說到資料科學與機器學習，多半會想到Python、R，近期還有第三種程式語言值得關注 — Julia，由 Jeff Bezanson, Stefan Karpinski, Viral Shah, Alan Edelman所開發，簡單來說，其精神為Write like Python, run like C，不難看出Julia試圖解決在效能與可讀性間的兩難，根據維基百科，Jeff等開發者有感於科學計算的程式語言僅某些專業領域特別擅長，如果有種程式語言具有C語言的效能、Ruby的動態性、Lisp的同像性、Python的泛用性、R的統計分析...，還有互動式又是編譯型的特性那該有多好(OS: 優點都要?!天底下居然有這麼好的事...)，造就了Julia誕生，並於2012年釋出，2018年8月8日大改版v1.0，正式邁進一大步。
文章支援：MIT正式發佈編程語言Julia 1.0：Python、R、C++三合一
今年的開源人年會(COSCUP 2018)其中一項主議程就是Julia，從入門介紹到進階的Metaprogramming，初級入門可參考 Julia Taiwan發起人 杜岳華的slideshare Introduction to Julia、COSCUP Julia 共筆，或是Julia 中文官方文件草稿。台灣社群有Julia Taiwan，以及 Julia news 關注此語言最新進展。
Julia應用領域包含財務分析、機器學習與AI、圖像運算(GPUs)、平行運算、生物資訊、能源領域、最佳化問題、公共議題等。
Julia應用領域多元，令我訝異的是官網列舉蠻多能源應用案例，如：電網安全、能源交易、能源市場分析、電網系統最佳化等，此外諾貝爾經濟學獎得主Sargent(理性預期學派)使用Julia建立計量總體經濟模型-離散動態規劃(Discrete dynamic programs)，其他如生醫、天文、財務、風險、最佳化議題。
關於Julia、Python與R之間有一件蠻有趣的關係，數據分析領域著名的交互式筆記本編輯器Jupyter Notebook，當初命名是為了紀念伽利略， 取自木星Jupiter的諧音，若把Jupyter拆解，Ju(Julia)-py (Python)-ter(R)，由此可看出，Julia未來在數據分析與人工智慧所扮演的角色值得關注。
參考資料：
<化讚為賞> 若你喜歡這篇文章，請點擊Like 5 下! 支持創作與內容分享，筆者將獲得LikeCoin官方回饋 !!
