- Leren door doen
- Trainers met praktijkervaring
- Klassikale trainingen
- Gedetailleerd cursusmateriaal
- Duidelijke inhoudsbeschrijving
- Maatwerk inhoud mogelijk
- Trainingen die doorgaan
- Kleine groepen
In de cursus Julia Computing van SpiralTrain leren de deelnemers programmeren met de dynamische programmeertaal Julia die veel gebruikt wordt bij wetenschappelijke berekeningen en een zeer goede performance levert. Net als Python en R wordt Julia gebruikt voor statistische berekeningen en data analyse, maar de executiesnelheid van Julia is veel beter vergeleken met Python en R. Julia is bij uitstek geschikt voor big data analyse en ondersteunt complexe taken zoals cloud computing en parallel execution.
De cursus Julia Computing biedt een diepgaande introductie in de krachtige programmeertaal Julia. Deze cursus begint met een overzicht van Julia's JIT compiler en de installatie van pakketten, evenals het gebruik van Julia online via JuliaBox in combinatie met Jupyter notebooks. Belangrijke kenmerken van Julia, zoals parallelle verwerking, multiple dispatch en homoiconic macros, komen aan bod.
Vervolgens behandelen we de syntax van de Julia taal, inclusief variabelen, datatypes, operators, klassen en objecten, en control flow structuren. Ook de samengestelde datastructuren zoals arrays, sets, dictionaries en matrices worden besproken, inclusief operaties zoals generator expressions en broadcasting.
Een belangrijk onderdeel van de cursus Julia Computing zijn de functies in Julia. We behandelen functies met meerdere inputs en outputs, variable argument lists, evenals anonymous functions en higher order functies zoals map en reduce.
In de cursus Julia Computing besteden we ook aandacht aan het lezen, verwerken en plotten van data in Julia. We leren hoe we CSV en DLM-bestanden kunnen inlezen in DataFrames en hoe we statistische berekeningen kunnen maken met de pandas library. Daarnaast komt data visualisatie aan bod met plot libraries zoals Plotly en Bokeh.
We gaan verder met hoe we in Julia SQL en NoSQL databases kunnen benaderen en hoe we REST Services kunnen gebruiken voor het inlezen van JSON en XML data.
Tot slot bespreken we in de cursus Julia Computing de interoperabiliteit van Julia met andere talen zoals Fortran en C. Ook worden enkele geavanceerde toepassingen van Julia, zoals cloud computing, behandeld. Voor wie geïnteresseerd is in data-analyse, kan ook de cursus Data Analyse met Python interessant zijn.
De cursus Julia Computing is bestemd voor Big Data analisten en wetenschappers die Julia willen gebruiken om hun data te analyseren en voor het maken van statische analyses.
Ervaring met programmeren is bevorderlijk voor een goede begripsvorming maar is niet vereist.
De theorie wordt behandeld aan de hand van presentaties en voorbeelden. De concepten worden toegelicht met demo's. Daarna is er tijd om er zelf mee te oefenen. Juno wordt gebruikt als ontwikkelomgeving. De cursustijden zijn van 9.30 tot 16.30.
De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat Julia Computing.
Module 1 : Julia Intro |
Module 2 : Julia Language |
Module 3 : Data Structures |
|
Intro Julian World JIT Compiler Installing Julia JuliaBox Package Installation Role in Data Science Julia Features Parallel Processing Multiple Dispatch Homoiconic Macros Interlanguage Cooperation |
Variables Data Types Number Systems Classes and Objects Object References Floating Points Flow Control Operators Strings String Interpolation Common String Functions |
Arrays and Indexing Multiple Dimensions Generator Expressions Sorting Ellipsis Operator Sets Dictionaries Keys and Values Matrices Matrix Multiplication Broadcasting |
Module 4 : Functions |
Module 5 : Working with Data |
Module 6 : Plotting |
|
Defining Functions Parameter Passing Multiple Inputs Variable Argument Lists Multiple Outputs Anonymous Functions Map and Reduce Multiple Dispatches Operators as Functions Returning Functions |
Stream and Text I/O Byte Array Streaming Reading Files Structured Data Sets CSV and DLM Files DataFrames RDataSets Statistics and Estimations Pandas Time Series |
Data Visualization Plot as Object Plots Package Default Plot Behavior Decorating Plots SubPlots Graphic Engines Plotly Bokeh Images |
Module 7 : Databases |
Module 8 : Interoperability |
Module 9 : Working with Julia |
|
Database Interface ODBC and JDBC SQLite NoSQL Datastores Key Value Systems Document Datastores RESTful interfacing HTTP Verbs JSON and XML |
Calling C and Fortran Julia API Calling API from C Metaprogramming Symbols Macros Error Handling Redirection and Pipes Parallel Operations |
Networking Frequency Analysis Stochastic Simulations Bayesian Methods Optimization Problems JuliaWeb Group Cloud Services AWS Cloud Google Cloud |
Deze bedrijven en instanties waren u al voor:
Deze bedrijven waren u voor:
