Tiến từ MATLAB sang Julia

Trong thế giới khoa học dữ liệu đầy biến động, không có gì là vĩnh viễn. Mỗi khi các công cụ và phần mềm mới xuất hiện, chúng có thể thách thức hiện trạng công nghệ. Điều này đặc biệt rõ trong bức tranh ngôn ngữ lập trình. Có khá nhiều ngôn ngữ lập trình phù hợp với khoa học dữ liệu. Trong khi lĩnh vực dữ liệu hiện do một vài ngôn ngữ lập trình rất phổ biến thống trị, những ngôn ngữ mới, được cho là mạnh mẽ hơn, đang dần tạo đà. Một trong những ví dụ hứa hẹn nhất là Julia. 

Ra mắt lần đầu vào năm 2012, Julia có thể được coi là ngôi sao đang lên của khoa học dữ liệu. Dù còn khá mới, Julia đã gây ấn tượng với thế giới tính toán số nhờ hiệu năng cao và tốc độ tính toán vượt trội. Qua nhiều năm, Julia đã trưởng thành hơn và ngày nay thường được gắn nhãn là một trong những “ngôn ngữ của tương lai” cho khoa học dữ liệu và trí tuệ nhân tạo. 

Có nhiều lý do thuyết phục để bắt đầu học Julia. Tuy nhiên, lộ trình chuyển đổi có thể khác nhau tùy theo những ngôn ngữ lập trình bạn đã quen thuộc. Trong khi hầu hết bài viết và khóa học tập trung vào cách chuyển từ MATLAB sang hai ngôn ngữ phổ biến nhất cho khoa học dữ liệu là Python và R, thì cũng quan trọng không kém khi cung cấp tài nguyên cho người dùng từ các ngôn ngữ khác muốn tiến sang Julia. 

Mục tiêu của bài viết này là giới thiệu Julia cho lập trình viên MATLAB. Chúng tôi sẽ tìm hiểu những khác biệt và tương đồng giữa hai ngôn ngữ, đồng thời đưa ra một số mẹo để di chuyển từ MATLAB sang Julia cho phân tích và trực quan hóa dữ liệu. Bắt đầu thôi!

MATLAB dùng để làm gì?

MATLAB là một ngôn ngữ lập trình được thiết kế chuyên biệt cho tính toán số. Kể từ khi ra mắt năm 1984, MATLAB (viết tắt của "MATrix LABoratory") đã được giới học thuật và nghiên cứu khoa học sử dụng rộng rãi. Dù tương đối cũ, đây vẫn là một ngôn ngữ lập trình cực kỳ phổ biến. Vào tháng 10/2022, nó xếp hạng 14 trên cả PYPL Index và TIOBE Index. 

Ngôn ngữ MATLAB vượt trội ở các tác vụ tính toán cấp cao, bao gồm các phép toán toán học và thống kê nâng cao. Ngôn ngữ này cũng có khả năng vẽ biểu đồ và triển khai thuật toán, khiến nó trở thành ứng viên hoàn hảo cho khoa học dữ liệu.

Tuy nhiên, MATLAB cũng đi kèm một lưu ý quan trọng: đây là công cụ độc quyền. Điều này có nghĩa là, trừ khi tổ chức của bạn cấp quyền truy cập như thường thấy trong môi trường học thuật, bạn có thể phải trả một khoản lớn để có giấy phép. Thêm nữa, vì người dùng không có quyền truy cập mã nguồn, đôi khi khó hiểu cách một số khả năng của MATLAB hoạt động. 

Những yếu tố này có thể khiến MATLAB kém hấp dẫn hơn so với các ngôn ngữ lập trình khác mà bạn có thể sử dụng miễn phí.

Julia dùng để làm gì?

