Introduction à Julia pour utilisatrices de R
Objectifs du cours :
- Acquérir une compréhension de base du langage de programmation Julia.
- Apprendre à écrire des scripts Julia pour des tâches courantes.
- Comparer et intégrer Julia avec R pour des applications en science des données.
Contenu du cours (6 séances) :
Séance 1 : Introduction à Julia :
- Histoire et évolution de Julia.
- Installation et configuration de l'environnement Julia.
- Syntaxe de base et structures de contrôle.
- Comparaison avec R : similarités et différences.
Séance 2 : Types de données et structures de données :
- Types de données de base (entiers, flottants, chaînes, booléens).
- Tableaux, matrices, dictionnaires et ensembles.
- Opérations de base sur les structures de données.
- Comparaison avec les structures de données en R.
Séance 3 : Fonctions et modules :
- Définition et utilisation des fonctions.
- Concepts de portée et de durée de vie des variables.
- Utilisation des modules et des packages.
- Comparaison avec les fonctions et packages en R.
Séance 4 : Programmation orientée objet en Julia :
- Concepts de base de la programmation orientée objet.
- Définition des classes et des objets.
- Héritage, polymorphisme et encapsulation.
- Intégration avec les concepts de programmation en R.
Séance 5 : Introduction à la science des données avec Julia :
- Bibliothèques Julia pour la science des données (DataFrames.jl, Plots.jl, etc.).
- Importation et manipulation de données.
- Visualisation de données avec Plots.jl.
- Comparaison et intégration avec les outils de science des données en R.
Séance 6 : Projets pratiques et études de cas :
- Développement de scripts Julia pour résoudre des problèmes réels.
- Analyse et discussion de cas d'études.
- Intégration des compétences Julia avec les outils R pour des projets en science des données.
Méthodologie :
- Cours magistraux : Présentations et discussions dirigées par des experts en programmation Julia et R.
- Travaux pratiques : Sessions de laboratoire pour expérimenter avec Julia et son intégration avec R.
- Études de cas : Analyse approfondie de projets réels utilisant Julia et R.
- Projets en groupe : Développement de solutions pratiques en équipe, avec des présentations finales.
Ressources :
- Lectures recommandées : Livres et tutoriels sur Julia et R.
- Outils et logiciels : Accès aux environnements de développement Julia et R, ainsi qu'aux bibliothèques nécessaires.
- Invités spéciaux : Conférences et discussions avec des professionnels et chercheurs utilisant Julia et R.
Ce cours vise à fournir aux étudiantes une compréhension solide des bases de Julia et à les préparer à utiliser ce langage en complément de leurs compétences en R pour divers contextes, y compris la science des données.
- Enseignant: Thierry Warin