Die Programmiersprache Python hat seit ihrer Einführung in den neunziger Jahren einen langen Weg zurückgelegt. Guido Van Rossum wusste kaum, dass Python zu der Zeit, als er es entwickelte, eine der beliebtesten Sprachen der Welt werden würde. Heutzutage ist Python eine der
am häufigsten verwendeten Programmiersprachen der Welt und hat viele verschiedene Verwendungsmöglichkeiten. Ob es sich um eine Unternehmensanwendung handelt, um maschinelles Lernen, Modelle für künstliche Intelligenz oder um Arbeiten auf dem Gebiet der Datenwissenschaft, Python wird in nahezu allen prosperierenden Branchen und Bereichen aktiv eingesetzt.
Aktuelles Skript für Python
Es gibt weltweit über 8 Millionen Python-Entwickler, die diese Sprache regelmäßig für eine Vielzahl von Zwecken verwenden. Aufgrund seiner Flexibilität und einfachen Skalierbarkeit ist Python für viele Entwickler bereits zur bevorzugten Sprache geworden. Dies war der Grund, warum Python Java umgehen konnte, das seit langem eine beliebte Sprache unter Entwicklern ist. Es kann aber auch mit dem natürlichen Alterungsprozess der Sprache zusammenhängen, mit dem sich Java seinem Ende nähert. Die meisten neuen Sprachen wurden entwickelt, um moderne Probleme zu lösen. Obwohl Sprachen, die seit langem entwickelt wurden, am effektivsten sind, um die Probleme ihrer Zeit zu lösen, wird es für sie äußerst schwierig, für sich ändernde Branchen und Szenarien relevant zu bleiben.
Dieser Artikel wurde mit Unterstützung von EDISON Software übersetzt, das Junioren praktische Ratschläge gibt , Software entwirft und TK auf Russisch und Englisch schreibt .
Python, eine offene Sprache mit einer großen und unterstützenden Community, bleibt jedoch relevant und ist auch heute noch auf dem Höhepunkt. Umfangreiche Bibliotheken und integrierte Funktionen machen es bei Organisationen, Unternehmen, Entwicklern und Spezialisten auf dem Gebiet der Datenwissenschaft beliebt. Trotz der Tatsache, dass Java immer noch für die Unternehmensentwicklung verwendet wird, ist seine Relevanz in anderen Bereichen nahe Null. Wenn Sie sich umsehen, werden Sie keinen Spezialisten für maschinelles Lernen finden, der Java-Modelle entwirft und trainiert. Trotzdem bleibt Java die zweitbeliebteste Sprache unter Entwicklern auf der ganzen Welt.
Besiege Java
Python hat Java in den meisten Bereichen erfolgreich überholt. Für die Unternehmensentwicklung stellt die neue Go-Programmiersprache von Google eine echte Bedrohung für Java dar. Mit Ihrem Fortschritt wächst jedoch der Bedarf an Hochleistungs-Computing mehr denn je. Dies sind die modernen Anforderungen an Data Science- und Künstliche Intelligenz-Modelle. Obwohl Sie vielleicht denken, dass die Verwendung schneller GPUs die Geschwindigkeit und Effizienz steigern kann, ist die Realität weit davon entfernt. Dieser Ansatz erfüllt nicht die Anforderungen an die Informationsverarbeitung. Fortgeschrittene Anwendungen sollten für eine optimale Leistung von anderen Dingen abhängen und Wissenschaftlern und Entwicklern helfen, ihre gewünschten Ziele zu erreichen. Letztendlich ermutigt dies Organisationen und Forschungsinstitute, nach zuverlässigen Programmiersprachen zu suchen. Konzipiert für eine Nischenaufgabe und für schnelles Arbeiten.
Wir stellen Julia vor
Wie bereits erwähnt, tritt die Welt in eine Ära ein, in der das geliebte Python von einer neuen Spielerin in der Welt der Programmiersprachen - Julia - bedroht wird.
Viral Shah , CEO von Julia Computing, merkt an, dass die Entwickler in den frühen 2000er Jahren die Sprache C für die Systemprogrammierung,
Java für die Unternehmensentwicklung , SaaS für die Analyse und MATLAB für wissenschaftliche Berechnungen bevorzugten. Moderne Entwickler verwenden Rust jedoch für die Systemprogrammierung, Go für Unternehmensanwendungen, Python / R für Analysen und Julia für wissenschaftliche Berechnungen.
