Git cho dự án AI và Vision: quản lý code, dữ liệu và mô hình
Nên và không nên commit gì, file .gitignore mẫu, quy trình nhánh, quản lý dữ liệu và mô hình bằng Git LFS, DVC, gắn tag phiên bản mô hình và làm việc nhóm.
Giai đoạn 2 · Viết Python chuyên nghiệp · Chặng 6/10
Học xong chặng này, bạn có thể: Dựng dự án Python có môi trường riêng, quản lý bằng Git, tự động format, lint, có test và chạy được như một lệnh.
Đã học chặng 5. Cài sẵn Git và có một tài khoản GitHub miễn phí.
Học lần lượt từ trên xuống. Làm hết bài tập trong mỗi bài, đánh dấu đã học để theo dõi tiến độ.
Tạo và dùng môi trường ảo cho từng dự án · Cài, khóa phiên bản thư viện bằng pip và requirements.txt · Quản lý dự án bằng uv và pyproject.toml
Dùng vòng add, commit, push, pull hằng ngày · Viết .gitignore cho dự án Python · Làm việc với nhánh và pull request
Hiểu PEP 8 và lý do cần công cụ tự động · Dùng ruff format và ruff check --fix · Cấu hình Ruff trong pyproject.toml và pre-commit
Viết test bằng assert và chạy pytest · Dùng fixture, parametrize, tmp_path, kiểm tra ngoại lệ · Đo độ phủ test bằng pytest-cov
Đọc traceback nhiều tầng để tìm đúng chỗ lỗi · Dùng breakpoint, step, watch trong VS Code · Dùng breakpoint() và pdb khi không có giao diện
Tổ chức dự án theo src layout · Khai báo dự án, phụ thuộc, lệnh chạy trong pyproject.toml · Cài dự án ở chế độ editable và chạy như một lệnh
Không bắt buộc, đọc khi muốn hiểu sâu hơn.
Nên và không nên commit gì, file .gitignore mẫu, quy trình nhánh, quản lý dữ liệu và mô hình bằng Git LFS, DVC, gắn tag phiên bản mô hình và làm việc nhóm.
Các lệnh Git theo tình huống: cài đặt lần đầu, làm việc hằng ngày, nhánh, sửa sai, gắn tag phiên bản, .gitignore cho dự án AI và các thói quen tốt nên giữ.
Thiết lập VS Code tối ưu cho Computer Vision: chọn đúng môi trường, debug có điều kiện, cấu hình và làm việc trên máy GPU từ xa.
Khóa chặt hàm xử lý ảnh bằng pytest: fixture, parametrize, approx, ảnh tổng hợp có đáp án và bộ ảnh hồi quy bắt lỗi escape trước khi lên máy trạm.