Julia语言中文社区2018用户见面会28日在北京软件所举行

『运筹OR帷幄』原创

作者：李优

近年来人工智能的相关研究在如火如荼地进行，越来越多学者和开发人员开始思考如何超越目前机器学习领域python与C++结合的模式，寻找一种既快速实现想法，又不损失计算的效率编程方法。Julia就是一种专门为并行数据处理而设计的编程语言，创作者Karpinski说：“我们渴望一种语言的速度与C++一样快，但又有Python、R或Matlab的高级功能。于是，我们开发出了这样一种语言：Julia，它让我们可以用同一种语言来进行原型设计和实际开发。”而在实践中，Julia语言也正在被广泛采用，尤其是国外高校以及研究机构。

2018年7月28日，Julia中文社区的召开了2018年用户见面会，本次见面会是Julia中文社区第三次召开见面会，参会人员涵盖国内Julia社区的群贤，包括 Viral Shah（Julia语言发起者之一，Julia Computing公司CEO ），张常有（中国科学院软件研究所教授），覃含章，（麻省理工学院计算科学与程博在读）等，本次会议由Julia中文社区主办，承办单位 是集智俱乐部和中国科学院软件所（提供资金和场地）。

Julia创始人Viral Shah通过远程视频介绍了Julia在机器学习中的应用；覃含章介绍了JuMP在优化中的应用；“千里冰封”介绍了他在Jetbrain平台为Julia打造IDE插件时的一些心得；罗秀哲介绍了Julia利用多重派发实现面向对象程序设计和元编程的方法，刘金国讨论了Julia的性能进步过程，张常有介绍了Julia在聚类算法中性能优化的方法，斯大卫则分享了Julia中的编程实践。本次见面会在B站进行了同步直播（罗秀哲同学还提前一个晚上在B站进行了Julia语言的简介），相关资源可以在GitHub上查阅，https://codeload.github.com/JuliaCN/MeetUpMaterials/zip/v0.1.0。

JuMP是Julia最为活跃的板块之一，JuMP的特点是能够提供简洁快速建立数学规划模型，作为使用者只需使用JuMP就可以为不同的求解器进行建模，从而快速验证不同求解器对同一数学问题的求解效果。经验证，JuMP的模型生成速度已经比肩与商业的求解器。Coursera的课程Discrete Optimization就推荐使用JuMP作为数学优化编程入门的工具。

https://www.coursera.org/learn/discrete-optimization

另外，目前Julia1.0.0已经发布，该版承诺了该版本语言API 稳定性： Julia 1.0的代码将可以在 Julia的后续版本中运行。核心语言开发者和社区可以基于这个稳定的基础去构建软件包、工具和新特性。Julia 1.0 还引入了一些新的、强大的和创新的语言功能， 包括：

全新的内置包管理器，新的缺失值表示规范，内置String 类型现在可以安全地保存任意数据等。Julia 1.0将广播扩展为自定义类型，使其能够在GPU和其他矢量化硬件上能够实现高效运算，为将来更高效的性能提升铺平了道路。

我们渴望一种语言的速度与C++一样快，但又有Python、R或Matlab的高级功能。于是，我们开发出了这样一种语言：Julia，它让我们可以用同一种语言来进行原型设计和实际开发。”

-Karpinski

此外，围绕Julia 1.0 的新特性，还正在构建许多新的外部软件包，以改进数据处理和操作生态系统。

当然，Julia在1.0的更新中的优化项远比我们所列出的多。详细情况可以查看官网：

Julia 1.0：http://julialang.org/blog/2018/08/one-point-zero

文章作者：李优

责任编辑：姜瀚生

微信编辑：葡萄

如需转载请在公众号后台获取转载须知

友情提醒：本文由运筹OR帷幄编译整理，不作为商业用途如有内容侵权，我们将随时删除。