1 : Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement, Institut Agro Montpellier
Le "problème des deux langages" est familier à tout développeur scientifique : on prototype en R/Python/Matlab, on réécrit en C quand ça rame. Julia propose une alternative sérieuse en combinant une syntaxe de haut niveau, un système de types expressif et une compilation JIT via LLVM — sans sacrifier la lisibilité pour la performance. Ce qui rend Julia intéressant au-delà de la vitesse : un multiple dispatch qui structure élégamment le code, un gestionnaire de paquets avec environnements reproductibles, et un terminal puissant. Mais la vraie force de Julia est ailleurs : sa composabilité. Avez-vous déjà essayé d'utiliser Pandas et Numba ensemble, ou de faire de l'inférence bayésienne sur des équations différentielles en Python ou R ? En Julia, chaque package est spécialisé dans son domaine et ils se combinent naturellement — parce que tout est écrit en Julia, sans couche C cachée qui rompt la chaîne. On ne choisit pas un framework monolithique, on compose un écosystème. Cette présentation est un retour d'expérience pratique : pourquoi et comment Julia s'intègre dans des projets de calcul scientifique, notamment ceux avec de l'IA.
Type :
:
Présentation
Thématiques
:
La programmation d’aujourd’hui et de demain
