Julia được dùng để làm gì? 10 ứng dụng của lập trình Julia

Khi làm các dự án khoa học dữ liệu, bạn có rất nhiều lựa chọn về những ngôn ngữ lập trình hàng đầu. Bên cạnh các “ông lớn” như Python, R và SQL, còn có những ngôn ngữ tổng quát và chuyên biệt khác như MATLAB, C/C++ và Go. Vậy còn Julia, một gương mặt tương đối mới thì sao? Ở đây, chúng ta sẽ xem Julia được dùng để làm gì và vì sao bạn nên cân nhắc học nó. 

Julia là gì? 

Julia là một ngôn ngữ lập trình đầy hứa hẹn và tương đối mới, được thiết kế để trở thành ngôn ngữ lý tưởng cho tính toán khoa học, học máy và khai phá dữ liệu. Ra mắt năm 2012, Julia nhanh chóng trở thành lựa chọn yêu thích của nhiều chuyên gia dữ liệu giàu kinh nghiệm. 

Được thiết kế để có tốc độ của C, khả năng lập trình tổng quát của Python và sức mạnh thống kê của R, Julia là một ngôn ngữ mạnh mẽ và tương đối dễ học so với nhiều ngôn ngữ khác. 

Đến nay, Julia đã được tải xuống hơn 40 triệu lần và xây dựng được một cộng đồng đã đăng ký hơn 8.000 gói cho ngôn ngữ này. Tính đến tháng 10/2022, Julia lần lượt xếp hạng 25 và 27 trên Chỉ số PYPL và Chỉ số TIOBE. Nói cách khác, dù chưa phổ biến như Python, R hay MATLAB, Julia đang lên như một ngôi sao với mức độ phổ biến tương tự SAS hay Scala.

Ưu và nhược điểm của Julia 

Dĩ nhiên, rất dễ hào hứng với một ngôn ngữ mới, nhất là khi nó đặt mục tiêu mang tính cách mạng. Tuy nhiên, giống như mọi ngôn ngữ khác, Julia có cả điểm mạnh lẫn hạn chế. Dưới đây là một số ưu và nhược điểm của Julia. Chúng tôi phân tích chi tiết hơn trong bài viết về sự trỗi dậy của Julia: 

Ưu điểm của Julia 

• Nhanh. Bạn sẽ thấy người ta nói nhiều về tốc độ của Julia. Về các micro-benchmark (đo hiệu năng trên một loạt mẫu mã phổ biến), Julia thể hiện rất tốt, dù các kết quả này không tính thời gian biên dịch. Một nghiên cứu chuyên sâu cho thấy gói CSV.jl của Julia để xử lý dữ liệu văn bản phân tách nhanh hơn 1,5 đến 5 lần so với gói pandas của Python khi đọc dữ liệu CSV. 
• Cú pháp rõ ràng. Cú pháp Julia lấy cảm hứng từ các ngôn ngữ lập trình dữ liệu hiện có. Hãy nghĩ đến MATLAB nhưng tích hợp nhiều ý tưởng hay từ Python, R và Ruby. 
• Đa dụng. Như chúng ta sẽ thấy, Julia có rất nhiều cách sử dụng. Một số tính năng như multiple dispatch giúp Julia áp dụng được trong nhiều ngành và nhiều loại dự án. 

Nhược điểm của Julia 

• Ngôn ngữ còn trẻ. Như đã đề cập, Julia còn khá mới. Vì vậy, nó chưa phổ biến hoặc được hỗ trợ rộng rãi như Python và R. 
• Hệ sinh thái còn nhỏ (nhưng đang phát triển). Do còn mới, cộng đồng và hệ sinh thái vẫn tương đối nhỏ. Có nhiều giải pháp và gói độc đáo đang xuất hiện, nhưng so với những “gã khổng lồ” như Python, Julia còn một chặng đường dài. 
• Một số vấn đề về biên dịch. Nhiều nguồn ghi nhận độ trễ khi biên dịch mã bằng bộ biên dịch just-in-time (JIT) của Julia. JIT biên dịch toàn bộ mã sang mã máy trước khi chạy. Độ trễ này có thể gây khó chịu khi bạn muốn viết các script nhanh.  

