Ciência e Dados
Menu
  • Home
  • Sobre
  • Contato
Menu
Julia - A Princesinha do Cientista de Dados

Julia – A Princesinha do Cientista de Dados

Posted on 8 de dezembro de 201527 de dezembro de 2017 by David Matos

Quando de trata de linguagens de programação para Ciência de Dados, duas linguagens surgem imediatamente na frente de batalha: R e Python. Mas a Ciência de Dados vem crescendo de forma exponencial e já está claro, que uma única solução não irá atender a todos os requisitos dos projetos de dados. Novas linguagens e soluções têm surgido como boas opções. Vivemos um momento incrível na área de tecnologia, que vem buscando novas formas de analisarmos o imenso volume de dados que aumenta a cada dia.

Criada por Jeff Bezanson, Stefan Karpinski, Viral B. Shah e Alan Edelman em 2012 e, portanto, nascida na era do Big Data, a linguagem de programação Julia vem ganhando popularidade entre os Cientistas de Dados. Julia é uma linguagem de programação de alto nível, dinâmica e de alto desempenho para computação científica, com uma sintaxe fácil de escrever, similar ao Python. Ela fornece um compilador sofisticado, execução paralela distribuída, precisão numérica e uma extensa biblioteca de funções matemáticas e estatísticas.

Apesar de bastante nova e existir há poucos anos, Julia está rapidamente ganhando popularidade entre os Cientistas de Dados devido sua flexibilidade e facilidade de uso. Embora tenha sido projetada como uma linguagem genérica, Julia é capaz de lidar com qualquer tipo de aplicação e foi pensada para ser particularmente eficiente em utilizar o poder de sistemas distribuídos, como Hadoop, frequentemente utilizados em Big Data.

Julia foi inspirada em diversas linguagens de programação como: C, LISP, Fortran, Python, Perl, Lua, R, Ruby e Matlab. Daí vem o fato da linguagem ter sido pensada para ser genérica. Abaixo algumas das principais características da linguagem, relacionadas a Data Science:

  • É uma linguagem de bom desempenho, que se aproxima de linguagens estaticamente compiladas como C
  • Possui um gerenciador de pacotes para tornar a vida mais fácil
  • Permite fazer a chamada direta de funções escritas em C
  • Permite fazer a chamada de funções escritas em Python, usando o pacote PyCall
  • Pacotes adicionais Julia estão lentamente se aproximando das funcionalidades do SciPy, incluindo Stats.jl, Distributions.jl, Optim.jl e JuMP.jl.
  • DataFrames.jl fornece ferramentas para trabalhar com dados tabulares que será familiar para os usuários de R ou pandas.
  • Foi projetada para paralelismo e computação distribuída
  • Tipos definidos pelo usuário são tão rápidos e compactos como tipos built-ins
  • Permite geração automática e eficiente de código, especializado para diferentes tipos de argumentos
  • Gadfly.jl fornece um pacote de visualização similar ao ggplot2, enquanto PyPlot.jl oferece uma interface completa para matplotlib.
    Graphs.jl fornece algumas das funcionalidades de pacotes como IGRAPH ou NetworkX.
  • Licenciamento MIT: livre e open source

Julia também possui uma extensa lista de bibliotecas e pacotes prontos para uso, totalmente voltadas para análises estatísticas e Ciência de Dados. No site https://github.com/JuliaStats é possível encontrar muitos destes pacotes.

Julia Time Series

No site da linguagem, há um benchmark interessante, que demonstra que Julia é uma linguagem bem rápida. Acesse o Julia Benchmark aqui: http://julialang.org/benchmarks

A principal IDE da linguagem é o Juno. Mas é possível testar a linguagem 100% online via browser, usando o Julia Box. Há ainda o iJulia (similar ao iPython).

Julia tem um crescendo rapidamente, mas ainda possui um ecossistema de pacotes, muito jovem. Se você quer ser produtivo, Julia precisa fazer parte de um ambiente de várias linguagens como R ou Python. Quanto de seu trabalho pode ser feito usando apenas Julia, depende de suas necessidades específicas. Os profissionais que pretendem construir novos modelos do zero utilizando algoritmos de otimização, vão achar que Julia já está quase completa de recursos. As pessoas que dependem de grande coleção de pacotes estatísticos clássicos (como a linguagem R possui) vão achar que Julia ainda precisa evoluir e adquirir mais funcionalidades.

