Bahasa pemrograman Python telah datang jauh sejak diperkenalkan pada 1990-an. Guido Van Rossum hampir tidak tahu bahwa Python akan menjadi salah satu bahasa paling populer di dunia pada saat ia mengembangkannya. Saat ini Python adalah salah satu
bahasa pemrograman yang paling banyak digunakan di planet ini dan memiliki banyak kegunaan yang berbeda. Baik itu aplikasi tingkat perusahaan, pembelajaran mesin, model kecerdasan buatan atau bekerja di bidang Ilmu Data, Python secara aktif digunakan di hampir semua industri dan bidang yang makmur.
Script saat ini untuk Python
Ada lebih dari 8 juta pengembang Python di dunia yang secara teratur menggunakan bahasa ini untuk berbagai keperluan. Karena fleksibilitas dan skalabilitasnya yang mudah, Python telah menjadi bahasa yang disukai banyak pengembang. Ini adalah alasan mengapa Python mampu memotong Java, yang telah lama menjadi bahasa favorit di kalangan pengembang. Tapi itu juga bisa terkait dengan proses penuaan alami bahasa, dengan mana Jawa mendekati akhirnya. Sebagian besar bahasa baru dirancang untuk memecahkan masalah modern. Meskipun bahasa yang dikembangkan untuk waktu yang lama paling efektif untuk menyelesaikan masalah waktu mereka, menjadi sangat sulit bagi mereka untuk tetap relevan untuk mengubah industri dan skenario.
Artikel ini diterjemahkan dengan dukungan EDISON Software, yang memberikan saran praktis kepada junior , serta merancang perangkat lunak dan menulis TK dalam bahasa Rusia dan Inggris .
Namun, Python, yang merupakan bahasa terbuka dengan komunitas besar dan suportif, tetap relevan dan berada pada puncaknya bahkan hingga hari ini. Perpustakaan yang kaya dan fungsi bawaan membuatnya populer di kalangan organisasi, perusahaan, pengembang, dan spesialis di bidang Ilmu Data. Terlepas dari kenyataan bahwa Jawa masih digunakan untuk pengembangan perusahaan, relevansinya di daerah lain mendekati nol. Jika Anda melihat-lihat, Anda tidak akan menemukan spesialis pembelajaran mesin yang merancang dan melatih model Java. Namun demikian, Java tetap menjadi bahasa terpopuler kedua di antara pengembang di seluruh dunia.
Kalahkan Java
Python telah berhasil menyalip Jawa di sebagian besar wilayah. Untuk pengembangan perusahaan, bahasa pemrograman Go Google yang baru merupakan ancaman nyata bagi Java. Namun, seiring kemajuan Anda, kebutuhan akan komputasi berkinerja tinggi tumbuh lebih dari sebelumnya. Ini adalah persyaratan modern untuk Ilmu Data dan model kecerdasan buatan. Meskipun Anda mungkin berpikir bahwa menggunakan GPU cepat dapat membantu meningkatkan kecepatan dan efisiensi, kenyataannya jauh dari itu. Pendekatan ini tidak memuaskan kebutuhan akan pemrosesan informasi. Aplikasi canggih harus bergantung pada hal-hal lain untuk kinerja optimal dan untuk membantu para ilmuwan dan pengembang mencapai tujuan yang diinginkan. Pada akhirnya, ini mendorong organisasi dan lembaga penelitian untuk mencari bahasa pemrograman yang andal. Dirancang untuk tugas khusus dan memberikan kerja cepat.
Memperkenalkan Julia
Seperti yang telah disebutkan, dunia memasuki era ketika Python yang dicintai menghadapi ancaman dari pemain baru di dunia bahasa pemrograman - Julia.
Viral Shah , CEO Julia Computing, mencatat bahwa pada awal 2000-an, pengembang lebih suka menggunakan bahasa C untuk pemrograman sistem,
Java untuk pengembangan perusahaan , SaaS untuk analitik, dan MATLAB untuk perhitungan ilmiah. Namun, pengembang modern menggunakan Rust untuk pemrograman sistem, Go untuk aplikasi perusahaan, Python / R untuk analitik, dan Julia untuk perhitungan ilmiah.