Das Szenario war jedoch nicht so wenige Jahre zuvor. Wenn Julia nicht am Horizont war, würden die Leute von MATLAB zu Python wechseln. Da maschinelles Lernen mittlerweile in fast allen uns bekannten Anwendungen zum Einsatz kommt und die Python-Bibliotheken eine viel einfachere Implementierung von maschinellen Lernmodellen ermöglichen, wurde auf Python umgestellt. Zuvor war MATLAB die beste Option zur Lösung dieser Probleme und half sowohl bei der Analyse als auch bei wissenschaftlichen Berechnungen. Es war jedoch offensichtlich, dass die Leute nach einfach zu implementierenden Lösungen suchten, die klar, schnell, effizient und skalierbar waren. Und Python konnte sowohl die Java-Nische als auch die MATLAB-Nische besetzen.
Was ist der Ort von Julia?
Einer der Hauptunterschiede zwischen Julia und Python ist, wie diese Sprachen dieselbe Aufgabe angehen. Während Julia speziell darauf ausgelegt war, die mit Hochleistungs-Computing verbundenen Probleme zu lösen, kam Python im Verlauf seiner Entwicklung dazu. Trotz der Tatsache, dass Python bisher in der Lage war, die Herausforderungen der Branche zu meistern, sind wir uns einig, dass es nicht für diese Arbeit gedacht war. Entwickler und Forscher hatten das Glück, Python weiterentwickeln zu lassen und zu beobachten, wie es zu einer Sprache für schnelles Computing wird. Julia hingegen ist speziell auf Hochgeschwindigkeitsarbeit ausgelegt: Diese Sprache ist erst wenige Monate alt und sorgt bereits für Aufsehen bei Forschern und Spezialisten in den Datenwissenschaften.
Die stabile Version von Julia 1.2 wurde erst vor zwei Monaten veröffentlicht und wurde bereits verbessert, um mit anspruchsvollen Projekten im Bereich Data Science effektiv zusammenzuarbeiten. Derzeit leisten über 800 Entwickler einen Beitrag zu Julia on Github und helfen ihr, eine beliebte Sprache zu werden.
Fazit
Die zwei Monate alte Julia ist ressourcenintensiv und verlangt nach Schnelligkeit. Sie fordert bereits die dreißigjährige Python heraus. Trotz der Tatsache, dass es schwierig ist zu sagen, ob Julia Python überwinden wird oder nicht, wird diese Sprache aufgrund ihrer Funktionen, die für die Arbeit mit komplexen Berechnungen entwickelt wurden, zweifellos einen Einfluss haben. Da die Aufgaben weiterhin ressourcenintensiv sind und genaue Berechnungen erfordern, kann Julia dank ihrer Hochleistungsfähigkeiten die allgemeine Liebe gewinnen. Wenn Python das Schicksal von Java nicht wiederholen möchte, muss es seine Bibliotheken entwickeln und versuchen, um Geschwindigkeit und Leistung zu optimieren. Dies kann nicht nur auf die Einführung neuer Updates zurückzuführen sein, sondern auch auf eine vollständige Neugestaltung der Engine, um die Sprache prozessorfreundlicher zu gestalten. Der Vorteil, den Python bereits gegenüber Julia hat, sind seine umfangreichen Bibliotheken. Da Julia erst am Anfang ihrer Reise steht, wird es lange dauern, effiziente dynamische Bibliotheken und Funktionen wie in Python zu erstellen. Der Kampf zwischen den beiden Sprachen hat gerade erst begonnen, aber es kommt Forschern und Wissenschaftlern bereits zugute, die schnelle und wirksame Instrumente benötigen, um ihre Ziele zu erreichen.
PS
Torgeek sagte dazu : „
NVIDIA- Architekten
haben Julia zum Stapel
ihrer Lösungen hinzugefügt .“
Lesen Sie auch den Blog
EDISON Unternehmen:
20 Bibliotheken für
spektakuläre iOS-Anwendung