Baru-baru ini saya membaca posting dari R-Blogger, yang terhubung dengan posting blog ini dari John Myles White tentang bahasa baru bernama Julia . Julia mengambil keuntungan dari kompiler just-in-time yang memberikannya waktu lari cepat jahat dan menempatkannya pada urutan yang sama besarnya kecepatan seperti C / C ++ ( urutan yang sama , tidak sama cepat). Selain itu, ia menggunakan mekanisme looping ortodoks yang kita kenal yang memulai pemrograman pada bahasa tradisional, alih-alih R menerapkan pernyataan dan operasi vektor.
R tidak akan pergi dengan cara apapun, bahkan dengan timing yang luar biasa dari Julia. Ini memiliki dukungan luas dalam industri, dan banyak paket bagus untuk melakukan apa saja.
Ketertarikan saya pada dasarnya adalah Bayesian, di mana vektorisasi seringkali tidak memungkinkan. Tentu saja tugas serial harus dilakukan menggunakan loop dan melibatkan perhitungan berat pada setiap iterasi. R bisa sangat lambat pada tugas-tugas pengulangan serial ini, dan C / ++ bukanlah jalan untuk menulis. Julia sepertinya merupakan alternatif yang bagus untuk menulis dalam C / ++, tetapi masih dalam masa pertumbuhan, dan tidak memiliki banyak fungsi yang saya sukai dari R. Ini hanya masuk akal untuk mempelajari Julia sebagai meja kerja statistik komputasi jika mendapat cukup dukungan dari komunitas statistik dan orang-orang mulai menulis paket yang bermanfaat untuknya.
Pertanyaan saya ikuti:
Fitur apa yang perlu dimiliki Julia agar memiliki daya pikat yang menjadikannya bahasa statistik de facto?
Apa kelebihan dan kekurangan dari belajar Julia untuk melakukan tugas-tugas yang berat secara komputasional, dibandingkan dengan belajar bahasa tingkat rendah seperti C / ++?