Đằng sau mọi đổi mới là khát vọng cải thiện hoặc vượt qua các công nghệ thống trị của thời điểm đó. Đây là động lực đằng sau Julia, vốn lấy cảm hứng từ một số ngôn ngữ lập trình mạnh mẽ nhất. Như Jeff Bezanson, Stefan Karpinski, Alan Edelman và Viral B. Shah, những người sáng lập ngôn ngữ, đã nêu trong một bài viết giải thích vì sao họ tạo ra Julia:

“Chúng tôi muốn một ngôn ngữ mã nguồn mở, với giấy phép thoáng. Chúng tôi muốn tốc độ của C với sự linh hoạt của Ruby. Chúng tôi muốn một ngôn ngữ mang tính homoiconic, với macro thực thụ như Lisp, nhưng có ký hiệu toán học hiển nhiên, quen thuộc như Matlab. Chúng tôi muốn thứ gì đó dùng được cho lập trình tổng quát như Python, dễ cho thống kê như R, tự nhiên cho xử lý chuỗi như Perl, mạnh mẽ cho đại số tuyến tính như Matlab, kết dính chương trình tốt như shell. Thứ gì đó cực kỳ dễ học, nhưng vẫn làm những hacker khó tính nhất hài lòng. Chúng tôi muốn nó tương tác và chúng tôi muốn nó được biên dịch.”

Nhờ những đặc tính độc đáo, kết quả của quá trình chắt lọc tinh hoa từ các ngôn ngữ lập trình hàng đầu, Julia đang nhanh chóng tạo đà. 

Kể từ khi phát hành lần đầu vào năm 2021, Julia đã được tải về hơn 40 triệu lần, và cộng đồng Julia đã đăng ký hơn 8.000 gói Julia cho cộng đồng sử dụng. Chúng bao gồm nhiều thư viện toán học, công cụ thao tác dữ liệu và các gói cho tính toán mục đích chung. 

Về mức độ phổ biến so với các ngôn ngữ khác, Julia xếp thứ 25 và 27 lần lượt trong PYPL Index và TIOBE Index tháng 10/2022.

Julia là ngôn ngữ lập trình đa dụng, nghĩa là có thể dùng cho nhiều tác vụ phát triển phần mềm như phát triển web và game, nhưng đặc biệt phù hợp với machine learning và tính toán thống kê. Quả thật, những người đam mê Julia thích gọi nó là người kế thừa của Python và R cho khoa học dữ liệu. 

Dẫu vậy, Julia còn một chặng đường dài trước khi trở thành ngôn ngữ mặc định của khoa học dữ liệu. Những người mới bắt đầu vẫn có lẽ muốn học Python và R trước. Tuy nhiên, như một bổ sung cho kỹ năng lập trình sẵn có, Julia có thể là lựa chọn tuyệt vời. Bạn có thể tìm hiểu thêm về Julia được dùng để làm gì trong một bài viết riêng. 

Điều người dùng MATLAB nên biết về Julia

Có nhiều lý do thuyết phục để đón nhận Julia. Ở phần này, chúng ta sẽ xem kỹ những đặc điểm chính khiến Julia trở thành ngôn ngữ mạnh mẽ và là lựa chọn lý tưởng để người dùng MATLAB chuyển sang Julia.

Tốc độ MATLAB so với Julia

Julia được thiết kế với người dùng kỹ thuật và khoa học trong đầu. Để giải quyết vấn đề kinh doanh và hỗ trợ ra quyết định, các chuyên gia dữ liệu thường phải xử lý tập dữ liệu lớn và kỹ thuật phức tạp, bao gồm thuật toán học máy và mạng nơ-ron nhân tạo. 

Những hoạt động này không chỉ đòi hỏi tài nguyên tính toán đáng kể mà còn cần một ngôn ngữ lập trình có thể chạy mã trên máy tính rất nhanh, để các chuyên gia dữ liệu không phải chờ đợi lâu mới có kết quả. 

Tuy nhiên, chọn đúng ngôn ngữ lập trình có thể khó. Hầu hết ngôn ngữ lập trình đều đánh đổi giữa hiệu năng và tính dễ đọc của mã. 

