Hallo!
Und klar, die "Simulationsfähigkeiten" von R würde ich nie anzweifeln
Das klingt fast wie eine Entschuldigung, etwas gegen R gesagt zu haben. Ich finde es wichtig, dass man nicht zum Fanboy wird. Wenn wir ehrlich sind fällt jedem von uns sofort etwas ein, was uns an R nicht passt und wenn wir etwas nachdenken, dann wird die Liste der Probleme ganz schnell ziemlich lang.
So wie ich das sehe ist das gesamte Tidyverse nicht zuletzt dem Umstand zu verdanken, dass zu vielen R als inhomogenes und inkonsistentes Mischmasch erschien - was es ja objektiv ist. Da Tidyverse erfindet eine neue Statistik/ML-Sprache in R, Julia erfindet eine neue Statistik/ML-Sprache außerhalb von R und Python zeigt, dass es vielseitig genug ist, um eine Statistik/ML-Spache einfach anzuflanschen. Wobei ich die Frage sehr interessant finden, warum das in Python gelingt, in anderen Sprachen aber nicht zu gelingen scheint.
Ich hätte so gesehen nichts dagegen gehabt, ein Unterforum für Julia-Fragen einzurichten, wenn es noch kein Deutsches Julia-Forum gibt und wenn mehrere hier sich in Julia eingearbeitet hätten.
Und klar, die "Simulationsfähigkeiten" von R würde ich nie anzweifeln
Ja, aber machen wir uns nichts vor -- Simulationen gewinnen immer, wenn man mehr Rechenpower hat und sei es einfach nur, weil man die Anzahl der simulierten Einheiten ver-n-fachen kann. Und Rechenpower steigt nunmal mit compiliertem Code und wenn es einfach ist, Code nebenläufig zu betreiben.
Es stand im Raum, dass Julia für besondere Zwecke wohl das richtige Werkzeug ist, aber ein Nischendasein führen wird.
Dagegen ist ja grundsätzlich nichts einzuwenden - auch Nischentools sind wichtig. Aber wenn es denn so wäre, hätte Julia genügend Alleinstellungsmerkmale um zu überleben? Um seine Existenz zu rechtfertigen?
Wenn eine Simulation schnellstmöglich laufen soll, dann wäre es sinnvoll, sie in Fortran oder C++ zu schreiben, wem das zu komplex, anfängerunfreundlich oder absturzgefährlich ist der könnte sie in Rust oder für einfache Nebenläufigkeit in Go schreiben. Für klassische Rechenoperationen wird man libraries für Fortran und C++ finden und für die Präsentation kann man auf JavaSript aufbauen. Die Nische ist also nicht unbewohnt - da gibt es reichlich Konkurrenz.
Irgendwo stand mal, dass JavaScript die schnellste unter den üblichen interpretierten Sprachen sei -- nicht, weil die Sprache sich dafür besonders anböte, sondern weil bei Google und Microsoft und Mozilla und ... die klügsten Köpfe unzählige Denk- und Arbeitsstunden in die Interpreter investiert haben. Wieviele kluge Köpfe werden auf Dauer Zeit in die Entwicklung von Julia und Julia-Bibliotheken stecken, wenn man wirklich nur im Bereich Simulation gegen ein Team wie C++ mit JS antreten wollte?
Prediction is difficult, especially about the future. Persönlich glaube ich aber, dass Julia nicht noch mehr Nische sein darf als R, wenn es überleben will. Ich glaube, es muss die Datenorientierung von R mit der Vielseitigkeit von Python und einer Geschwindigkeit nahe dem Bereich der vorgenannten Sprachen verbinden, wenn es überleben will. Man muss eine API im Netz bereitstellen, auf Servern laufen und Shiny ersetzen können und idealerweise noch Desktopprogramme mit GUI anbieten. Es darf anderes, aber nicht weniger als R können, wenn es mithalten will.
Derzeitiger Stand: Im
Redmonk-Rating ist die Sprache in der Github Dimension gleichauf mit Perl, Lua und Elixir, in der StackOverflow-Dimension im Bereich zwischen Erlang und Fortran, also jeweils bei etablierten Nischensprachen. Bei CrossValidated gibt es hingegen weiter nur zwei relevante Sprachen. Da sind aktuell 21 Fragen mit dem Julia-Tag versehen.
@EDi: Was ist denn der Einsatzzweck, der Dir gerade vorschwebt?
GLG,
Bernhard
!
