Github Copilotin hyödyntäminen datan perusvisualisoinnissa Flask-mikroverkkokehyksellä

Abstract

Opinnäytetyön tavoitteena oli tutkia GitHub Copilotin käyttöä Flask-mikroverkkokehyksellä datan perusvisualisoinnissa. Päädyin aiheeseen tekoälyn kasvavan suosion vuoksi, ja tarkoituksenani oli pääasiassa selvittää, missä vaiheessa tekoälyn kehitys on ohjelmoinnin osalta ja kuinka tehokkaasti se pystyy luomaan laadukasta koodia ilman, että käyttäjän tarvitsee osata ohjelmointia lainkaan. Opinnäytetyössä tehdyssä testiohjelmassa luotiin kaavio, joka kerätään dataa palvelimelta ja sitten luodaan yksinkertainen kaavio noudetulla datalla.

Teoriaosuus käsittelee Copilotin toimintaa yleisesti: mitkä ovat tavat luoda hyvä kehote tekoälylle, miten asentaa Github Copilot useilla eri kehitysympäristöillä, miten Python-ohjelmointikieli yksinkertaisilla esimerkeillä toimii, kuinka erilaisia Python-kirjastoja voidaan asentaa ja miten dataa voidaan noutaa Pythonia käyttäen Restful API:lla.

Toiminnallisessa osuudessa luotiin Flaskilla tehty ohjelma GitHub Copilottia käyttäen. GitHub Copilotilta pyydetään tässä osuudessa kehitysympäristössä GitHub Copilot chatissa generoimaan koodia, joka noutaa CROn hinnan tiettynä ajanhetkenä, ja muuttaa sen Matplotlibbiä, NumPyta ja Pandasia käyttäen yksinkertaiseksi kaavioksi.

Lopputuloksena todettiin, että GitHub Copilotin avulla voidaan luoda yksinkertaisia kaavioita Pythonin Flaskia käyttäen erittäin nopeasti ilman virheilmoituksia. Ohjelma toimii juuri kuten pitääkin, ja kaikki perusmääritykset toteutuvat.

The aim of the thesis was to explore GitHub Copilot with Flask microframework with basic data visualization. I ended up on the subject due to growing popularity of artificial intelligence, and the aim was to mainly figure out at what point the AI progress is with programming, how effective it is to generate high-quality code without needing to know anything about programming. In the test program made in thesis there is a test chart generated that collects data from a server and then generates a simple chart with the obtained data.

The theoretical part explores Copilot’s functionality in general, what are the best ways to create good prompts for AI, how to install GitHub Copilot on multiple IDEs, how Python language with simple examples works, how different libraries can be installed and how data can be obtained with Python using Restful API.

In the practical part, a program made with Flask was created using GitHub Copilot. Copilot is asked at this part to generate code with GitHub Copilot Chat in the IDE’s environment, which obtains CRO price at the given moment and then transfers it to a simple chart using Matplotlib, NumPy and Pandas.

The conclusion was that GitHub Copilot enables the creation of simple charts using Python's Flask very quickly without any error messages. The program functions exactly as expected, with all basic configurations successfully implemented.