Julia

TL;DR

Einzeiler: Julia bietet Ihnen Pythons Einfachheit mit Cs Geschwindigkeit - ohne Kompromisse.

Kernstärken:

• So schnell wie C, so einfach wie Python
• Entwickelt für wissenschaftliches Rechnen und KI
• Multiple Dispatch als Kernparadigma
• Ausgezeichnete Interoperabilität mit Python, C, R

Philosophy

Julia wurde entwickelt, um das “Zwei-Sprachen-Problem” zu lösen:

• Standardmäßig schnell - JIT-kompiliert, kein Umschreiben in C für Performance nötig
• Multiple Dispatch - Funktionen spezialisieren sich auf alle Argumenttypen, nicht nur den ersten
• Mathematikfreundlich - Unicode-Operatoren, Matrix-Syntax, Broadcasting
• Komponierbar - Pakete arbeiten nahtlos zusammen

Julia ist das, was NumPy wäre, wenn es eine Sprache wäre.

Quick Start

Install

# Mit juliaup (empfohlen)
curl -fsSL https://install.julialang.org | sh

# macOS
brew install julia

# Oder von julialang.org herunterladen

Verify (latest: 1.12)

julia --version  # julia version 1.12.0

First Program

Erstellen Sie hello.jl:

println("Hello, World!")

julia hello.jl

Julia REPL

julia
julia> 1 + 1
2
julia> sqrt(2)
1.4142135623730951

Language Essentials

Variables & Types

# Variablen (keine Typdeklaration nötig)
name = "Alice"
age = 25
price = 19.99
active = true

# Typannotationen (optional)
x::Int = 10

# Arrays
numbers = [1, 2, 3]
matrix = [1 2 3; 4 5 6]  # 2x3-Matrix

# Dictionaries
user = Dict("name" => "Alice", "age" => 25)

Control Flow

# if-else
if age >= 18
    println("Adult")
elseif age >= 13
    println("Teen")
else
    println("Child")
end

# Ternär
status = age >= 18 ? "adult" : "minor"

# for-Schleife
for i in 1:5
    println(i)
end

# while-Schleife
while count > 0
    count -= 1
end

Functions

# Standardfunktion
function greet(name)
    return "Hello, $name!"
end

# Kurzform
greet(name) = "Hello, $name!"

# Anonyme Funktion
add = (a, b) -> a + b

# Multiple Dispatch (das Schlüsselfeature!)
function process(x::Int)
    println("Integer: $x")
end

function process(x::String)
    println("String: $x")
end

process(42)       # Integer: 42
process("hello")  # String: hello

Broadcasting

# Funktion elementweise anwenden mit .
x = [1, 2, 3]

x .+ 1        # [2, 3, 4]
x .^ 2        # [1, 4, 9]
sin.(x)       # [sin(1), sin(2), sin(3)]

# Funktioniert mit jeder Funktion
f(a, b) = a + b
f.(x, 10)     # [11, 12, 13]

Structs

# Unveränderlicher Struct (Standard)
struct Point
    x::Float64
    y::Float64
end

p = Point(1.0, 2.0)
# p.x = 3.0  # Fehler! Unveränderlich

# Veränderlicher Struct
mutable struct MutablePoint
    x::Float64
    y::Float64
end

mp = MutablePoint(1.0, 2.0)
mp.x = 3.0  # OK

Gotchas

1-based indexing

arr = [10, 20, 30]
arr[1]    # 10 (nicht 0!)
arr[end]  # 30

First run is slow (JIT compilation)

# Erster Aufruf kompiliert die Funktion
@time sum([1,2,3])  # 0.05s (inklusive Kompilierung)

# Zweiter Aufruf ist schnell
@time sum([1,2,3])  # 0.000001s

Arrays are column-major

A = [1 2 3; 4 5 6]  # 2x3-Matrix

# Für Performance spaltenweise iterieren
for j in 1:3, i in 1:2
    println(A[i, j])
end

Global variables are slow in loops

# Langsam
x = 0
for i in 1:1000000
    global x += i  # Greift auf Global zu
end

# Schnell - Funktionen verwenden
function sum_loop()
    x = 0
    for i in 1:1000000
        x += i
    end
    x
end

When to Choose

Ideal für:

• Wissenschaftliches Rechnen
• Machine Learning (Flux.jl)
• Numerische Simulationen
• Data Science mit Performance-Anforderungen

Nicht ideal für:

• Webentwicklung (verwenden Sie JavaScript, Python)
• Mobile Apps
• Kleine Skripte (Startzeit)

Vergleich:

Aspekt	Julia	Python	MATLAB
Geschwindigkeit	Schnell	Langsam	Mittel
Syntax	Sauber	Sauber	Ausführlich
Kosten	Kostenlos	Kostenlos	Teuer
ML-Libs	Wachsend	Ausgereift	Begrenzt

Next Steps

• Julia Dokumentation
• Julia Academy
• Think Julia
• JuliaHub

Ecosystem

Package Management

# In REPL ] drücken für Pkg-Modus
] add DataFrames
] add Plots
] status

# Oder programmatisch
using Pkg
Pkg.add("DataFrames")

Popular Packages

• Daten: DataFrames.jl, CSV.jl
• Plotting: Plots.jl, Makie.jl
• ML: Flux.jl, MLJ.jl
• Wissenschaftlich: DifferentialEquations.jl, JuMP.jl