Julia được dùng để làm gì

Vậy, là một ngôn ngữ đang nổi, Julia có cả ưu và nhược điểm. Nhưng cụ thể Julia được dùng để làm gì? 

Một trong những mục tiêu chính khi tạo ra Julia là cho phép lập trình viên viết mã rõ ràng, cấp cao, tổng quát và trừu tượng giống như các công thức toán học, đồng thời vẫn tạo ra được mã máy cấp thấp, chạy nhanh như ở các ngôn ngữ tĩnh. Hãy xem ngôn ngữ này hoạt động thực tế trong hướng dẫn Julia của chúng tôi. 

Dưới đây là một số lĩnh vực mà ngôn ngữ này tỏ ra vượt trội. 

1. Tính toán số

Có nhiều gói cho phép lập trình viên Julia thực hiện các tác vụ tính toán số. Ví dụ, cho các tác vụ đại số tuyến tính có mô-đun LinerAlgebra.jl; để tìm nghiệm có NonlinearSolve; và để vi phân tự động có ForwardDiff hoặc Enzyme. 

2. Học máy 

Julia được xây dựng với học máy trong tâm trí, đặc biệt là học máy khoa học, tập trung vào những thách thức và hiểu biết từ các tập dữ liệu khoa học. Là một ngôn ngữ biên dịch được thiết kế cho xử lý song song, Julia có thể mang lại tốc độ vượt trội ở một số tác vụ học máy. Chẳng hạn, Julia có thể cải thiện đáng kể thời gian huấn luyện và giảm chi phí khi triển khai mô hình học máy vào sản xuất. 

Với cộng đồng đang lớn mạnh và nhiều gói ML mới, nhiều gói trong số đó nằm trong khung MLJ, Julia có thể là lựa chọn tuyệt vời cho lĩnh vực này. Một ví dụ điển hình về học máy với Julia đến từ một công ty Úc bảo trì đường dây điện: bằng cách tạo bản đồ 3D và dùng học máy với Julia, họ có thể xác định lỗi mạng và nguy cơ lỗi nhanh hơn trước 100 lần. 

3. Thống kê 

Một chức năng chính khác của Julia là phục vụ thống kê và phân tích thống kê. Chẳng hạn, meta-package StatsKit bao gồm các gói Julia cho những hàm thống kê cơ bản, cũng như các công cụ làm việc với dữ liệu dạng bảng DataFrames, phân phối xác suất, phân tích thống kê đa biến, kiểm định giả thuyết và hơn thế nữa.

4. Lập trình tổng quát 

Là một ngôn ngữ lập trình đa dụng, Julia có thể xây dựng nhiều loại phần mềm và chức năng. Ví dụ, gói Blink cho phép bạn xây dựng ứng dụng GUI Electron, GameZero giới thiệu phát triển game cho người mới bắt đầu, và Miletus cho phép bạn xây dựng các hợp đồng tài chính bằng Julia. 

Chúng tôi đã đề cập rằng Julia được thiết kế để dễ và nhanh trong việc viết chương trình nhờ cú pháp đơn giản. Tuy nhiên, nó cũng chạy mã và thực hiện tính toán rất nhanh. 

5. Phát triển web 

Có một số công cụ phát triển web Julia rất tốt cho người dùng. Các gói như Genie.jl và Dash.jl. Genie cho phép người dùng làm việc với dữ liệu trên web bằng Julia. Đây là một framework web full-stack, cung cấp cách phát triển ứng dụng web với quy trình hiệu quả và tinh gọn. Dash.jl là giao diện Julia cho hệ sinh thái Dash, cho phép bạn tạo ứng dụng web bằng Julia. 

