Julia Software :

 Download Julia Software di bawah ini :

Julia 1.7.2 (Win32)

Julia 1.7.2 (Win64)

PDF Julia 2 :

 Silakan Download PDF Julia di bawah ini :

appendix-g Julia

Chapter_HPC_8_Julia

First Semester in Julia

getting-started-with-julia-programming-language_compress

Julia A Fresh Approach

Julia Language Documentation

Julia The Tesla Programming Language

julia tutorial

julia_express (1)

julia-1.5.3

julia-1.7.2

Julia-intro

julia-language

julia

juliabook2-preview

juliadatascience (1)

juliadatascience

JuliaPresentation

Think Julia_ How to Think Like a Computer Scientist (2019)

vmls-julia-companion

PDF Julia 1

 

Silakan Download PDF di bawah ini untuk belajar Julia :

High-level GPU programming in Julia

Julia A fresh approach to numerical computing

julia_tutorial

Julia Data Science

Julia Vs Python

Pemrograman Julia

 Julia merupakan bahasa pemrograman umum (general purpose) level atas (high level) yang dikembangkan oleh tim dari MIT (Massachusetts Institutes of Technology). Walaupun belum genap setahun, komunitas Julia berkembang secara eksponensial. Pada Januari 2019 saja, Julia telah mencapai 3,2 juta unduhan dan lebih dari 1 juta Docker image dari Julia tersebar di seantero dunia.

 

Latar Belakang Diciptakannya Julia

Julia lahir dari tangan Jeff Bezanson, Stefan Karpinski, Viral B. Shah, dan Alan Edelman. Mereka adalah para ilmuwan komputer di MIT yang memiliki cita-cita menciptakan bahasa pemrograman high-level tapi dengan performa yang cepat untuk siapa saja. Pada tahun 2012, mereka merilis website untuk memberi kabar kepada dunia tentang misi mereka kepada dunia. Julia sendiri sudah rilis di tahun yang sama semenjak para kreator merilis website-nya tapi versi yang dirilis pada saat itu masih merupakan versi alfa dan beta. Sintaks pada versi sebelum versi 1.0 masih sering berubah-ubah sehingga jauh dari kata stabil.

Jika ditanya kenapa memilih nama ‘Julia’, para kreator tersebut hanya memberikan jawaban diplomatis, “Tak ada alasan khusus dalam memberi nama. Kami hanya menerima usulan dari teman kami dan menurut kami itu nama yang cantik.” 

Julia lahir karena para kreator ingin memecahkan masalah klasik yang dialami oleh para programmer. Saat memilih bahasa pemrograman, para programmer selalu dihadapkan pada situasi di mana mereka harus memilih salah satu saja antara performa yang dimiliki oleh bahasa pemrograman low-level atau kemudahan yang ditawarkan oleh bahasa pemrograman high-level.

Edelmen melakukan pengamatan yang dilakukan di organisasi besar bahwa seringkali pengembangan software dilakukan dengan menggunakan bahasa pemrograman high-level di tahap awal kemudian organisasi tersebut kemudian merekrut tim lain untuk menulis ulang kode software-nya dengan bahasa pemrograman low level. Menurutnya, metode ini sangat tidak efektif karena harus memulai siklus baru. Itulah sebabnya dia dan teman-temannya menciptakan Julia.

 

Apa yang Membuat Julia Berbeda

Seperti yang telah dibahas sebelumnya, Julia adalah bahasa pemrograman high-level dengan performa yang dapat menyaingi bahasa pemrograman low level. Julia disebut-sebut sebagai bahasa pemrograman yang memiliki kecepatan seperti C dengan kemudahan seperti Python, dinamis seperti Ruby, kemampuan matematika yang hebat seperti MatLab, dan keahlian statistik seperti R. Memang janji ini terkesan sedikit utopis, akan tetapi dengan angka popularitas Julia yang naik dengan cepat agaknya sebagian besar janji ini berhasil ditepati. 

Julia memang bahasa pemrograman yang dapat digunakan untuk keperluan apapun, akan tetapi para kreator dari Julia mengatakan bahwa Julia lebih menyasar ilmuwan. Dengan performanya yang tinggi, Julia diharapkan dapat membantu para ilmuwan untuk melakukan analitik big data, melakukan penelitian yang memiliki komputasi tinggi untuk penelitian ilmiah, serta simulasi desain rekayasa.

Sama seperti Python dan JavaScript yang populer belakangan ini, Julia merupakan bahasa pemrograman multi-paradigma yang berarti bisa digunakan untuk pemrograman object-oriented maupun pemrograman fungsional. Selain itu, bahasa pemrograman ini juga mendukung penggunaan multi-thread dan multi-core pada CPU secara built-in baik itu dalam sebuah chip ataupun dalam sebuah sistem yang memiliki banyak chip. Ke depannya para kreator dari Julia akan meningkatkan kemampuan Julia dalam menggunakan berbagai macam jenis core seperti Graphic Processing Unit (GPU) dan Tensor Processing Unit (TPU) milik Google. Tentu hal ini akan membantu performa Julia dalam pengembangan AI maupun visualisasi big data.

