Lekce 4 - Využití umělé inteligence při studiu programování Nové
V minulé lekci, Proměnné a typový systém v Pythonu, jsme si ukázali základní datové typy, práci s proměnnou a napsali jsme si jednoduchý program.
V tomto tutoriálu se naučíme využívat AI při studiu programování. Ukážeme si, jak pomocí umělé inteligence lépe pochopit složité koncepty a zrychlit řešení úkolů, na kterých běžně trávíme spoustu času.
Využití AI při studiu programování
Učení se programování může být občas náročné. Budeme se setkávat se spoustou nových konceptů a nezvyklých problémů. Dnešní doba nám však poskytuje AI nástroje, které nám práci i studium velmi ulehčí. Stačí se je naučit správně používat. Nerozumíme nějakému tématu? ChatGPT nám danou problematiku na základě našich otázek znovu vysvětlí a pomůže nám si dané téma osvojit. Narazili jsme na problém v nějaké úloze? Nástroj Canvas ji s námi rozebere a v případě potřeby doporučí další postup, opraví chyby a podobně. Strávili jsme hodinu luštěním našeho kódu a nakonec jsme zjistili, že celý problém zapříčinila chybějící závorka? Nejsme první ani poslední – toto je skutečně více než běžné. Když si osvojíme používání AI nástrojů, bude řešení podobných problémů otázkou několika sekund.
AI je nápomocná v mnoha dalších oblastech. Jak ji správně využívat, se učíme v kurzech Umělá inteligence.
Potřebuješ poradit? ChatGPT ti pomůže rychleji než lektor
Skvělým parťákem, a to nejen při studiu, pro nás bude zejména ChatGPT. Srozumitelně nám vysvětlí složitější látku, prodiskutuje s námi náročnější koncepty a dokáže navrhnout i řešení technických problémů v našem počítači. Pro studenty našich rekvalifikačních kurzů jsou samozřejmě k dispozici konzultace s lektory.
Ve většině případů však můžeme náš problém či dotaz vyřešit pomocí ChatGPT mnohem rychleji a stejně efektivně jako s lektorem.
ChatGPT je k dispozici prostřednictvím mobilní aplikace nebo online na adrese chatgpt.com. V řešení problémů umí být opravdu vynalézavý a zeptat se ho můžeme prakticky na cokoli:

Při komunikaci s chatbotem se dozvíme spoustu zajímavých informací a pochopíme i složité koncepty, kterých je v programování mnoho:

