2min

Tags in dit artikel

, ,

Python krijgt steeds meer lof van data scientists die de Julia programmeertaal voor big data en analytics gebruiken. Wanneer Julia niet zou bestaan, zouden zij voor Python kiezen. Dit constateert ontwikkelaar Julia Computing in zijn meest recente jaarlijkse onderzoek naar het gebruik, voordelen en nadelen van Julia.

Julia is een open-source programmeertaal die veel door data scientists wordt gebruikt. De programmeertaal is geschikt voor het schrijven van algoritmes voor high-performance technical computing en data science-toepassingen als big data en analytics. Julia maakt het mogelijk om grote berekeningen eenvoudig, snel, schaalbaar en accuraat mogelijk te maken. De programmeertaal levert hiervoor ook capaciteit en productiviteit.

Python is populair

Jaarlijks onderzoekt Julia de tevredenheid van zijn eindgebruikers en test daarbij hoe de programmeertaal zich verhoudt tot naaste concurrenten. Uit het onderzoek van 2020 blijkt dat data scientists, wanneer Julia niet beschikbaar zou zijn, vooral de programmeertaal Python zouden gebruiken. Maar liefst driekwart van de respondenten geeft dit aan. Ook is Python nu de favoriet als alternatief voor Julia.

De belangrijkste redenen waarom gebruikers voor Python kiezen, zijn de geschiktheid van deze programmeertaal voor het ontwikkelen van algoritmes voor machine learning en de vele Python modules die het mogelijk maken de codetaal op verschillende manieren in te zetten. Naast Python, kiezen data scientists als alternatief voor Julia ook voor de programmeertalen C++, MATLAB, R, C, Fortran, Bash/Shell/PowerShell en Mathematica.

Voordelen

In het onderzoek keken de specialisten van Julia Computing ook naar welke voordelen eindgebruikers hebben met het gebruik van de programmeertaal. Eindgebruikers zijn vooral blij met Julia omdat zij het sneller vinden dan Python en R voor big data analytics. Bovendien zijn ze zeer gecharmeerd van de snelheid, de prestaties, het eenvoudige gebruik en de open-source status.

Ook noemden de eindgebruikers een aantal niet-technische voordelen. Dit zijn onder meer de gratis beschikbaarheid, de aanwezigheid van een actieve community van eindgebruikers en dat de programmeertaal beschikbaar is onder een MIT-licentie.

Nadelen van Julia

Waar er voordelen zijn, zijn er natuurlijk ook nadelen. Julia Computing constateert in het nu uitgebrachte onderzoek dat eindgebruikers vinden dat Julia te langzaam een eerste plot genereert en langzame compile-tijden heeft. Daarnaast vinden eindgebruikers dat de packages nog niet volwassen genoeg zijn, dit in tegenstelling tot het Python-ecosysteem, en dat ontwikkelaars niet self-contained binaries of libraries kunnen maken. Verder vinden de respondenten dat het nog schort aan de adoptie van de programmeertaal. Dit komt vooral doordat collega’s vaak nog andere talen gebruiken.

Kortom, Julia staat er goed voor als programmeertaal voor data scientists, maar heeft nog veel te winnen. Wel blijft concurrent Python de open-source programmeertaal nog steeds flink in de nek hijgen.