Julia so với Python - Nên học ngôn ngữ nào?

Các lĩnh vực khoa học dữ liệu & học máy đã giúp máy móc học hỏi từ kinh nghiệm và rút ra những hiểu biết đáng kinh ngạc về cách con người và sự vật vận hành. Tuy nhiên, để hiện thực hóa tiềm năng của các công nghệ này đòi hỏi một mức năng lực kỹ thuật nhất định. Nhiều công cụ đã được phát triển để đơn giản hóa quy trình khi làm việc trên các dự án khoa học dữ liệu và học máy. Ví dụ, hãy xem các ngôn ngữ lập trình hàng đầu dành cho Nhà khoa học Dữ liệu năm 2022.

Ban đầu, các cuộc thảo luận về việc người mới nên học ngôn ngữ lập trình nào cho khoa học dữ liệu & học máy chủ yếu xoay quanh Python và R (bạn có thể tìm hiểu thêm về sự khác biệt giữa Python và R cho Khoa học Dữ liệu trong một bài viết riêng). Giờ đây, tình hình đang dần thay đổi; không nghi ngờ gì nữa, Python là một trong những ngôn ngữ lập trình phổ biến nhất gần đây. Theo Chỉ số TIOBE tháng 11/2022, Python đứng đầu bảng xếp hạng về mức độ phổ biến, nhưng đã xuất hiện một công cụ mới có tên Julia.  

Khi Julia tiếp tục tạo đà phát triển, nhiều chuyên gia giàu kinh nghiệm trong khoa học dữ liệu và học máy có thể cân nhắc việc nâng cấp kỹ năng, trong khi người mới lại tự hỏi, “nên học Python hay Julia?” Trong bài viết này, chúng tôi sẽ trình bày những khác biệt giữa Python và Julia để giúp bạn đơn giản hóa quá trình ra quyết định, từ đó có thể bắt đầu thúc đẩy hoặc nâng cao sự nghiệp của mình. 

Python là gì? 

Hầu hết những người trong lĩnh vực công nghệ đều đã nghe về Python – nó đã phổ biến trong giới lập trình viên suốt nhiều năm, đặc biệt kể từ khi khoa học dữ liệu và học máy trỗi dậy. Ngôn ngữ này do Guido van Rossum khởi xướng và ra mắt lần đầu năm 1991 như một hậu duệ của ngôn ngữ lập trình ABC. 

Python là ngôn ngữ lập trình bậc cao, thông dịch, hướng đối tượng với ngữ nghĩa động – nghĩa là các biến của nó là các đối tượng động. Trình thông dịch Python và bộ thư viện chuẩn phong phú đi kèm được phân phối miễn phí và có sẵn dưới dạng mã nguồn hoặc nhị phân. 

“Các cấu trúc dữ liệu tích hợp ở mức cao, kết hợp với kiểu động và ràng buộc động, khiến nó rất hấp dẫn cho Phát triển Ứng dụng Nhanh, cũng như dùng làm ngôn ngữ kịch bản hoặc ‘keo’ để kết nối các thành phần hiện có.” 

[Nguồn: Tài liệu Python]

Ai sử dụng Python?

Python là một ngôn ngữ đa mục đích. Do đó, bạn có thể dùng nó để xây dựng phần mềm trong nhiều miền ứng dụng, trên nhiều cấu hình phần cứng và hệ điều hành khác nhau. 

Các miền ví dụ bao gồm: 

• Khoa học dữ liệu (Xem cheatsheet Python cho Khoa học Dữ liệu dành cho người mới bắt đầu)
• Viết kịch bản/Tự động hóa (ví dụ: theo dõi giá sản phẩm và điền biểu mẫu)
• Phát triển web 
• Học máy
• Kiểm thử phần mềm 

Hãy xem bài viết Python được dùng để làm gì? 7 ứng dụng Python trong đời thực để tìm hiểu sâu hơn về các trường hợp sử dụng Python. 

