Julia es un lenguaje dinámico para la computación científica y numérica que compila a código máquina rápido. Busca acabar con la separación entre el lenguaje de prototipos y el rápido: escribes código legible y de alto nivel y corre a velocidades cercanas a las de C. Su diseño gira en torno al despacho múltiple y a una potente biblioteca numérica.
Conceptos clave
- Compilación just-in-time: las funciones se compilan a código máquina en la primera llamada, para los tipos que reciben.
- Despacho múltiple: el método que se ejecuta se elige según los tipos de todos los argumentos, la idea organizadora central.
- Estabilidad de tipos: el código cuyo tipo de resultado depende solo de los tipos de entrada es el que el compilador puede hacer rápido.
- Arreglos y broadcasting: arreglos n-dimensionales incorporados y una sintaxis con punto que aplica funciones elemento a elemento.
- Composabilidad: paquetes escritos por separado funcionan juntos mediante tipos compartidos y despacho.
- Metaprogramación: macros y código que genera código.
Vocabulario
- Método: una especialización de una función para tipos de argumento concretos.
- Broadcast: aplicar una función a lo largo de arreglos con la sintaxis del punto.
- Entorno de paquetes: un conjunto de dependencias propio de un proyecto, registrado en archivos.
- Latencia en la primera llamada: la demora de compilación la primera vez que se ejecuta una función.
Qué estudiar, en orden
- Sintaxis básica, arreglos, funciones y el REPL, escribiendo scripts numéricos pequeños.
- Tipos, estructuras y despacho múltiple; define tu propio tipo con métodos aritméticos.
- Lo básico del rendimiento: estabilidad de tipos, evitar variables globales y medir con benchmarks.
- Entornos de paquetes y bibliotecas de gráficos o de datos para tu campo.
- Resuelve un problema numérico que conozcas, como una ecuación diferencial, y compáralo con otro lenguaje.
- Lee la sección del manual sobre consejos de rendimiento.
Etiquetas relacionadas
#numerical-analysis #data-science #computational-science #hpc