Truyền thống, các ngôn ngữ có hiệu năng cao thường khó dùng hơn, và ngược lại. Ví dụ, các ngôn ngữ “bậc cao” phổ biến như MATLAB và Python hy sinh tốc độ để đổi lấy tính linh hoạt và dễ đọc, trong khi các ngôn ngữ như C, C++ và Fortran nổi tiếng rất nhanh nhưng có cú pháp rất phức tạp. 

Điều này có nghĩa là lập trình viên cần nhiều thời gian hơn và thường là nhiều kinh nghiệm hơn để viết mã với các ngôn ngữ dạng này.

Đây là lúc Julia xuất hiện. Julia được thiết kế để tương đối dễ và nhanh khi viết chương trình, nhưng cũng để chạy mã và thực hiện tính toán rất nhanh. Với hiệu năng tương tự C, Julia đã là một trong những ngôn ngữ nhanh nhất trong lịch sử. Khi so sánh hiệu năng của hai ngôn ngữ, MATLAB chậm hơn đáng kể so với Julia. 

Để minh họa hiệu năng vượt trội của Julia, ở bảng sau, bạn có thể xem một bài đo hiệu năng về cách Julia và MATLAB thực thi vòng lặp for để tạo ma trận từ một vector cho trước. Thông tin chi tiết về bài kiểm thử hiệu năng có thể xem trong bài viết này.

Cú pháp MATLAB so với Julia 

Như đã đề cập ở phần trước, Julia đã khép lại cuộc tranh luận giữa hiệu năng và khả năng đọc. Cú pháp của ngôn ngữ này dễ đọc như tiếng Anh và là kiểu động, khiến nó đơn giản để học và viết như MATLAB hoặc Python, nhưng nhờ là ngôn ngữ biên dịch, nó đạt tốc độ như các ngôn ngữ kiểu tĩnh như C hoặc Fortran.

Nhưng còn hơn thế. Nếu bạn đang cân nhắc chuyển từ MATLAB sang Julia, tin vui là: hai ngôn ngữ khá giống nhau về mặt cú pháp. Điều này không có gì ngạc nhiên: cuối cùng thì MATLAB là một trong những nguồn cảm hứng chính cho những người sáng lập Julia. 

Dưới đây là một số ví dụ về các thao tác cơ bản trong MATLAB và Julia:

Vòng lặp for

% for loop in MATLAB
for i = 1:N
  % do something
endĐược hỗ trợ bởi

# for loop in Julia
for i in 1:N
  # do something
endĐược hỗ trợ bởi

Câu lệnh if / else

% if/else in MATLAB
if i <= N
  % do something
else
  % do something else
endĐược hỗ trợ bởi

# if/else in Julia
if i <= N
  # do something
else
  # do something else
endĐược hỗ trợ bởi

Hàm UDF

% function in MATLAB
function out  = f(x)
  out = x^2
endĐược hỗ trợ bởi

# function in Julia
function f(x)
  return x^2
endĐược hỗ trợ bởi

Bất chấp những điểm tương đồng, cần lưu ý rằng Julia không phải là bản sao của MATLAB. Vẫn có những khác biệt lớn về cú pháp và chức năng. Ở phần tiếp theo, chúng ta sẽ đề cập một số điểm giống và khác giữa MATLAB và Julia. 

Julia so với MATLAB: So sánh

Dưới đây bạn có thể tìm thấy bảng so sánh giữa Julia và MATLAB:

Tiến từ MATLAB sang Julia 

Sẵn sàng bắt đầu? Dưới đây là một số bước để hỗ trợ khi chuyển từ MATLAB sang Julia:

Học các kiến thức cơ bản về Julia  

Cách tốt nhất để học một ngôn ngữ lập trình mới là viết mã. Có rất nhiều tài nguyên để bắt đầu với Julia, nhưng chúng tôi đặc biệt khuyến nghị bạn xem khóa học Giới thiệu về Julia của chúng tôi. 

