Palestra: Por que usar Julia em projetos de Data-Science?
Share this on:
This presentation is now available to view on InfoQ.com
Assista a palestraPontos 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.
Tracks 2020
-
Arquiteturas que você sempre quis conhecer
Segredos arquiteturais de aplicações populares, com milhões de pessoas usuárias e que nunca saem do ar.
-
Engenharia aplicada a Machine Learning
Conheça as principais técnicas de engenharia e arquitetura de software de larga escala aplicadas a Machine Learning.
-
Microservices: melhores práticas e padrões
Frameworks modernos e os desafios de implantação, gestão e pós-produção
-
Arquiteturas de vanguarda
Conheça as técnicas e tecnologias modernas que dominarão as arquiteturas em 2020.
-
Atingindo todo o potencial de containers
Técnicas modernas de DevOps, Containers e Continuous Delivery para explorar o potencial da conteinerização de aplicações.
-
Machine Learning e Inteligência Artificial
Algoritmos, técnicas e ferramentas: o que está por trás de sistemas e soluções cada vez mais assertivas.
-
Data Science aplicada
Tecnologias e as boas práticas da ciência de dados trazendo ganho e diferencial competitivo para grandes empresas.
-
Java e JVM em evolução
Performance, escalabilidade e as mais recentes novidades da principal plataforma de desenvolvimento no Brasil e no mundo.
-
JavaScript: a plataforma da web moderna
Explore profundamente os frameworks que tornam o JavaScript tão popular e saiba como as linguagens baseadas em JavaScript estão evoluindo o desenvolvimento de front-end (e back-end).
-
Levando sua carreira para o próximo nível
Habilidades e estratégias para destravar sua carreira e potencializar seu desenvolvimento profissional.
-
Construindo culturas de desenvolvimento duradouras
Criando e evoluindo a cultura de empresas: novas formas de organizar times com foco em produtividade.
-
Ciência da Computação no mundo real
Temas avançados em computação. Técnicas clássicas e modernas direto da academia para o seu código.
-
Linguagens do século 21
Linguagens e plataformas emergentes, com ênfase em linguagens projetadas para alta concorrência e sistemas distribuídos.
-
AMA (Ask Me Anything)
Discussões mais profundas com palestrantes do QCon São Paulo.
-
Solutions Track
Conheça soluções, ferramentas e técnicas de empresas parceiras do QCon São Paulo.