Cet atelier présentera les bases de la syntaxe de Julia. 

Préparez-vous à coder, l’atelier permettra aussi une prise en main rapide de DataFrames.jl, qui fournit une interface très similaire à Pandas en Python ou DataFrame en R, mais aussi Graphs.jl, une implémentation très performante d’algorithmes de graphe génériques, aussi simple à utiliser que NetworkX en Python mais bien plus rapide.

Dans le bestiaire des langages de programmation, on trouve régulièrement de nouveaux venus, avec un succès souvent très éphémère. La première préversion de Julia est sortie en février 2012, après une incubation dans les laboratoires du MIT. Son objectif est assez simple : fournir une excellente performance à l’exécution du code (en se rapprochant du C), tout en gardant la facilité d’écriture des langages plus dynamiques comme Python ou MATLAB. Plus de dix ans après, le langage et sa communauté se sont développés, la performance est souvent très proche du C (le lecteur de fichiers CSV le plus rapide est d’ailleurs écrit en Julia), les mécanismes de base du langage ont permis de développer une composabilité à grande échelle dans tout l’écosystème (on peut combiner les fonctionnalités de plusieurs paquets qui n’ont jamais été prévus pour fonctionner ensemble).
Pour les fonctionnalités qui ne sont pas disponibles nativement en Julia, il est très facile d’accéder à du code écrit dans d’autres langages : C, Fortran, mais aussi Python, R ou MATLAB.

Cet atelier sera animé par Thibaut Cuvelier, software engineer, Google Research.