Namun, skenarionya tidak begitu beberapa tahun sebelumnya. Ketika Julia tidak berada di cakrawala, orang-orang akan beralih dari MATLAB ke Python. Karena pembelajaran mesin telah digunakan di hampir setiap aplikasi yang kita tahu, dan perpustakaan Python menyediakan implementasi model pembelajaran mesin yang lebih sederhana, orang-orang beralih ke Python. Sebelumnya, MATLAB adalah pilihan terbaik untuk memecahkan masalah ini dan membantu dalam analitik maupun dalam perhitungan ilmiah. Tetapi jelas bahwa orang mencari solusi yang mudah diimplementasikan yang jelas, cepat, efisien, dan terukur. Dan Python mampu menempati ceruk Java dan ceruk MATLAB.
Apa tempat Julia?
Salah satu perbedaan utama antara Julia dan Python adalah bagaimana bahasa-bahasa ini mendekati tugas yang sama. Sementara Julia secara khusus dirancang untuk memecahkan masalah yang terkait dengan komputasi kinerja tinggi, Python sampai pada hal ini dalam proses pengembangannya. Terlepas dari kenyataan bahwa Python sejauh ini mampu memenuhi tantangan industri, mari kita sepakat bahwa itu tidak dimaksudkan untuk pekerjaan ini. Pengembang dan peneliti cukup beruntung untuk membiarkan Python berevolusi dan mengamati bagaimana itu berubah menjadi bahasa untuk komputasi cepat. Julia, di sisi lain, secara khusus dirancang untuk pekerjaan berkecepatan tinggi. Bahasa ini baru berusia beberapa bulan dan sudah mulai menimbulkan kegemparan di antara para peneliti dan spesialis dalam Ilmu Data.
Versi stabil Julia 1.2 dirilis hanya dua bulan lalu dan telah ditingkatkan untuk bekerja secara efektif dengan proyek-proyek yang menuntut di bidang Ilmu Data. Saat ini, lebih dari 800 pengembang berkontribusi untuk Julia di Github dan membantunya menjadi bahasa yang populer.
Kesimpulan
Menjadi sumber daya yang intensif dan menuntut kecepatan, Julia yang berusia dua bulan sudah menantang Python yang berusia tiga puluh tahun. Terlepas dari kenyataan bahwa sulit untuk mengatakan apakah Julia akan mengatasi Python atau tidak, bahasa ini tidak diragukan lagi akan berdampak karena fitur-fiturnya dirancang untuk bekerja dengan perhitungan yang rumit. Selain itu, karena tugas terus menjadi sumber daya intensif dan memerlukan perhitungan yang tepat, Julia dapat memenangkan cinta universal berkat kemampuan kinerja tinggi. Jika Python tidak ingin mengulangi nasib Jawa, ia harus mengembangkan dan mencoba mengoptimalkan pustaka untuk kecepatan dan kinerja. Dan ini mungkin bukan hanya karena peluncuran pembaruan baru, tetapi juga karena perancangan ulang mesin yang lengkap untuk membuat bahasa lebih ramah prosesor. Keuntungan yang Python miliki dibandingkan Julia adalah perpustakaannya yang kaya. Karena Julia baru di awal perjalanannya, akan butuh waktu lama untuk membuat perpustakaan dan fungsi dinamis yang efisien, seperti dalam Python. Perjuangan antara kedua bahasa baru saja dimulai, tetapi sudah menguntungkan peneliti dan ilmuwan yang membutuhkan alat cepat dan efektif untuk mencapai tujuan mereka.
PS
Seperti
komentar torgeek : "Arsitek
NVIDIA telah menambahkan Julia ke tumpukan
solusi mereka ."
Baca juga blognya
Perusahaan EDISON:
20 perpustakaan untuk
aplikasi iOS yang spektakuler