Můžeme se například zeptat na látku, která nám není jasná a kterou bychom potřebovali dovysvětlit:
Vysvětli, k čemu slouží v Pythonu konstruktor.
Odpověď od ChatGPT
V Pythonu konstruktor slouží k inicializaci nového objektu třídy. Je to speciální metoda, která se automaticky zavolá při vytvoření instance třídy a obvykle slouží k nastavení počátečních hodnot atributů objektu.
🔧 Jak konstruktor vypadá? V Pythonu je konstruktor
definován metodou __init__
:
class Osoba: def __init__(self, jmeno, vek): self.jmeno = jmeno self.vek = vek
__init__
je speciální metoda (s dvěma podtržítky na začátku i na konci).- Prvním parametrem je vždy
self
, což je odkaz na právě vytvářený objekt. - Další parametry jsou hodnoty, které chceš předat při vytváření objektu.
🧪 Použití v praxi
osoba1 = Osoba("Anna", 25) print(osoba1.jmeno) # Výstup: Anna print(osoba1.vek) # Výstup: 25
Když vytvoříš osoba1 = Osoba("Anna", 25)
, zavolá se
automaticky __init__
a nastaví se atributy jmeno
a
vek
. ✅ K čemu je to dobré?
- Umožňuje snadné vytvoření objektu s předdefinovanými vlastnostmi.
- Zajišťuje, že každý objekt má po vytvoření validní stav.
- Zvyšuje čitelnost a strukturu kódu v objektově orientovaném programování.
Dále se můžeme také zeptat na praktické využití určitého konceptu, například dědičnosti:
Vysvětli, co je dědičnost v Pythonu, k čemu se používá v praxi, a uveď jednoduchý příklad s kódem.
Odpověď od ChatGPT
🧬 Co je dědičnost v Pythonu?
Dědičnost (angl. inheritance) je základní princip objektově orientovaného programování (OOP), který umožňuje vytvořit novou třídu (tzv. podtřídu, subclass) na základě již existující třídy (tzv. rodičovská třída, superclass). Podtřída automaticky zdědí atributy (proměnné) a metody (funkce) své rodičovské třídy, ale může je také rozšířit nebo přepsat podle potřeby.
🧩 K čemu se dědičnost používá v praxi?
Dědičnost se využívá k:
- Znovupoužití kódu – opakované psaní stejných funkcí se minimalizuje.
- Strukturování kódu – hierarchicky rozdělené třídy přinášejí přehlednost a modularitu.
- Polymorfismu – umožňuje používat objekty různých
tříd stejným způsobem (např. když různé objekty mají metodu
zvuk()
).
💼 Příklady z praxe:
- V systému pro správu uživatelů může být základní třída
Uzivatel
, ze které dědíAdministrator
aZakaznik
. - Ve hře může být
Zvire
rodičovská třída aPes
,Kocka
její podtřídy s odlišnými metodami chování.
💡 Jednoduchý příklad dědičnosti v Pythonu
# Rodičovská třída class Zvire: def __init__(self, jmeno): self.jmeno = jmeno def zvuk(self): return "Neznámý zvuk" # Podtřída Pes, která dědí ze Zvire class Pes(Zvire): def zvuk(self): return "Haf haf!" # Podtřída Kocka, která dědí ze Zvire class Kocka(Zvire): def zvuk(self): return "Mňau!" # Použití zvire1 = Pes("Rex") zvire2 = Kocka("Micka") print(f"{zvire1.jmeno} říká: {zvire1.zvuk()}") print(f"{zvire2.jmeno} říká: {zvire2.zvuk()}")
Výstup:
Rex říká: Haf haf! Micka říká: Mňau!
✅ Shrnutí
- Dědičnost umožňuje vytvářet specializované třídy na základě obecných.
- Snižuje opakování kódu a podporuje přehlednější architekturu programů.
- V Pythonu se dědičnost definuje pomocí závorky
class Potomek(Rodic):
. - Chceš-li, můžu ti také ukázat složitější příklad nebo zapojení více úrovní dědičnosti.
Kvalita odpovědi závisí především na našem dotazu, tzv. promptu. Jak správně strukturovat prompt, se učíme v lekci Vytváříme efektivní prompty pro excelentní výstupy.
Nefunguje ti kód? Vyzkoušej nástroj ChatGPT Canvas
Při práci s ChatGPT lze využít rozšíření Canvas, které nabízí mimo jiné i rozhraní pro interaktivní práci s kódem. Na rozdíl od běžného chatovacího okna umožňuje organizovat odpovědi a návrhy kódu do bloků, což je ideální pro složitější úlohy, jako je návrh architektury aplikace nebo ladění rozsáhlejších projektů. Díky vizuálnímu uspořádání je možné lépe sledovat jednotlivé kroky návrhu, experimentovat s různými přístupy a snadno se vracet k předchozím verzím řešení. Nástroj spustíme tlačítkem Canvas v menu ChatGPT, které se nám otevře po kliknutí na tři tečky v chatovacím okně:

Nyní chatbotu předáme náš kód a začneme na něm pracovat:
jmeno = input("Zadej své jméno: ") if 3 <= len(jmeno) >= 10: print("Normální jméno") else: print("Máš moc krátké nebo moc dlouhé jméno!") input()
Nástroj nám v kódu vyhledá a opraví chyby:

Při správně zadaném promptu můžeme v našem kódu jednoduše doplnit chybějící funkcionalitu:
Oprav chybu a přidej do kódu validaci vstupu. Chci, aby nešlo zadat prázdné jméno.

