Software-update: Julia 1.3.1

Julia is de naam van een high-level, high-performance dynamische programmeertaal voor numerieke wiskunde. Het bevat onder andere een deftige compiler, distributed parallel execution en een uitgebreide library van wiskundige functies. De kern van Julia wordt onder de MIT-licentie uitgegeven, terwijl verschillende libraries andere licenties gebruiken, zoals gpl, lgpl en bsd. Voor meer informatie verwijzen we naar deze pagina. De beknopte aankondiging van uitgave 1.3.1 ziet er als volgt uit:

Julia v1.3.1 has been released

Julia version 1.3.1, the first patch release in the 1.3 series of releases, is now available. You can get binaries for Linux (i686, x86-64, AArch64, ARMv7 coming soon), FreeBSD (x86-64), macOS, and Windows (32-, 64-bit) at https://julialang.org/downloads.

As a patch release, 1.3.1 contains no new features or breaking changes, only bug fixes and performance improvements. You can see a list of commits included since 1.3.0 here. We recommend anyone currently using 1.3.0 upgrade to 1.3.1.

Note that 1.3 on Travis, AppVeyor (with Appveyor.jl), and Cirrus (with CirrusCI.jl) now refers to 1.3.1.

Enjoy!

Versienummer	1.3.1
Releasestatus	Final
Besturingssystemen	Windows 7, Linux, macOS, Windows Server 2012, Windows 8, Windows 10, Windows Server 2016
Website	Julia
Download	https://julialang.org/downloads
Licentietype	Voorwaarden (GNU/BSD/etc.)

Reacties (4)

[mrmvergeer]

Ik hoor goede verhalen over Julia. Op mijn universiteit is het nog een niche-taal. Voor statistiek is SPSS nog steeds dominant, maar R wordt snel populair omdat het grotendeels open source is en gratis is. En het kan veel meer dan SPSS

[rbr320]

Toen ik nog werkplekondersteuning op een universiteit deed zag ik dat R vooral populair was bij de exacte wetenschappers, terwijl SPSS de standaard was binnen andere vakgebieden waar veel met statistiek gewerkt werd, zoals psychologie. Blijkbaar schrikt de command-line interface van R niet-technische gebruikers toch af. Daarnaast is het natuurlijk ook een stuk gewenning.

[mrmvergeer]

het is aan het veranderen. Sowieso moeten studenten al sinds jaren bij papers en scripties de complete SPSS-scripts inleveren (in het kader van controleerbaarheid, reproduceerbaarheid). Voor mij is het dan veel makkelijker eventuele problemen te signaleren en oplossingen te suggereren.
Hoewel er ook voor R GUIs bestaan, geldt ook voor R op de langerere termijn scripts veel beter werken.
SPSS leer je relatief sneel, terwijl R een steilere learning curve heeft. Maar als je die neemt, kun je zooooo veel meer dan met SPSS. Vooral in mijn eigen onderzoek met Internetdata, maar ook de programmeermogelijkheden van R maken het slechten van die horde meer dan de moeite waard.

Overigens, de studenten vormen geen belemmering voor de adoptie van R. Zij komen blanco binnen zonder ervaring met SPSS. Ze kunnen het dan ok nergens mee vergelijken. Voor hen is het vooral prettig dat ze iets leren dat na de studie geen handevol met geld kost (bv een SPSS-licentie). Het zijn vooral de docenten die vastgeroest zitten aan SPSS: onderwijsprogramma's die erop gebaseerd zijn, statistische analyses die eenvoudig met SPSS uitgevoerd kunnen worden.

Mijn inschatting is dat voor 90% van het sociaalwetenschappelijk onderzoek SPSS meer dan voldoende is. Wil je meer geavanceerde analyses en dataverzameling (vooral op internet) doen, dan is R absoluut een must.

[Jaapvaak]

Zo fijn deze. Sinds ik deze taal master lukt het me machine learning taken veel sneller te werkbaar te krijgen dan voorheen met Python. Lijkt wel of hij stabieler is met statistieken en wiskundige berekeningen.