Ưu điểm của Python

Có nhiều yếu tố góp phần khiến Python cực kỳ phổ biến. Dưới đây là một vài điểm: 

• Dễ tiếp cận: Cú pháp của Python gần như mô phỏng ngôn ngữ tự nhiên, giúp các lập trình viên khác dễ đọc và hiểu. Nhờ đó, nhà phát triển có thể xây dựng và cải thiện dự án nhanh hơn vì ngôn ngữ này cực kỳ đơn giản. 
• Đa năng: Python là ngôn ngữ đa mục đích, nghĩa là nó có thể làm và tạo ra nhiều thứ khác nhau, từ học máy đến viết kịch bản và tự động hóa các tác vụ hằng ngày.
• Mã nguồn mở: Python được phát triển theo giấy phép mã nguồn mở được OSI phê duyệt. Do đó, nó miễn phí để sử dụng và phân phối cho mọi mục đích, bao gồm cả thương mại. Việc Python được phân phối miễn phí cùng với mức độ phổ biến ngày càng tăng đã tạo nên một cộng đồng mạnh mẽ xung quanh ngôn ngữ này, mà người dùng có thể tận dụng bất cứ khi nào cần hỗ trợ.
• Thư viện: Thư viện là công cụ cực kỳ hữu ích giúp lập trình viên làm việc hiệu quả hơn. Tại thời điểm viết bài, có hơn 137.000 thư viện Python có thể dùng để tạo ứng dụng trong nhiều lĩnh vực. 

Nhược điểm của Python

Mặc dù có nhiều ưu điểm, Python cũng có không ít người chê vì các lý do sau: 

• Tốc độ: Một trong những phê bình chính về Python là tốc độ. Là ngôn ngữ thông dịch, gõ động, Python chậm hơn so với các ngôn ngữ biên dịch như C và Java (Java cũng có thể coi là thông dịch vì là ngôn ngữ lai). 
• Tiêu thụ bộ nhớ: Python linh hoạt với kiểu dữ liệu, điều này dẫn đến việc tiêu thụ nhiều bộ nhớ.
• Môi trường di động: Dù rất mạnh trong phát triển ứng dụng máy chủ và máy tính để bàn, Python không lý tưởng cho phát triển di động do tiêu thụ bộ nhớ cao và tốc độ xử lý chậm hơn so với các ngôn ngữ lập trình khác. 
• Lỗi khi chạy: Python là ngôn ngữ gõ động, nghĩa là kiểu dữ liệu gắn với giá trị thay vì biến. Nhiều người dùng phàn nàn về thiết kế này vì nó gây ra nhiều vấn đề. Ví dụ, giá trị gán cho một biến có thể thay đổi bất kỳ lúc nào trong chương trình, đồng nghĩa kiểu dữ liệu của biến có thể thay đổi, dẫn đến lỗi khi chạy. 

Julia là gì?

Đầu năm 2022, nhân dịp kỷ niệm 10 năm, Julia Computing thông báo ngôn ngữ lập trình này đã được tải xuống gần 35 triệu lần, gần gấp năm lần tổng số lượt tải tính đến ba năm trước đó. Chính tốc độ tăng trưởng như vậy đã đưa Julia vào tầm ngắm của nhiều lập trình viên.

Lưu ý: Phát triển kỹ năng lập trình Julia của bạn với khóa học Giới thiệu về Julia. 

Những người sáng lập Julia –  Jeff Bezanson, Alan Edelman, Stefan Karpinski, Viral B. Shah – có một mục tiêu rõ ràng: cải thiện các điểm hạn chế của những ngôn ngữ lập trình khác đồng thời kết hợp những phẩm chất riêng biệt và đáng mong muốn của chúng. Trong bài viết có tựa Vì sao chúng tôi tạo ra Julia, các tác giả thẳng thắn tuyên bố, “Chúng tôi tham vọng: chúng tôi muốn nhiều hơn” trước khi liệt kê một loạt phẩm chất đầy tham vọng mà họ muốn Julia sở hữu.