Được phát triển cho người mới làm quen với Julia và rộng hơn là người mới bắt đầu trong khoa học dữ liệu, khóa học bắt đầu từ những nền tảng cơ bản của ngôn ngữ và tiến dần tới các yếu tố chi tiết hơn. Kết thúc khóa học, bạn sẽ quen với việc viết mã bằng Julia, hiểu các kiến thức cơ bản, bao gồm kiểu và cấu trúc dữ liệu, hàm và gói, và cách dùng DataFrames để làm việc với dữ liệu dạng bảng.

Bạn cũng có thể tìm hướng dẫn Julia cho người mới bắt đầu, cũng như tờ phím tắt Julia tiện dụng của chúng tôi. 

Dùng Julia trong các dự án dữ liệu của bạn

Một cách tuyệt vời để củng cố kiến thức và có trải nghiệm thực hành thiết yếu với Julia là dùng ngôn ngữ này để làm các dự án dữ liệu bạn yêu thích. Sử dụng Julia trong dự án của riêng bạn sẽ giúp bạn khám phá toàn bộ tiềm năng của Julia và giúp bạn xây dựng một hồ sơ khoa học dữ liệu nổi bật. 

Dùng Julia trong các dự án chuyên môn

Khi bạn đã quen thuộc với Julia, đã đến lúc tận dụng nó trong các hoạt động hằng ngày. Sự kết hợp giữa hiệu năng cao và khả năng đọc tốt của Julia có thể thay đổi cuộc chơi trong môi trường chuyên nghiệp. Từ mô hình dược phẩm đến lập kế hoạch sứ mệnh không gian, các chuyên gia ở mọi ngành đang sử dụng Julia ngày nay. Đây là công cụ mạnh mẽ để đưa ứng dụng và tác vụ khoa học dữ liệu của bạn lên tầm cao mới. 

Tìm công việc tiếp theo với Julia

Bây giờ là thời điểm tuyệt vời để học Julia. Như Ari Joury khẳng định trong bài viết, Julia có thể là tấm vé vàng tới tương lai nếu bạn bắt đầu học trước khi nó trở thành tiêu chuẩn mới trong khoa học dữ liệu. Ngày càng nhiều công ty trên toàn thế giới đang áp dụng Julia cho các dự án dữ liệu của họ, nghĩa là họ sẽ làm mọi cách để thu hút những lập trình viên Julia (hiện vẫn) còn ít kinh nghiệm. Khi bạn đã phát triển kỹ năng đủ mức, bạn có thể bắt đầu tìm các vị trí yêu cầu cả kiến thức Julia và MATLAB. 

Khám phá bước tiến sự nghiệp tiếp theo với Julia trên nền tảng việc làm dữ liệu của DataCamp. 

Kết luận

Julia là một trong những ngôi sao đang lên của lĩnh vực dữ liệu. Trong mười năm kể từ lần phát hành đầu tiên, ngôn ngữ này đã trưởng thành và hiện sở hữu những tính năng xuất sắc mà ít ngôn ngữ có được. 

Trong khi MATLAB vẫn còn rất vững vàng, không ngôn ngữ lập trình nào an toàn trong bối cảnh khoa học dữ liệu thay đổi nhanh chóng. Điều phổ biến hôm nay có thể trở nên lỗi thời vào ngày mai, bị vượt qua bởi các công cụ hiện đại và mạnh mẽ hơn. 

Những năm gần đây, điểm trừ chính của Julia là sự non trẻ. Tuy nhiên, ngày nay nó là một trong những ngôn ngữ mới thú vị nhất trong ngành khoa học dữ liệu. Vậy Julia có đáng để học không? Và có thể tiến từ MATLAB sang Julia không? Câu trả lời cho cả hai là một tiếng “có” vang dội.