Passare da MATLAB a Julia

Nell’ecosistema, in continua evoluzione, della data science, nulla è per sempre. Ogni volta che emergono nuovi strumenti e software, possono mettere in discussione lo status quo tecnologico. Questa dinamica è particolarmente evidente nel panorama dei linguaggi di programmazione. Esiste un buon numero di linguaggi adatti alla data science. Anche se lo spazio dei dati è attualmente dominato da una manciata di linguaggi molto popolari, altri linguaggi nuovi, presumibilmente più potenti, stanno guadagnando terreno. Uno degli esempi più promettenti è Julia. 

Rilasciato per la prima volta nel 2012, Julia può essere considerato una stella nascente della data science. Nonostante la relativa novità, Julia ha già impressionato il mondo del calcolo numerico grazie alle sue prestazioni elevate e a una velocità di esecuzione imbattibile. Nel corso degli anni, Julia è maturato e oggi viene spesso definito uno dei “linguaggi del futuro” per data science e intelligenza artificiale. 

Ci sono molte ragioni convincenti per iniziare a imparare Julia. Tuttavia, il percorso di transizione può variare in base ai linguaggi di programmazione con cui hai familiarità. Mentre la maggior parte di articoli e corsi si concentra su come passare da MATLAB a uno dei due linguaggi più popolari per la data science, Python e R, è importante offrire risorse anche a chi proviene da altri linguaggi e vuole passare a Julia. 

L’obiettivo di questo articolo è presentare Julia ai programmatori MATLAB. Studieremo differenze e somiglianze tra i due linguaggi e forniremo alcuni consigli per migrare da MATLAB a Julia per analisi e visualizzazione dei dati. Iniziamo!

A cosa serve MATLAB?

MATLAB è un linguaggio di programmazione progettato specificamente per il calcolo numerico. Dal suo lancio nel 1984, MATLAB (abbreviazione di "MATrix LABoratory") è stato ampiamente adottato in ambito accademico e nella ricerca scientifica. Pur essendo relativamente datato, è ancora un linguaggio estremamente popolare. Nell’ottobre 2022, occupava la 14ª posizione sia nel PYPL Index sia nel TIOBE Index. 

Il linguaggio MATLAB eccelle in compiti computazionali di alto livello, comprese operazioni matematiche e statistiche avanzate. Il linguaggio include anche funzionalità di plotting e implementazione di algoritmi, il che lo rende un ottimo candidato per la data science.

Tuttavia, MATLAB ha anche un’importante limitazione: è uno strumento proprietario. Questo significa che, a meno che la tua istituzione affiliata non ti conceda l’accesso, come spesso accade in ambito accademico, potresti dover pagare una somma consistente per ottenere una licenza. Inoltre, poiché gli utenti non hanno accesso al codice sorgente, può essere difficile capire come funzionino alcune funzionalità di MATLAB. 

Questi fattori possono rendere MATLAB meno attraente rispetto ad altri linguaggi di programmazione che puoi usare gratuitamente.

A cosa serve Julia?

Alla base di ogni innovazione c’è il desiderio di migliorare o superare le tecnologie dominanti del momento. È stata questa la forza trainante dietro Julia, che trae ispirazione da alcuni dei linguaggi di programmazione più potenti. Come hanno affermato Jeff Bezanson, Stefan Karpinski, Alan Edelman e Viral B. Shah, i fondatori del linguaggio, in un post che spiega perché hanno creato Julia:

“Vogliamo un linguaggio open source, con una licenza permissiva. Vogliamo la velocità di C con il dinamismo di Ruby. Vogliamo un linguaggio omoiconico, con macro vere come Lisp, ma con una notazione matematica ovvia e familiare come Matlab. Vogliamo qualcosa di utilizzabile per la programmazione generale come Python, facile per la statistica come R, naturale per l’elaborazione di stringhe come Perl, potente per l’algebra lineare come Matlab, abile nell’incollare insieme programmi come la shell. Qualcosa di estremamente semplice da imparare, che al tempo stesso renda felici gli hacker più esigenti. Lo vogliamo interattivo e lo vogliamo compilato.”

Grazie alle sue caratteristiche uniche, frutto di una selezione mirata che riunisce il meglio dei linguaggi di programmazione, Julia sta rapidamente guadagnando slancio. 