“Chúng tôi muốn một ngôn ngữ mã nguồn mở, với giấy phép thoáng. Chúng tôi muốn tốc độ của C với tính năng động của Ruby. Chúng tôi muốn một ngôn ngữ đồng cấu, có macro thực sự như Lisp, nhưng với ký hiệu toán học quen thuộc, dễ hiểu như Matlab. Chúng tôi muốn một thứ vừa dùng được cho lập trình tổng quát như Python, vừa dễ cho thống kê như R, tự nhiên cho xử lý chuỗi như Perl, mạnh mẽ cho đại số tuyến tính như Matlab, và tốt trong việc ‘kết dính’ các chương trình với nhau như shell. Một thứ cực kỳ dễ học, nhưng vẫn làm những hacker khó tính nhất hài lòng. Chúng tôi muốn nó vừa tương tác vừa được biên dịch. (Đã nói là nó phải nhanh như C chưa?).”

[Nguồn: Vì sao chúng tôi tạo ra Julia]

Đến khi phát hành Julia 1.0.0 năm 2018, họ đã thực hiện được 90% lời hứa đưa ra sáu năm trước đó. 

Vậy chính xác Julia là gì? 

Cách dễ hình dung nhất là: đây là một ngôn ngữ lập trình bậc cao, động, nhanh và dễ dùng, sở hữu các tính năng rất phù hợp cho phân tích số và khoa học tính toán. Bạn có thể tìm hiểu thêm về Sự trỗi dậy của Julia trong một bài viết khác. 

Ai sử dụng Julia?

Một trong những mục tiêu chính của Julia là phát triển một ngôn ngữ cho phép lập trình viên viết mã ngắn gọn, bậc cao, tổng quát và trừu tượng, tương tự các công thức toán học, đồng thời có thể nhanh chóng tạo ra mã máy mức thấp phổ biến ở các ngôn ngữ tĩnh. 

Dù được thiết kế đặc biệt với người dùng kỹ thuật và khoa học trong tâm trí, Julia cũng được xem là ngôn ngữ đa mục đích, nghĩa là áp dụng rộng rãi trên các miền ứng dụng và không có các tính năng chuyên biệt. 

Những đặc điểm này khiến Julia đặc biệt hấp dẫn với lập trình viên trong các lĩnh vực liên quan đến: 

• Tính toán số 
• Học máy
• Thống kê
• Phát triển web

Xem bài viết Julia được dùng để làm gì? 10 ứng dụng lập trình Julia để đào sâu hơn về các trường hợp sử dụng của Julia. 

Ưu điểm của Julia

• Tốc độ: Một trong những điểm hấp dẫn chính của Julia chắc chắn là tốc độ. Julia rất nhanh. Nó sử dụng biên dịch tức thời (JIT), nghĩa là ít có khả năng mã bị thông dịch nhiều lần, do đó giảm chi phí xử lý. Ngoài ra, Julia liên tục vượt trội so với các ngôn ngữ lập trình dữ liệu hiện có như Python, R và Matlab trong các bài kiểm thử hiệu năng, bởi Julia là ngôn ngữ được biên dịch thay vì thông dịch. 
• Dễ tiếp cận: Julia có cú pháp rõ ràng – sạch hơn C++ – đơn giản để sử dụng và dễ học. Nó là ngôn ngữ gõ động, thường súc tích hơn các ngôn ngữ gõ tĩnh.
• Có mục đích rõ ràng: Phần lớn công việc thường ngày của những người tạo ra Julia bao gồm tính toán khoa học, học máy, khai phá dữ liệu, đại số tuyến tính quy mô lớn, và tính toán phân tán & song song. Vì vậy, Julia được thiết kế với tính toán khoa học trong tâm trí và sở hữu một bộ gói mạnh mẽ giúp mở rộng trường hợp sử dụng trong các lĩnh vực khoa học, toán học, thống kê và học máy. 

