GPT+Copilotを使えば、Rustの学習はすぐに始まります

GPT+Copilotを使えば、Rustの学習はすぐに始まります

みなさんこんにちは。私は漁師です。

Rust の学習曲線は初期段階と中期段階では急峻になりますが、今日では AI の支援があり、どのプログラミング言語を学ぶこともそれほど難しくないようです。わからない場合は、GPT に尋ねてください。少なくとも初期段階では、問題をすぐに解決できるようになります。

例えば、CSV ファイルを読み取りたい場合、GPT に直接アクセスして参照することができます。

CSV ファイルの内容も自動的に生成されるので、非常に効率的です。

まず、外部パッケージ(csv パッケージと serde パッケージ)を追加しましょう。これらのパッケージは、Cargo.toml ファイルに追加することでインポートできます。

あるいは、次のコマンドラインを追加します。

 cargo add serde --features derivecargo add csv cargo add serde --features derive

追加した後、このファイルを走査して、実際にデータがあるかどうかを確認します。

コードは次のとおりです。

 use csv::Reader; use std::error::Error; const CSV_PATH: &str = "./large_file.csv"; fn main() -> Result<(), Box<dyn Error>> { let mut rdr = Reader::from_path(CSV_PATH)?; for result in rdr.records() { let record = result?; println!("{:?}", record); } Ok(()) }

実行結果はこれらのデータを生成するのに非常に役立ちます。

 cargo run Finished dev [unoptimized + debuginfo] target(s) in 0.04s Running `target/debug/rust-demo9` StringRecord(["Alice", "30", "New York"]) StringRecord(["Bob", "25", "Los Angeles"]) StringRecord(["Charlie", "35", "Chicago"]) StringRecord(["David", "40", "Houston"]) StringRecord(["Eve", "28", "Philadelphia"]) StringRecord(["Frank", "33", "Phoenix"]) StringRecord(["Grace", "22", "San Antonio"]) StringRecord(["Henry", "45", "San Diego"]) StringRecord(["Ivy", "29", "Dallas"]) StringRecord(["Jake", "38", "San Jose"]) %

Age 列のデータだけを読み取りたい場合は、GPT に直接相談すれば、解決を手伝ってもらえます。コードのすべての行を説明してくれるので、初心者にとっては非常に助かります。

 use csv::Reader; use std::error::Error; const CSV_PATH: &str = "./large_file.csv"; fn main() -> Result<(), Box<dyn Error>> { let mut rdr = Reader::from_path(CSV_PATH)?; for result in rdr.records() { let record = result?; println!("{}", record.get(1).unwrap_or_default()); } Ok(()) }

3 列目のデータを取得したい場合は、vscode で直接 GitHub Copilot を参照することもできます。問題がないと思われる場合は、[Accept] を直接クリックして、提供されるコードを参照できます。基本的な変更にも非常に便利です。ただし、一部の基本的なコードと繰り返しコードは Copilot によって自動的に生成されるため、効率も大幅に向上します。

結果は次のとおりです。

最後に、どんな言語でも学習すれば、困難は大幅に軽減されます。AI をプロダクト マネージャーとして扱い、要件を提供し、最終的に AI にコード開発を手伝わせることもできます。実際にレビューを行い、AI に書き方が下手な部分の修正を続けさせるか、魔法のような修正を行った後、基本的にそれを使用することができます。仕事で繰り返し使用するコードのほとんどをゼロから学ぶ必要はありませんが、ツールの使い方を学べばよいのです。

<<:  まだ NeRF に取り組んでいますか?リアルタイムレンダリングでリアルな自動運転データを生成!ストリートガウス:すべての SOTA を超えよう!

>>: 

ブログ    

推薦する

Google:MLの発展を牽引する転移学習とは何でしょうか?丨NeurIPS 2020

機械学習の分野でよく使われる分類学習タスクでは、訓練された分類モデルの精度と高い信頼性を確保するため...

DeepFakeの頭部置換技術がアップグレード:浙江大学の新モデル、GANが美しい髪の頭部を生成

DeepFake は顔を本物らしく入れ替えることができますが、髪の毛の場合は同じことはできません。現...

調査レポート:2021年の人工知能開発動向予測

人工知能技術の広範な応用は、私たちの生活と仕事のあらゆる側面に大きな影響を与えています。他のテクノロ...

...

Google、金融機関の内部リスク警告の精度を2~4倍に高められるAIマネーロンダリング対策ツールをリリース

Googleは6月27日、生成AIを組み合わせてマネーロンダリング対策ツール「AML AI」をリリー...

これらの「ブラックテクノロジー」は洪水対策をよりスマートにする

現在、我が国の南北はともに洪水の季節を迎え、大雨が頻繁に発生し、洪水の予防と制御は危機的な段階に達し...

...

ICLR 2020 におけるナレッジグラフ研究の包括的な概要

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

2020年に人工知能がIT業界を変える

21 世紀は人類史上刺激的な時代であり、人々の日常生活に技術の進歩が起こっています。今では、患者の健...

マイクロソフトとパートナーは、AIへのアクセスを制限するデータ砂漠の縮小に取り組んでいる。

Microsoft は、多くの非営利団体のパートナーと協力して、これらのツールが失明や運動障害など...

マイクロソフトがAIインフラサービスコード名「Singularity」を発表

Microsoft Azure と研究チームは協力して、コードネーム「Singularity」という...

...

誇張か革命か?産業メタバースの4つの大きなトレンド

産業用仮想世界は、製造業者がすでに進めているデジタル変革を補完できるでしょうか? メタバースについて...

YOLOがBEVセンシングに参入! YOLO+BEVのリアルタイム検出の試み

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

Baidu Apollo がインテリジェント時代のモバイル空間「Apollo II」を正式に開始

2021年8月5日、百度アポロの新世代自動運転ミニバス「アポロII」が広州市黄埔で正式に公開されまし...