Dalla sua prima release nel 2021, Julia è stato scaricato oltre 40 milioni di volte e la community ha registrato più di 8.000 pacchetti Julia a disposizione della comunità. Tra questi troviamo diverse librerie matematiche, strumenti per la manipolazione dei dati e pacchetti per il calcolo generico. 

Quanto alla sua popolarità tra tutti gli altri linguaggi, Julia è al 25° e al 27° posto rispettivamente nel PYPL Index e nel TIOBE Index di ottobre 2022.

Julia è un linguaggio di programmazione general-purpose, il che significa che può essere usato in molte attività di sviluppo software, come lo sviluppo web e il game development, ma è particolarmente adatto al machine learning e al calcolo statistico. Non a caso, gli appassionati di Julia amano definirlo l’erede di Python e R per la data science. 

Detto questo, Julia ha ancora strada da fare prima di diventare il linguaggio predefinito della data science. Chi è agli inizi vorrà probabilmente imparare prima Python e R. Tuttavia, come complemento alle competenze di programmazione esistenti, Julia può essere un’ottima scelta. Puoi scoprire di più su a cosa serve Julia in un post dedicato. 

Cosa dovrebbero sapere gli utenti MATLAB su Julia

Ci sono ragioni convincenti per adottare Julia. In questa sezione analizzeremo da vicino le caratteristiche principali che rendono Julia un linguaggio così potente e un candidato ideale per gli utenti MATLAB che vogliono passare a Julia.

Velocità: MATLAB vs Julia

Julia è stato progettato pensando agli utenti tecnici e scientifici. Per risolvere problemi di business e supportare le decisioni, i professionisti dei dati spesso devono gestire dataset di grandi dimensioni e tecniche complesse, inclusi algoritmi di machine learning e reti neurali artificiali. 

Queste attività non richiedono solo importanti risorse di calcolo: necessitano anche di un linguaggio di programmazione in grado di eseguire il codice molto velocemente, così che i professionisti non debbano attendere a lungo per ottenere i risultati. 

Tuttavia, scegliere il linguaggio giusto può essere difficile. La maggior parte dei linguaggi affronta un compromesso tra prestazioni e leggibilità del codice. 

Tradizionalmente, i linguaggi con prestazioni elevate sono stati più ostici da usare, e viceversa. Ad esempio, i popolari linguaggi “ad alto livello” come MATLAB e Python sacrificano la velocità in favore di flessibilità e grande leggibilità, mentre linguaggi come C, C++ e Fortran sono noti per essere molto veloci, ma hanno una sintassi molto complessa. 

Ciò significa che gli sviluppatori hanno bisogno di più tempo e spesso di maggiore esperienza per scrivere codice con questi linguaggi.

Ed è qui che entra in scena Julia. Julia è stato progettato per essere relativamente semplice e veloce da scrivere, ma anche per eseguire codice e calcoli molto rapidamente. Con prestazioni paragonabili a C, Julia è già uno dei linguaggi più veloci di sempre. Confrontando le prestazioni dei due linguaggi, MATLAB è significativamente più lento di Julia. 

Per illustrare le prestazioni imbattibili di Julia, nella tabella seguente trovi un benchmark su come Julia e MATLAB si comportano nell’esecuzione di un ciclo for per creare una matrice a partire da un dato vettore. Maggiori dettagli sul test di benchmark sono disponibili in questo articolo.

Sintassi: MATLAB vs Julia 

Come accennato nella sezione precedente, Julia ha messo fine al dibattito tra prestazioni e leggibilità. La sua sintassi è simile all’inglese ed è dinamicamente tipizzata, il che lo rende semplice da imparare e scrivere come MATLAB o Python, ma, essendo un linguaggio compilato, riesce a essere veloce quanto linguaggi staticamente tipizzati come C o Fortran.

Ma c’è di più. Se stai pensando di passare da MATLAB a Julia, ecco una buona notizia: i due linguaggi sono piuttosto simili, dal punto di vista sintattico. Non è una sorpresa: in fondo, MATLAB è stata una delle principali fonti di ispirazione per i fondatori di Julia. 

