bir temel oluşturmanıza yardımcı olur. Eğer bir programlama dilinden, benzer görevleri yerine getirebilen ama farklı sözdizimine sahip bir başka dile geçerseniz - örneğin, JS'den TS'ye, C++'dan Java'ya veya Rust'tan Go'ya - ilk dili anladığınızda, LLM'yi ikinci dilde kod yazması için yönlendirmek için gereken kavramların çoğunu da öğrenmiş olursunuz. (TensorFlow ve PyTorch programlama dilleri olmasa da, TensorFlow'un arkasındaki derin öğrenme kavramlarını öğrenmek, LLM'nin sizin için PyTorch kodu yazmasını sağlamayı da kolaylaştırır, aynı şey tersine de geçerlidir!) Ayrıca, üretilen kodların çoğunu anlayabileceksiniz (belki LLM'nin size biraz açıklama yapması gerekecek).
Farklı programlama dilleri, hesaplamayı organize etmenin farklı yaklaşımlarını yansıtır; bu kavramları anlamak yine de çok önemlidir. Örneğin, bir kişi diziler, sözlükler, önbellek ve bellek gibi kavramları anlamıyorsa, LLM'yi çoğu dilde kod yazmaya zorladığında sonuçlar daha kötü olacaktır.
Benzer şekilde, JS ile daha fazla ön uç geliştirme yapmak isteyen bir Python geliştiricisi, ön uç sisteminin arkasındaki bazı kavramları öğrenebilirse büyük fayda sağlayacaktır. Örneğin, bir LLM'nin React çerçevesini kullanarak bir ön uç oluşturmasını istiyorsanız, React'in ön ucu yeniden kullanılabilir UI bileşenlerine nasıl böldüğünü ve bir web sayfasının uzunluğunu belirleyen DOM veri yapısını nasıl güncellediğini anlamak yararlı olacaktır. Bu, LLM'ler konusunda daha hassas olmanızı ve bir şeyler ters giderse bunları nasıl düzelteceğinizi bilmenizi sağlar. Benzer şekilde, LLM'lerin sizin için CUDA veya ROCm kodu yazmasını istiyorsanız, GPU'ların bilgi işlem ve belleği nasıl düzenlediğini anlamak yararlı olacaktır.
İnsan dillerinde ustalaşmış birinin başkalarıyla daha kolay iletişim kurabilmesi gibi, LLM de geliştiricilerin çeşitli ortamlarda sistemler inşa etmelerini kolaylaştırıyor. Eğer henüz denemediyseniz, öğrenmek istediğiniz ancak zaman ayıramadığınız bir dilde LLM'ye biraz kod yazdırmayı denemenizi öneririm; bakalım yeni uygulamaları çalıştırmanıza yardımcı olup olamayacağını görün.
İnşa etmeye devam et!
Andrew