Teile diesen Beitrag:

Julia ist eine junge Programmiersprache, die aktuell immer mal wieder als tolle Alternative im Bereich Data Science genannt wird. Julia wurde am MIT entwickelt, 2012 erschien die Open-Source-Version.

Julia ist eine General Purpose Language, wurde aber vor allem für die Datenanalyse und das numerische Rechnen entwickelt. Julia benutzt eine just-in-time compilation, welche zwischen einer klassischen Compiler-Sprache (AOT = ahead of time) und einem Interpreter sitzt. Der Code wird während der Ausführung kompiliert.

Der große Vorteil von Julia ist die Geschwindigkeit bei einem dynamischen Typsystem, d.h. der Typ einer Variable (z.B. int) wird erst zu Laufzeit überprüft. Andere Skriptsprachen, die ein dynamisches Typsystem haben, sind normalerweise langsamer. Zudem kann R- und Python-Code mit den entsprechenden Bibliotheken ausführen.

Die Geschwindigkeit von Julia ist bemerkenswert, da andere Skriptsprachen schon über Jahre optimiert wurden. Dies kann durch die Typ-Stabilität erklärt werden, so wirft z.B. 2^-5 einen Error, da 2 und -5 Integer sind, das Ergebnis aber nicht. R würde das Ergebnis einfach in eine Kommazahl umwandeln. Die Typstabilität sorgt dafür, dass direkt der optimierte C/FORTRAN-Code aufgerufen werden kann. Gleichzeitig sind die Funktionen überladen, so dass es für viele Kombinationen von Typen im Hintergrund eine eigene Funktion aufgerufen wird.

Es scheint so, dass Julia eine Konkurrenz für R oder Python im Bereich Data Science werden könnte. Zudem besteht ja die Möglichkeit, Code verschiedenster Programmiersprachen einzubinden.

Julia-Links

Teile diesen Beitrag: