Você está visualizando o site de uma EDIÇÃO PASSADA do QCon.

Palestra: Por que usar Julia em projetos de Data-Science?

Track: Machine Learning e Inteligência Artificial

Sala: 2 Nova York

Horário: 4:05pm - 4:50pm

Dia da semana: Terça-feira

Nível: Intermediário

Persona: Cientista de Dados

Apresentação em Português

Share this on:

This presentation is now available to view on InfoQ.com

Assista a palestra

Pontos Principais

  • Linguagem de script de uso interativo, com performance similar à linguagem C.
  • Multiple-dispatch como paradigma ideal em aplicações científicas.
  • Compilação Just-In-Time para geração de código de máquina eficiente;
  • Utilização de macros para gerar código a partir de código;
  • Integração eficiente com bibliotecas escritas em linguagem C;
  • Bibliotecas “notáveis” para otimização matemática, machine learning e uso de GPUs;
  • Estudo de Caso: projeto de precificação de instrumentos financeiros com grande volume de dados.

Resumo

Em 2012, um grupo do MIT divulgou a primeira versão da linguagem Julia, motivados por eliminar o trade-off entre produtividade e performance existente nas linguagens voltadas para computação técnica/científica.

Como resultado, a linguagem Julia possui as seguintes características:

  • Projeto open-source com licença liberal (MIT License).
  • Tipagem dinâmica e de uso interativo como uma linguagem de script.
  • Performance comparável à linguagem C.
  • Sintaxe simples.
  • Seleção de código com base em multiple-dispatch.
  • Geração dinâmica de código de máquina com base em compilação Just-In-Time (JIT) e uso de funções genéricas.
  • Suporte para metaprogramação com macros similares à linguagem Lisp.
  • Suporte para computação distribuída (multi-core/cluster).

Em 2018 a linguagem atingiu a versão 1.0, o que significa que este é o melhor momento para conhecer e começar a aplicar a linguagem em projetos sérios.

O objetivo da palestra é explorar as principais características da linguagem Julia, analisando suas vantagens e desvantagens, de forma a motivar sua utilização em projetos de Data-Science e Big Data.

Palestrante: Felipe Noronha Tavares

Gerente no Departamento de Gestão de Risco de Mercado no BNDES

Engenheiro de Computação pelo Instituto Militar de Engenharia. Mestre em Economia pelo IBMEC-RJ. Atua há 9 anos na área de gestão de Risco de Mercado. Contribui com projetos open-source na linguagem Julia desde 2015.

Find Felipe Noronha Tavares at

Tracks

Segunda-feira, 4 de maio

Terça-feira, 5 de maio

Quarta-feira, 6 de maio

  • Microservices: melhores práticas e padrões

    Frameworks modernos e os desafios de implantação, gestão e pós-produção

  • Software Supply Chain

    Todas as fases do ciclo de vida de um artefato de software, do primeiro commit até o deployment. Segurança, observabilidade, genealogia e gestão de toda a sua cadeia de suprimentos de software

  • Data Science aplicada

    Tecnologias e as boas práticas da ciência de dados trazendo ganho e diferencial competitivo para grandes empresas.

  • Linguagens Contemporâneas

    Linguagens e plataformas emergentes, com ênfase em linguagens projetadas para alta concorrência e sistemas distribuídos.

  • Levando sua carreira para o próximo nível

    Habilidades e estratégias para destravar sua carreira e potencializar seu desenvolvimento profissional.

  • Solutions Track #3

    Conheça soluções, ferramentas e técnicas de empresas parceiras do QCon São Paulo.