Tekoälyllä voi myös rakenteellistaa dataa
Innostus generatiivisten kielimallien kanssa leikkimiseen valtasi maailman reilu vuosi sitten, kun ChatGPT julkaistiin. Sanon leikkimiseen, koska suuri osa käytöstä on ollut huumorilla höystettyä kokeilua.
Järjestelmiä saatetaan ylläpitää vuosikymmeniä, ja siksi koodin laadulla on merkitystä. Sitä, että koodi valmistui erityisen nopeasti, tuskin kukaan muistaa enää viikon, saati vuoden päästä. Sen sijaan huonosti kirjoitettu koodi näkyy koko järjestelmän käyttöajan.
Siististä koodaamisesta on kirjoitettu oppaita (esim. Robert C. Martinin eli Uncle Bobin Clean Code) ja on myös olemassa staattisia skannereita (SonarQube yms.). Silti on hyvin tavallista, että koodin ylläpitämisessä on ongelmia. Yleensä tämä koskee nimenomaan kirjoitettua uutta koodia. On otettu käyttöön jokin hieno uusi framework, mutta koodi ei ole erityisen selkeää.
Itselleni on tärkeää, että pystyn koodaamaan helposti ylläpidettävää koodia. Tämän osaamisen kehittämisessä Clean Code on ollut minulle tärkeä ohjenuora. Käyttämällä hieman aikaa, ennen kuin laitan koodin versionhallintaan, saan tehtyä laadukkaampaa koodia ja säästän aikaa ylläpidosta.
Huomioimalla kolme asiaa parannat koodia merkittävästi:
Edellä kuvattuja asioita voi käytännössä toteuttaa esimerkiksi näin:
Metodi
/**
The things:
-check
-processes emails before weekend (note if possible)
-saves data
Check ticket IPA-245 (but no IPA-244!!)
**/
public int doThings(X45Holder x1) {
int x2, var3, var45 = 0;
// note: current code processess emails after weekend
// kanta alas ja ylös, jos ei auta soita Kale 040-764 7939
…
897 riviä sekavaa koodia
…
return !(noYesAlertMode – 0.5);
}
olisi selkeämpi näin:
public void processEmailsAfterWeekend(Parameters parameters) {
checkParameters(parameters)
List<Email> emails = fetchEmailsAfterWeekend(parameters)
List<ProcessedEmail> processedEmails = processEmails(emails)
saveProcessedEmailsToDatabase(processedEmails)
}
Mitkä ovat kolme sinulle tärkeintä asiaa koodin ymmärrettävyyden kannalta?
Mika Tapanainen, Full stack developer, Fonzit Oy
Innostus generatiivisten kielimallien kanssa leikkimiseen valtasi maailman reilu vuosi sitten, kun ChatGPT julkaistiin. Sanon leikkimiseen, koska suuri osa käytöstä on ollut huumorilla höystettyä kokeilua.
Autonomiset koneet on Fonzitin käyttämässä jaottelussa yksi tekoälyn sovelluskohde. Autonomisia koneita ovat esim. autonomiset autot, teollisuusrobotit ja ihmisen kaltaiset robotit eli humanoidirobotit.
Ohjaamaton koneoppiminen poikkeamien havaitsemisessa Fonzit Oy on laajentanut liiketoimintaansa loma-asuntobisnekseen ja rakennuttanut kokonaisen vuokramökkikylän Etelä-Suomeen. Koska data ja tekoäly liiketoiminnassa on Fonzitin ydinosaamista,