Nhược điểm của Julia

Mặc dù có màn ra mắt ấn tượng, Julia còn xa mới hoàn hảo và hiện tồn tại một số hạn chế đáng kể. 

• Tuổi đời: Julia là một ngôn ngữ mới. Do đó, nó không phổ biến hay được hỗ trợ rộng rãi như các ngôn ngữ khác như Python và R.
• Vấn đề “thời gian cho biểu đồ đầu tiên”: Trình biên dịch JIT của Julia vẫn còn một số vấn đề, dẫn đến độ trễ đáng chú ý khi cố chạy mã từ một số gói lần đầu tiên. Các tác giả cho biết, “Do cách Julia hoạt động ở tầng bên dưới, đây là một vấn đề khó giải, nhưng đã có nhiều tiến bộ trong vài năm qua để giảm thời gian biên dịch này.” [Nguồn: Tài liệu Julia].  
• Hệ sinh thái nhỏ: Như kỳ vọng với một công nghệ mới, cộng đồng và hệ sinh thái của Julia vẫn đang ở giai đoạn đầu. Dù Julia có nhiều giải pháp và gói độc đáo, chúng vẫn còn nhỏ bé khi so với hệ sinh thái của Python và R – vốn đã phát triển suốt hơn 20 năm qua. 

Python vs. Julia: Khác biệt chính

Python có một cộng đồng lớn, lâu đời, đóng góp cho ngôn ngữ và hỗ trợ các lập trình viên Python khác. Ngôn ngữ này cũng cực kỳ đa năng và có nhiều trường hợp sử dụng, xứng danh là ngôn ngữ lập trình đa mục đích. Ngược lại, dù cũng được xem là ngôn ngữ lập trình đa mục đích, Julia kém đa năng hơn đáng kể so với Python – tuy nhiên, nó là công cụ tuyệt vời cho lập trình khoa học. 

Một trong những yếu tố chính khiến Julia hấp dẫn là tốc độ; Julia vượt trội Python về tốc độ và hiệu năng. Lý do là Julia là ngôn ngữ được biên dịch ngay từ nền tảng, trong khi Python là ngôn ngữ thông dịch, nghĩa là mỗi dòng phải được xử lý lại, dẫn đến thực thi chậm hơn.   

Julia vs Python - Nên chọn cái nào? 

Còn quá sớm để khẳng định rõ ràng rằng Julia sẽ truất ngôi Python ở một số lĩnh vực như khoa học dữ liệu và học máy. Dù cả hai ngôn ngữ đều có cú pháp dễ đọc và dễ học, mỗi bên có những lợi thế riêng. Chẳng hạn, Python có cộng đồng lớn, lâu đời và vô số framework, thư viện, đồng thời cực kỳ đa năng. Ngược lại, Julia là công cụ xuất sắc cho tính toán khoa học và ngày càng phổ biến nhờ tốc độ. 

Với các chuyên gia dày dạn, học một ngôn ngữ mới có thể đáng để đầu tư nếu lợi ích là đáng kể, vì việc trau dồi kỹ năng tốn thời gian, có thể ảnh hưởng năng suất. Người mới bắt đầu nên chú ý đến các trang tuyển dụng để xem kỹ năng nào đang được ưa chuộng và trang bị cho mình cho phù hợp. 

Một cách khác để quyết định là cân nhắc loại chương trình bạn định xây dựng. Với các chương trình không quá lớn, Python có thể cho kết quả nhanh hơn Julia vì nó là ngôn ngữ thông dịch thay vì biên dịch. Tuy nhiên, nếu bạn dự định xây dựng các chương trình có tính toán nặng về CPU, có lẽ nên nghiêng về Julia nhiều hơn.