Por fim, mais e mais da funcionalidades de estatística em R serão portadas para Julia. Em breve, podemos esperar que a maioria das tarefas de ciência de dados poderão ser feitas em Julia com a mesma facilidade com que agora pode ser feito em Python ou R.

David Matos

Aproveito para deixar aqui uma simples e singela homenagem à minha sobrinha, recém nascida. Uma princesinha. O nome dela? Julia! 🙂

Links úteis:

Site Oficial: http://julialang.org/

IDE Juno: http://junolab.org/

iJulia: https://github.com/JuliaLang/IJulia.jl

JuliaBox: https://juliabox.org/ 

Relacionado

1 thought on “Julia – A Princesinha do Cientista de Dados”

  1. Pingback: A Estatística e seu papel em 2016, 2017, 2018 ... - O Estatístico

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Assinar blog por e-mail

Digite seu endereço de e-mail para assinar este blog e receber notificações de novas publicações por e-mail.

Buscar

Tags Mais Comuns nos Posts

Agentes de IA Analytics Análise de Negócios Apache Spark AWS Big Data Blockchain Business Intelligence Cache-Augmented Generation (CAG) ChatGPT Cientista de Dados Cientistas de Dados Ciência de Dados Cloud Computing Data Lake Data Mesh Data Science Data Scientist Data Warehouse Deep Learning Deploy Engenharia de Dados Estatística GPU GraphRAG Hadoop IA Generativa Inteligência Artificial Internet of Things Linguagem Python Linguagem R LLM LLMs Machine Learning Metadados Normalização NVIDIA Oracle Pipeline de Dados Predictive Analytics Probabilidade PySpark Python RAG Storytelling

Histórico de Posts

  • maio 2025 (1)
  • abril 2025 (2)
  • março 2025 (4)
  • fevereiro 2025 (8)
  • janeiro 2025 (5)
  • dezembro 2024 (4)
  • novembro 2024 (1)
  • outubro 2024 (1)
  • setembro 2024 (1)
  • agosto 2024 (1)
  • julho 2024 (3)
  • junho 2024 (1)
  • maio 2024 (1)
  • abril 2024 (2)
  • março 2024 (1)
  • fevereiro 2024 (1)
  • janeiro 2024 (1)
  • dezembro 2023 (1)
  • outubro 2023 (2)
  • setembro 2023 (1)
  • agosto 2023 (4)
  • julho 2023 (2)
  • junho 2023 (4)
  • maio 2023 (2)
  • abril 2023 (2)
  • março 2023 (3)
  • fevereiro 2023 (3)
  • janeiro 2023 (3)
  • dezembro 2022 (7)
  • novembro 2022 (6)
  • outubro 2022 (2)
  • setembro 2022 (3)
  • agosto 2022 (2)
  • julho 2022 (2)
  • junho 2022 (3)
  • maio 2022 (1)
  • abril 2022 (3)
  • março 2022 (1)
  • fevereiro 2022 (3)
  • janeiro 2022 (2)
  • dezembro 2021 (1)
  • novembro 2021 (5)
  • outubro 2021 (2)
  • setembro 2021 (3)
  • agosto 2021 (1)
  • junho 2021 (1)
  • fevereiro 2021 (2)
  • janeiro 2021 (1)
  • dezembro 2020 (1)
  • novembro 2020 (1)
  • outubro 2020 (2)
  • agosto 2020 (1)
  • abril 2020 (1)
  • março 2020 (1)
  • fevereiro 2020 (2)
  • agosto 2019 (1)
  • abril 2019 (1)
  • setembro 2018 (2)
  • julho 2018 (1)
  • junho 2018 (3)
  • abril 2018 (1)
  • março 2018 (1)
  • fevereiro 2018 (2)
  • janeiro 2018 (1)
  • dezembro 2017 (1)
  • novembro 2017 (1)
  • outubro 2017 (1)
  • setembro 2017 (1)
  • julho 2017 (1)
  • junho 2017 (1)
  • maio 2017 (2)
  • abril 2017 (1)
  • janeiro 2017 (1)
  • novembro 2016 (1)
  • outubro 2016 (1)
  • setembro 2016 (1)
  • julho 2016 (1)
  • junho 2016 (1)
  • maio 2016 (1)
  • abril 2016 (1)
  • fevereiro 2016 (1)
  • janeiro 2016 (3)
  • dezembro 2015 (4)
  • novembro 2015 (6)
  • outubro 2015 (9)
  • setembro 2015 (9)
  • agosto 2015 (9)
©2025 Ciência e Dados
 

Carregando comentários...