Introduction to Julia
Corso
Online
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Metodologia
Online
-
Inizio
Scegli data
Questo corso è orientato verso analisti di dati e ricercatori. Julia è un linguaggio di programmazione emergente con una forte attenzione alla precisione numerica, al calcolo scientifico e alle statistiche. Ha guadagnato gran parte della sua reputazione grazie alla sua velocità di esecuzione unita alla sua facilità di programmazione. Ciò che è meno enfatizzato, anche se è vero, è quello
Julia ha una vasta gamma di strumenti integrati e esterni per il calcolo distribuito e parallelo,
facilita la costruzione di strutture dati definite dall'utente,
semplifica la metaprogrammazione, quindi definisce anche i propri DSL,
permette di interagire con molti altri linguaggi di programmazione come C, Python e R,
fornisce un paradigma di programmazione a più dispatch, che in molti modi ti aiuta a organizzare il tuo codice e ti rende un programmatore e un ingegnere del software migliori.
Machine Translated
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Some familiarity with programming is desirable, but not essential. The aim of the course is to teach you the basics of the Julia programming language in a self-contained fashion.
Opinioni
Materie
- Programmazione
- Calcolo
Programma
Introduction to Julia
- What niche is filled by Julia
- How can Julia help you with data analysis
- What you can expect to get out of this course
- Getting started with Julia's REPL
- Alternative environments for Julia development: Juno, IJulia and Sublime-IJulia
- The Julia ecosystem: documentation and package search
- Getting more help: Julia forums and Julia community
- Introduction to Julia REPL and batch execution via "Hello World"
- Julia String Types
- What is a variable? Why do we use a name and a type for it?
- Integers
- Floating point numbers
- Complex numbers
- Rational numbers
- Vectors
- Matrices
- Multi-dimensional arrays
- Heterogeneous arrays (cell arrays)
- Comprehensions
- Tuples
- Ranges
- Dictionaries
- Symbols
- Abstract types
- Composite types
- Parametric composite types
- How to define a function in Julia
- Julia functions as methods operating on types
- Multiple dispatch
- How multiple dispatch differs from traditional object-oriented programming
- Parametric functions
- Functions changing their input
- Anonymous functions
- Optional function arguments
- Required function arguments
- Inner constructors
- Outer constructors
- Compound expressions and scoping
- Conditional evaluation
- Loops
- Exception Handling
- Tasks
- Modules
- Packages
- Symbols
- Expressions
- Quoting
- Internal representation
- Parsing
- Evaluation
- Interpolation
- Filesystem
- Data I/O
- Lower Level Data I/O
- Dataframes
- Defining distributions
- Interface for evaluating and sampling from distributions
- Mean, variance and covariance
- Hypothesis testing
- Generalized linear models: a linear regression example
- Plotting packages: Gadfly, Winston, Gaston, PyPlot, Plotly, Vega
- Introduction to Gadfly
- Interact and Gadfly
- Introduction to Julia's message passing implementation
- Remote calling and fetching
- Parallel map (pmap)
- Parallel for
- Scheduling via tasks
- Distributed arrays
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Introduction to Julia