Les nouvelles de l’été arrivent avec un peu de retard mais c’est pour la bonne cause. Le master calcul scientifique et modélisation de l’université de Rennes a intégré une introduction au langage Julia dans la formation. J’ai géré cela avec beaucoup de plaisir en début de semaine.
Demandez le programme de JuliaCon Paris 2025!
Une nouvelle version de OptimalControl.jl est sortie. Ce package qui vise à fournir des outils pour modéliser et résoudre des problèmes de contrôle optimal peut désormais fonctionner sur un GPU.
L’enquête menée auprès de la communauté académique francophone des utilisateurs de Julia a recueilli 115 réponses complètes. Les répondants sont principalement issus du CNRS (28%), des universités (25%) et de l’INRIA (12%), avec une forte représentation des chercheurs (45%) et ingénieurs/techniciens (30%). Les domaines scientifiques dominants sont les mathématiques (60% des mentions), l’informatique (35%) et la physique (20%).
Python s’impose comme le langage complémentaire à Julia le plus utilisé (75%), devant C/C++ (35%) et R (15%). Près de 55% des répondants ont déjà publié des packages Julia en open source. C’est beaucoup! Bravo! Concernant les formats de formation, les webinaires arrivent en tête (40% des premiers choix), suivis des formations présentielles (30%) et des journées thématiques (20%).
Les principales demandes pour les prochaines années portent sur :
L’optimisation des performances (parallélisation, GPU)
L’amélioration de la qualité logicielle (tests, documentation)
La reproductibilité des calculs
La génération d’exécutables autonomes (souvent mentionnée)
J’ai remarqué également une diversification des profils, avec des enseignants du secondaire et des professionnels du secteur privé qui représentent désormais 15% des utilisateurs.
Un grand merci pour vos réponses et à celles et ceux qui m’ont laissé un petit mot :heart:
Billets de blog et Articles¶
LinearSolve.jl Autotuning: Community-Driven Algorithm Selection for Optimal Performance
Christopher Rackauckas - A Guide to Gen AI / LLM Vibecoding for Expert Programmers
Packages¶
ARS.jl : univariate adaptive rejection sampling.
BlockSparseMatrices
.jl : AbstractMatrix object that allows to construct sparse block matrices. BonitoBook.jl : yet another notebook implementation, with a focus on plotting, customizability and dashboards.
Breakers.jl : A high-performance package for dividing vectors into intervals.
CensoredDistributions
.jl : Additional censored event tools for Distributions.jl. DataInterpolationsND
.jl : nterpolation of arbitrarily high dimensional array data. FlexiJoins.jl : flexible joining operations for tabular and non-tabular datasets with wide range of join conditions including distance, interval, and comparison predicates.
FLORIDyn.jl : Dynamic wind farm simulation.
IJulia.jl new version completely refactored.
InstanceDispatch.jl : A single macro package to mix enumerations (or anything that defines a method for Base.instances) and dispatch-on-value in Julia.
IntervalArithmetic
.jl : Library for validated numerics using interval arithmetic. JuliaCheck.jl : Code checker for Julia language.
KeemenaPreprocessing
.jl : Preprocessing for text data: cleaning, normalization, vectorization, tokenization and more. LieGroups.jl : Lie groups and Lie algebras.
Makeitso.jl : Make-like behaviour for Julia scripts.
MapUnroll.jl : provides the
@unrollmacro to help write performant, type-stable, and order-dependent loops without needing to manually define the output container.MultipleInterfaces
.jl : Define extendable interfaces that can be used for dispatch. ObservableCortex.jl : interactively visualizing and animating 3d cortical surface meshes.
ParallelProcessingTools
.jl : tools to ease multithreaded and distributed programming. PrecisionCarriers
.jl : Detector for Floating Point Precision Loss. ReverseSearch.jl : implementation of the reverse search algorithm.
SignalDecomposition
.jl : Decompose a signal/timeseries into structure and noise or seasonal and residual components. SparseGridsKit.jl : Simple sparse grid interpolation.
StreamSampling.jl : Sampling methods for data streams.
VortexMethod.jl : A high-performance 3D Lagrangian vortex method implementation.
WaveFlow.jl : audio system in Julia.
Vidéos¶
Tutoriels, Documentation, Livres, Supports de cours...¶
Simple Tutorial for Making Word Vector Embeddings using Julia
Geospatial Data Science with Julia book is finally finished.