Veri Bilimi İçin Yeni Bir Programlama Dili: Julia

Bilimsel programlama ve veri bilimi ile ilgili olarak kullanıcılar; yüksek performanslı, hızlı, kod yazım ve protipleme kolaylığına sahip, esnek ve dinamik programlama diline ihtiyaç duymaktadır. Veri bilimi dünyasında kullanılan, bir çok programlama dili vardır. Bu dillerden bazıları çok hızlı ama öğrenmesi ve kod yazması zordur. Bazılarında ise kod yazmak çok kolaydır, ancak yazılan kodların çalışma hızları çok yavaştır. Diğer dillerle karşılaştırıldığında, nispeten daha yeni bir dil olan Julia programlama dili, hem yüksek performanslı, hem hızlı, hem de kod yazması kolay olduğu için bu sorunları aşmayı amaçlayan programlama dillerinden biridir. Bu makalenin amacı da, diğer programlama dillerine nazaran daha yeni olan Julia’yı tanıtmak, istatistik ve veri biliminde kullanılan diğer diller ile karşılaştırmak ve araştırmacıların ve özellikle istatistik ve veri bilimi konuları ile ilgilenen kişilerin, Julia dili ile ilgili bilgi edinmesini sağlayıp, kendileri için en uygun dili seçmelerine yardımcı olmaktır.

A New Programming Language for Data Science: Julia

Users working in scientific programming and data science need a fast, flexible, and dynamic high-performance programming language with easy code writing and prototyping. Many programming languages exist that are used in the data science world. Some of these languages are very fast but difficult to learn and code, while others are very easy to write code for but have a very slow running speed. In comparison to other programming languages, the relatively new Julia is a high performance programming language that aims to overcome these problems by being both fast and easy to code. Therefore, the purpose of this article is to introduce Julia and to compare it to the other programming languages used in statistics and data science. In addition, this article also aims to help researchers, especially those interested in statistics and data science, learn about the Julia programming language and to choose the language best suited for them.

___

  • Bezanson, J., Edelman, A., Karpinski, S., & Shah, V. B. (2012), Why We Created Julia. Çevrimiçi: https://julialang.org/blog/2012/02/why-we-created-julia/, Erişim tarihi 23.12.2022. google scholar
  • Bezanson, J., Edelman, A., Karpinski, S., & Shah, V. B. (2017). Julia: A fresh approach to numerical computing. SIAM Review, 59(1), 65-98. google scholar
  • Chen, M., Mao, S., & Liu, Y. (2014). Big data: A survey. Mobile Networks and Applications, 19(2), 171-209. google scholar
  • Crabtree, M. (2022). What is Julia Used For? 10 Applications of Julia Programming. Çevrimiçi: https://www.datacamp.com/blog/what-is-julia-used-for, Erişim tarihi: 22.12.2022. google scholar
  • JuliaHub, (2022). Case Studies. Çevrimiçi: https://juliahub.com/case-studies/, Erişim tarihi: 22.12.2022. google scholar
  • JuliaLang, (2022). Julia 1.8 Documentation, Çevrimiçi: https://docs.julialang.org/en/v1/, Erişim tarihi: 20.12.2022. google scholar
  • Khan, N., Yaqoob, I., Hashem, I. A. T., Inayat, Z., Mahmoud Ali, W. K., Alam, M., Shiraz, M., & Gani, A. (2014). Big data: Survey, technologies, opportunities, and challenges. The Scientific World Journal, 2014. google scholar
  • Lauwens, B. & Allen, D. (2019). Think Julia: How to Think Like a Computer Scientist. O’Reilly Media ISBN: 9781492044987. google scholar
  • Perkel, J. M. (2019). Julia: Come for the syntax, stay for the speed. Nature, 572(7767), 141142. https://doi.org/10.1038/d41586-019-02310-3 google scholar
  • PYPL, Çevrimiçi: https://pypl.github.io/PYPL.html, Erişim tarihi: 23.12.2022. google scholar
  • Ratmelia, B. , (2022). Julia, Python, and R: What’s the difference?. Çevrimiçi: https://library.smu. edu.sg/topics-insights/julia-python-and-r-whats-difference, Erişim tarihi: 20.12.2022). google scholar
  • Selvaraj, N. (2022). Meet Julia: The Future of Data Science. Çevrimiçi: https://towardsdatascience. com/meet-julia-the-future-of-data-science-52414b29ebb, Erişim tarihi: 22.12.2022. google scholar
  • Storopoli, J., Huijzer, J. & Alonso, L. (2022). Julia Data Science. ISBN: 9798489859165. Published https://juliadatascience.io. google scholar
  • TIOBE, Çevrimiçi: https://www.tiobe.com/tiobe-index/, Erişim tarihi: 23.12.2022. google scholar
EKOIST Journal of Econometrics and Statistics-Cover
  • Başlangıç: 2005
  • Yayıncı: İstanbul Üniversitesi
Sayıdaki Diğer Makaleler

Veri Bilimi İçin Yeni Bir Programlama Dili: Julia

Ünal Halit ÖZDEN, Münevver TURANLI

Ülkelerin Gelişmişlik Düzeylerinin Karar Ağacı ve Rastgele Orman Yöntemleriyle Tahmin Edilmesi

Batuhan ÖZKAN, Coşkun PARİM, Erhan ÇENE

The Impact of News Related Covid-19 on Exchange Rate Volatility: A New Evidence From Generalized Autoregressive Score Model

Deniz ERER

Döngüsel Bir Ekonomide Kaynak Verimliliğini Hangi Faktörler Etkiler? Bir Panel Veri Regresyon Analizi

Gonca YİLMAZ

Finansal Gelişme ve Gelir Eşitsizliği Arasındaki İlişkinin Gelişmiş ve Gelişmekte Olan Ülkeler İçin Araştırılması: Kanonik Korelasyon Analizi Uygulaması

Çiğdem YILMAZ ÖZSOY

İstanbul’da Hızlı Tüketim Malları Alışveriş Ziyaretleri Ve İndirim Market Cirolarındaki Değişime Dair Sayısal - Mekansal Keşfedici Bir İnceleme

Mete Başar BAYPINAR, Cem BEYGO, Gökalp KÖSEOĞLU, Elifsu ŞAHİN, Burcu AKSOY SERTBAKAN

The Effect of Psychological Empowerment on Employee Performance: The Mediating Role of Psychological Ownership

Hilal TANYILDIZI, Ebru DOĞAN

Why Can Smes Not Adopt Green Innovation? An Assessment Via Fuzzy ISM-MICMAC-DEMATEL

Seda YILDIRIM, Gözde KOCA, Özüm EĞİLMEZ

Semi-Parametric Modeling of Churn Confounding Competing Risks Using Time-Dependent Covariates Among Mobile Phone Subscribers in Kenya

Ndilo FWARU, Alii LEONARD, Mwambi JERİTA, Cyril OTULO

Testing Linear and Nonlinear Relationships Between Foreign Direct Investment and Fossil Energy Consumption in Fragile Five Countries

Ali ÇELİK