Ecco alcuni esempi di operazioni di base in MATLAB e Julia:

For loop

% for loop in MATLAB
for i = 1:N
  % do something
endOfferto da

# for loop in Julia
for i in 1:N
  # do something
endOfferto da

Istruzioni if / else

% if/else in MATLAB
if i <= N
  % do something
else
  % do something else
endOfferto da

# if/else in Julia
if i <= N
  # do something
else
  # do something else
endOfferto da

Funzioni UDF

% function in MATLAB
function out  = f(x)
  out = x^2
endOfferto da

# function in Julia
function f(x)
  return x^2
endOfferto da

Nonostante le somiglianze, vale la pena notare che Julia non è un clone di MATLAB. Esistono ancora importanti differenze sintattiche e funzionali. Nella prossima sezione vedremo alcune somiglianze e differenze tra MATLAB e Julia. 

Julia vs MATLAB: un confronto

Di seguito trovi una tabella con le differenze tra Julia e MATLAB:

Passare da MATLAB a Julia 

Pronto per iniziare? Ecco alcuni passaggi utili per passare da MATLAB a Julia:

Impara le basi di Julia  

Il modo migliore per imparare un nuovo linguaggio di programmazione è scrivere codice. Ci sono molte risorse per iniziare con Julia, ma ti consigliamo vivamente di dare un’occhiata al nostro corso Introduction to Julia. 

Sviluppato per chi è nuovo a Julia e, più in generale, per i principianti nella data science, il corso parte dalle basi del linguaggio e procede gradualmente verso elementi più dettagliati. Alla fine del corso, avrai dimestichezza con la programmazione in Julia, comprendendo i fondamenti, inclusi tipi e strutture di dati, funzioni e pacchetti, e come usare DataFrames per lavorare con dati tabellari.

Puoi anche consultare il nostro tutorial su Julia per principianti, oltre alla nostra comoda cheat sheet su Julia. 

Usa Julia nei tuoi progetti di data

Un ottimo modo per consolidare le conoscenze e fare pratica essenziale con Julia è usare il linguaggio nei tuoi progetti di dati preferiti. Usare Julia nei tuoi progetti ti aiuterà a scoprirne tutto il potenziale e a costruire un portfolio di data science di alto livello. 

Usa Julia nei tuoi progetti professionali

Una volta che hai familiarità con Julia, è il momento di sfruttarlo nelle attività quotidiane. La combinazione di alte prestazioni e leggibilità può essere rivoluzionaria in contesti professionali. Dalla modellazione farmaceutica alla pianificazione di missioni spaziali, professionisti di ogni settore oggi usano la programmazione in Julia. È uno strumento potente per portare applicazioni e task di data science al livello successivo. 

Cerca il tuo prossimo lavoro con Julia

Ora è un ottimo momento per imparare Julia. Come afferma Ari Joury nel suo post, Julia potrebbe essere il tuo biglietto d’oro per il futuro se inizi a impararlo prima che diventi la nuova normalità nella data science. Un numero sempre maggiore di aziende nel mondo adotta Julia per i propri progetti di dati, il che significa che faranno di tutto per attrarre i (ancora) pochi programmatori Julia esperti. Una volta sviluppate a sufficienza le tue competenze, puoi iniziare a cercare ruoli che richiedono sia conoscenza di Julia che di MATLAB. 

Scopri la tua prossima mossa di carriera con Julia sulla piattaforma di offerte di lavoro dati di DataCamp. 

Conclusione

Julia è una delle stelle nascenti nel mondo dei dati. Nei dieci anni dalla prima release, il linguaggio è maturato e oggi offre caratteristiche eccezionali che pochi altri possono vantare. 

Sebbene MATLAB sia ancora in ottima forma, nessun linguaggio di programmazione è al sicuro nel panorama, in rapida evoluzione, della data science. Ciò che oggi è popolare può diventare irrilevante domani, superato da strumenti più moderni e potenti. 

Negli ultimi anni, il principale punto debole di Julia era la sua giovane età. Oggi, però, è uno dei linguaggi più interessanti nel settore della data science. Vale la pena imparare Julia, quindi? E si può passare da MATLAB a Julia? La risposta a entrambe le domande è un sonoro sì.