Para a primeira situação, acreditamos que o ponto em comum seja o seguinte.
A ciência de dados te atrai, você tem vontade de aprender sobre e entender como ela pode ajudar sua carreira seja na academia, seja no mercado. Então, você tenta encontrar formas de aprender essa nova habilidade e cai em um mundo de acrônimos complexos: pandas, dplyr, data.table, numpy, matplotlib, ggplot2, bokeh, e a lista continua.
E, do nada, você ouve: “Julia.” O que é isso? Como seria diferente de qualquer outra ferramenta usada para ciência de dados?
Por que você deveria gastar seu tempo para aprender uma linguagem de programação que quase nunca é mencionada em processos seletivos, posições em laboratórios, pós-doutorados ou qualquer outro trabalho acadêmico? A resposta para a questão é que Julia é uma nova abordagem tanto para programação, quanto para ciência de dados. Tudo que você faz em Python ou R, você pode fazer em Julia com a vantagem de poder escrever um código legível2, rápido e poderoso. Assim, Julia tem ganhado força por uma série de motivos.
Então, se você não tem nenhum conhecimento prévio de programação, recomendamos que aprenda Julia como uma primeira linguagem de programação e ferramenta para ciência de dados.
2. sem quaisquer chamadas de API em C++ ou FORTRAN.↩︎