Octobre 2020#
Bonjour à tous, voici quelques liens pour suivre l’actualité du langage Julia. J’ai oublié de mentionner le mois dernier la sortie d’une nouvelle version de JuliaPro. Dans cette version, le langage est accompagné de packages préinstallés et de l’environnement de développement Juno. Le langage vient d’être mis à jour dans sa version v1.5.2. Olivier Garet a posté un script sur la liste pour mettre à jour facilement sa version linux.
Billets de blog#
Julia and Spark, Better Together: Billet sur l’API Julia de la très populaire bibliothèque parallèle de manipulation et de traitement de données Apache Spark.
Javis.jl with Animations.jl: un billet de blog sur un package que j’ai mentionné le mois dernier. Javis permet de dessiner des objets mathématiques et il est maintenant possible de faire des animations.
How Multiple Dispatch lets you write Composable software: une courte démonstration d’un notebook Pluto.jl avec binder. Attention le démarrage peut prendre quelques minutes.
Neural ODE for Differentiable Reinforcement Learning and Optimal Control: Cartpole Problem Revisited. Un beau billet didactique avec des équations, des animations et le code.
Comparing Python and Julia for hydrologic modeling : traduire un code existant de son domaine est un excellent moyen d’apprendre le langage. De plus, on est rarement déçu par les performances. Si l’on est déçu, il faut poster le problème sur notre liste. Essayez, cela peut aller très très vite…
Packages#
Trixi.jl Package pour équations différentielles hyperboliques. Ce travail est intéressant, car c’est le genre de problème difficile à coder en Python sans utiliser Cython, Numba ou récrire des parties en Fortran ou en C. Le package est récent, à suivre.
Vidéos#
Série de très courtes interviews des créateurs de Julia
Julia at ‘Escape Velocity’ - Jeff Bezanson.
Julia Multiple Dispatch - Stefan Karpinski.
Julia, Flux, and AD - Chris Rackauckas.
Best Julia Data Manipulation packages combo 2020-09 6 minutes sur les différents packages disponibles pour nettoyer vos données.
Comme promis, les vidéos des cours du MIT:
Un autre cours sur YouTube nommé Parallel Computing and Scientific Machine Learning avec ces vidéos (série en cours):
Optimizing Serial Code in Julia 1: Memory Models, Mutation, and Vectorization
Optimizing Serial Code in Julia 2: Type inference, function specialization, and dispatch
Introduction to Scientific Machine Learning 1: Deep Learning as Function Approximation
Introduction to Scientific Machine Learning 2: Physics-Informed Neural Networks
How Loops Work 1: An Introduction to the Theory of Discrete Dynamical Systems
How Loops Work 2: Computationally-Efficient Discrete Dynamics
Tutoriels et documentation#
Why Does Julia Work So Well? Quelques détails sur le fonctionnement du langage Julia.
Julia language: a concise tutorial Ce tutoriel a évolué vers un livre intitulé Julia Quick Syntax Reference. Il a été écrit par Antonio Lobianco Ingénieur à AgroParisTech.
Curated decibans of Julia programming language.: Un recensement détaillé et ordonné de packages Julia classés par disciplines scientifiques. Il y a également beaucoup de liens vers des blogs, des livres, et des notebooks.
Divers#
Un nouveau livre destiné aux débutants vient de sortir. Il est intitulé The Little Book of Julia Algorithms: A workbook to develop fluency in Julia programming.
Julia Data Science Docker with data science packages compiled for instant loading! Un exemple intéressant d’utilisation de PackageCompiler.jl pour construire une image Docker dédiée à la science des données.
TriScale innov propose une formation pour les professionnels dédiée à la programmation en Julia. La prochaine session aura lieu du 30/11 au 04/12 prochains, sous forme de cours interactifs à distance. Détails et inscriptions : https://www.triscale-innov.com/training/julialang/
Portez-vous bien!
Pierre