Julia

TL;DR

En resumen: Julia te da la facilidad de Python con la velocidad de C - sin compromisos.

Fortalezas principales:

• Tan rápido como C, tan fácil como Python
• Diseñado para computación científica e IA
• Multiple dispatch como paradigma central
• Excelente interoperabilidad con Python, C, R

Philosophy

Julia fue diseñado para resolver el “problema de los dos lenguajes”:

• Rápido por defecto - Compilado JIT, no necesitas reescribir en C para rendimiento
• Multiple dispatch - Las funciones se especializan en todos los tipos de argumentos, no solo el primero
• Amigable con las matemáticas - Operadores Unicode, sintaxis de matrices, broadcasting
• Componible - Los paquetes funcionan juntos sin problemas

Julia es lo que NumPy sería si fuera un lenguaje.

Quick Start

Install

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

# macOS
brew install julia

# O descargar desde julialang.org

Verify (latest: 1.12)

julia --version  # julia version 1.12.0

First Program

Crea hello.jl:

println("Hello, World!")

julia hello.jl

Julia REPL

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

Language Essentials

Variables & Types

# Variables (sin declaración de tipo necesaria)
name = "Alice"
age = 25
price = 19.99
active = true

# Anotaciones de tipo (opcional)
x::Int = 10

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

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

Control Flow

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

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

# Bucle for
for i in 1:5
    println(i)
end

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

Functions

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

# Forma corta
greet(name) = "Hello, $name!"

# Función anónima
add = (a, b) -> a + b

# Multiple dispatch (¡la característica clave!)
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

# Aplicar función elemento por elemento con .
x = [1, 2, 3]

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

# Funciona con cualquier función
f(a, b) = a + b
f.(x, 10)     # [11, 12, 13]

Structs

# Struct inmutable (por defecto)
struct Point
    x::Float64
    y::Float64
end

p = Point(1.0, 2.0)
# p.x = 3.0  # ¡Error! Inmutable

# Struct mutable
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 (¡no 0!)
arr[end]  # 30

First run is slow (JIT compilation)

# La primera llamada compila la función
@time sum([1,2,3])  # 0.05s (incluye compilación)

# La segunda llamada es rápida
@time sum([1,2,3])  # 0.000001s

Arrays are column-major

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

# Iterar columna por columna para rendimiento
for j in 1:3, i in 1:2
    println(A[i, j])
end

Global variables are slow in loops

# Lento
x = 0
for i in 1:1000000
    global x += i  # Accede al global
end

# Rápido - usar funciones
function sum_loop()
    x = 0
    for i in 1:1000000
        x += i
    end
    x
end

When to Choose

Ideal para:

• Computación científica
• Machine learning (Flux.jl)
• Simulaciones numéricas
• Data science con necesidades de rendimiento

No ideal para:

• Desarrollo web (usa JavaScript, Python)
• Apps móviles
• Scripts pequeños (tiempo de inicio)

Comparación:

Aspecto	Julia	Python	MATLAB
Velocidad	Rápido	Lento	Medio
Sintaxis	Limpia	Limpia	Verbosa
Costo	Gratis	Gratis	Caro
Libs ML	Creciendo	Maduras	Limitadas

Next Steps

• Documentación de Julia
• Julia Academy
• Think Julia
• JuliaHub

Ecosystem

Package Management

# En REPL, presiona ] para modo Pkg
] add DataFrames
] add Plots
] status

# O programáticamente
using Pkg
Pkg.add("DataFrames")

Popular Packages

• Datos: DataFrames.jl, CSV.jl
• Visualización: Plots.jl, Makie.jl
• ML: Flux.jl, MLJ.jl
• Científico: DifferentialEquations.jl, JuMP.jl