GitHub Copilot – Pomocník přímo ve tvém IDE
GitHub Copilot je AI asistent vyvinutý společnostmi GitHub a OpenAI. V PyCharmu je k dispozici jako plugin, který je schopný navrhovat doplnění v našem kódu, generovat kód dle zadání či hledat a opravovat chyby.
Instalace pluginu
Pro využití GitHub Copilotu v PyCharmu je nutné jej nejprve nainstalovat. V levém horním rohu IDE vybereme možnost File, kde kliknutím na položku Settings otevřeme okno s nastavením:

V otevřeném menu zvolíme záložku Plugins a kliknutím na tlačítko Marketplace otevřeme výběr pluginů ke stažení:

Do vyhledávacího pole zadáme GitHub Copilot a plugin nainstalujeme kliknutím na tlačítko Install:

Po dokončení instalace budeme vyzváni k restartování PyCharmu a následně k přihlášení k našemu GitHub účtu.
V případě, že účet na GitHubu ještě nemáme, založíme si ho dle postupu v lekci Verzovací nástroj Git a PyCharm.
Práce s GitHub Copilotem
Jakmile je Copilot aktivní, začne v reálném čase generovat návrhy k doplnění kódu. Pokud začneme psát metodu, Copilot se pokusí navrhnout její logiku. Při práci s třídami nebo cykly dokáže generovat celé bloky kódu. Umí se dokonce učit z našeho stylu kódování a přizpůsobit mu své návrhy. Navrhovaný kód potvrdíme zmáčknutím klávesy Tab:

Kromě automatického doplňování kódu nabízí GitHub Copilot také chatovací rozhraní, které umožňuje pokládat dotazy, získávat vysvětlení ke kódu nebo generovat celé bloky kódu na základě zadání. V PyCharmu je chat dostupný po kliknutí na ikonu Copilot Chat v pravém bočním panelu. Do otevřeného okna můžeme zadat prompt, například pro vygenerování třídy s funkcí pro výpočet kvadratické rovnice:

Po odeslání promptu nám GitHub Copilot poskytne hotový kód, který lze pomocí dvou tlačítek v pravém horním rohu zkopírovat nebo přímo vložit do našeho kódu:

Mimo výběr AI modelu nám ještě chatovací rozhraní poskytuje možnost připojit konkrétní soubor pomocí ikony +. To je užitečné například při hledání chyb nebo optimalizaci kódu v rámci určitého souboru.
V našem případě jsme připojili soubor main.py
a zadali jsme
prompt pro nalezení chyb. Obdrželi jsme následující odpověď s návrhy
oprav:

Claude Artifacts
Chatbotů, jako je ChatGPT, je k dispozici více. Mezi další oblíbené patří Claude. Podobně jako ChatGPT ho můžeme využít jako pomocníka při následujících úkonech:
- programování – generování a oprava kódu, návrhy algoritmů, vysvětlení složitých konceptů,
- psaní a editace textu – pomoc s tvorbou dokumentů, článků nebo e-mailů,
- analýza a shrnutí informací – rychlé zpracování velkého množství textu a jeho převedení do stručné a srozumitelné podoby,
- asistence při rozhodování – pomoc s logickým myšlením, plánováním projektů a brainstormingem.
Princip používání je podobný jako u ChatGPT:

Artifacts jsou potom speciální výstupy, které Claude generuje odděleně od hlavního chatu, aby byly přehledné a snadno dostupné. Nejedná se o plnohodnotný editor, ale spíše o způsob, jak strukturovaně uchovat kód, dokumenty nebo vizualizace bez ztráty v dlouhém průběhu konverzace. Když si například necháme vygenerovat kód, Claude ho automaticky uloží jako Artifact. Můžeme ho pak kdykoli otevřít, sdílet nebo dále rozšířit. Tímto způsobem máme důležité informace vždy na dosah, bez nutnosti se k nim složitě vracet.
AI nástroje dokážou výrazně pomoci při studiu programování – usnadňují pochopení obtížné látky a řešení náročných úloh. Po dohodě se zaměstnavatelem je lze uplatnit i v praxi, kde mohou šetřit čas a zvyšovat produktivitu. Proto je důležité se s nimi naučit efektivně pracovat a využívat jejich potenciál naplno.
V příští lekci, Načítání hodnot z konzole a parsování v Pythonu, se podíváme na načítání hodnot z konzole, parsování dat a poté si vytvoříme jednoduchou kalkulačku.