Core yang ada dalam Julia sendiri menggunakan bahasa C dan C++ dalam LLVM-nya. Yup! Feel dari Julia seperti scripting language yang menggunakan JIT compiler. Akan tetapi, Julia dapat juga di-compile ke berbagai kode natif bahasa pemrograman low-level.

Credit : https://inixindojogja.co.id/

Sejak dirilis 2012 lalu, Julia telah diterima secara luas di kalangan data scientist dan para penggiat matematika.

Menurut Section, memang awal mula dibentuknya Julia karena dibutuhkan sebuah bahasa pemrograman yang ideal untuk pengkodean aritmatika.

Saat ini Julia disebut telah menjadi kompetitor kuat dari Python khususnya di bidang pengkodean aritmatika.

Pasalnya, bahasa pemrograman ini memang dikembangkan untuk memecahkan masalah yang muncul di Python dalam hal manipulasi data.

Kini sudah ada banyak perusahaan yang memanfaatkan kemampuan Julia untuk menganalisis data.

Misalnya, Aviva dan BlackRock yang menggunakan bahasa pemrograman yang satu ini untuk menghitung risiko dan menjalankan analisis time-series.

Tak hanya itu saja, The Climate Modeling Alliance, CISCO, QuantEcon, dan NVIDIA juga memilih menggunakan Julia.

Jadi, faktanya kini Julia telah menjadi bahasa pemrograman yang utama di bidang data science, data visualization, machine learning, dan artificial intelligence.

Bahkan, melansir dari situs resminya, saat ini Julia telah di-download lebih dari 25 juta kali oleh pengguna di seluruh dunia.

Tentu hal itu membuktikan bahwa bahasa pemrograman ini semakin populer dan diminati oleh data scientist.

Credit : https://glints.com/

Perancang bahasa programming dan dua orang lainnya mendirikan Julia Computing pada Juli 2015 untuk "mengembangkan produk yang membuat Julia mudah digunakan, mudah diterapkan, dan mudah diskalakan". Perusahaan ini memiliki 28 staf dan pelanggan yang bervariasi, mulai dari laboratorium nasional, bank, ekonom, hingga peneliti kendaraan otonom. Selain mempertahankan repositori open source Julia di GitHub, Julia Computing menawarkan produk komersial, termasuk JuliaPro, yang tersedia dalam versi gratis dan berbayar.

Mengapa Harus Menggunakan Julia?

Para pencipta Julia (Jeff Bezanson, Stefan Karpinski, Viral B. Shah dan Alan Edelman) mengatakan bahwa:

"Kami menginginkan bahasa yang open source dengan lisensi liberal. Kami menginginkan kecepatan C dengan dinamisme Ruby. Kami menginginkan bahasa yang homoiconic, dengan makro yang sebenarnya seperti Lisp, tetapi dengan notasi matematika yang jelas dan familiar seperti Matlab. Kami menginginkan sesuatu yang dapat digunakan untuk pemrograman umum seperti Python, semudah untuk keperluan statistik seperti R, alami untuk pemrosesan string seperti Perl, sekuat untuk aljabar linier seperti Matlab, serta baik dalam merekatkan program bersama-sama seperti shell. Sesuatu yang sangat sederhana untuk dipelajari, tetapi membuat para peretas akan senang. Kami menginginkannya interaktif dan kami ingin ini dikompilasi."

Julia adalah karya langsung dari MIT, bahasa tingkat tinggi yang memiliki sintaks yang ramah seperti Python dan kinerja yang kompetitif seperti C. Julia memiliki tujuan untuk menciptakan kombinasi yang belum pernah terjadi sebelumnya dari kemudahan penggunaan, kekuatan, dan efisiensi dalam bahasa tunggal.

Fitru-Fitur Julia Programming

Julia memiliki banyak fitur lain yang layak disebutkan. Pertama, tipe yang ditentukan pengguna secepat dan sekompak bawaan produknya. Sebenarnya, Anda bisa memilih tipe abstrak yang mirip seperti tipe generik, kecuali tipe tersebut dikompilasi untuk tipe argumen.

Untuk fitur yang lain, vektorisasi kode bawaan Julia memungkinkan programmer tidak perlu membuat vektorisasi kode karena kode devectorized bawaannya sudah cepat. Kompiler dapat memanfaatkan instruksi dan register SIMD jika ada pada CPU yang mendasarinya, dan membuka gulungan loop dalam proses sekuensial untuk membuat vektor sebanyak yang mungkin. Anda dapat menandai loop sebagai vectorizable dengan anotasi @simd.

Sebenarnya, Julia memiliki 100-an fitur yang berbeda. Berikut ini adalah daftar beberapa fitur paling penting di antara mereka, yang membuat Julia begitu populer.

• Gratis dan open source;
• Mengungguli technical computing;
• Mampu melakukan beberapa pengiriman;
• Paralelisme;
• Menerapkan fungsi C secara langsung;
• Menerapkan fungsi Python menggunakan paket PyCall;
• Secara otomatis membuat kode khusus yang efisien untuk tipe argumen yang berbeda;
• Dukungan yang efisien untuk Unicode, tetapi tidak terbatas pada UTF-8;
• Paket mulus dan penanganan ketergantungan;
• Manajemen memori otomatis;
• Mudah dibaca untuk menulis sintaks;
• Kompiler JIT (Just In Time).
  
  

Credit : https://www.wartaekonomi.co.id/