Ví dụ Julia trong các ngành 

Giờ khi đã biết Julia được dùng cho những gì ở mức tổng quát, hãy xem một vài ví dụ sử dụng Julia trong các ngành. Trang web Julia liệt kê nhiều ứng dụng của ngôn ngữ, và dưới đây là một số điểm nổi bật: 

6. Mô hình hóa và phát triển dược phẩm 

Julia được dùng rộng rãi trong lĩnh vực y tế. Các nhà nghiên cứu dùng Julia để xác định và thử nghiệm thuốc mới, tối ưu hóa phương pháp điều trị, cũng như cho chẩn đoán và điều trị. Những gói như BioJulia (hạ tầng tin sinh học) và Pumas (cho mô hình dược động học, khoa học định lượng thông tin thử nghiệm thuốc) rất phổ biến. Chẳng hạn, tập đoàn dược Pfizer đã dùng Julia để tăng tốc mô phỏng các liệu pháp mới. 

7. Siêu máy tính song song 

Một trong những ví dụ tiêu biểu về tốc độ của Julia là trong lĩnh vực thiên văn học, nơi bộ AstroLib.jl gồm các thủ tục thiên văn và vật lý thiên văn thường được sử dụng. 

Một ví dụ về việc dùng Julia trong thiên văn là dự án Celeste, nơi nhóm nghiên cứu gồm các nhà thiên văn, vật lý, kỹ sư máy tính và thống kê đã phát triển một phương pháp tính toán song song mới bằng Julia. Sau ba năm phát triển, họ đã dùng phương pháp này để tạo ra danh mục chính xác nhất gồm 188 triệu đối tượng thiên văn chỉ trong 14,6 phút, cải thiện hiệu năng hơn 1.000 lần.

8. Mô hình hóa và quản lý tài chính

Hiệu năng và tính linh hoạt của Julia khiến nó trở thành công cụ mạnh mẽ trong tài chính. Các chuyên gia dùng ngôn ngữ này để phát triển mô hình và dự báo nhằm ra quyết định tài chính. Một gói phổ biến là JuliaFin, chuyên về các lĩnh vực như quản lý tài sản, quản lý rủi ro, giao dịch thuật toán, backtesting và các mảng tài chính tính toán khác, bao gồm mô hình hóa hợp đồng tài chính.

9. Robot 

Các nhà robot học tại MIT dùng Julia để lập trình robot. Ví dụ bao gồm huấn luyện robot đi bộ, leo cầu thang và vượt địa hình khó khăn, nguy hiểm. Một lần nữa, các chuyên gia dẫn chứng tính linh hoạt và mã tổng quát của Julia là lý do giúp nó vượt trội trong lĩnh vực này, vì nó cho phép viết các hàm rõ ràng có thể vận hành trên nhiều kiểu dữ liệu.  

Một bộ sưu tập gói phổ biến trong lĩnh vực này là JuliaRobotics, bao gồm các gói Julia như MotionCaptureJointCalibration.jl, cung cấp hiệu chuẩn động học cho robot từ dữ liệu bắt chuyển động. 

10. An ninh mạng  

Các chuyên gia mạng tại Cisco đã dùng gói Flux.jl của Julia để cải thiện an ninh mạng và cho học máy. Khả năng viết mã hiệu quả chỉ trong một ngôn ngữ được xem là một trong những lợi ích chính khi dùng Julia trong lĩnh vực này. 

Bắt đầu với Julia 

Rõ ràng, các ứng dụng của Julia là đáng kể. Dù còn xa mới có thể ngay lập tức thay thế Python hoặc R trong lĩnh vực khoa học dữ liệu do mức độ trưởng thành của các ngôn ngữ này, Julia chắc chắn có tiềm năng mở rộng bộ công cụ của bạn. Những ai quan tâm học Julia nên bắt đầu với khóa học Introduction to Julia của chúng tôi, khóa học sẽ hướng dẫn bạn qua các tính năng chính của ngôn ngữ đang phát triển nhanh này. Bạn cũng có thể xem cheat sheet Julia, cung cấp tài liệu tham khảo nhanh cho những kiến thức cơ bản của Julia.