[J0000] 写在前面

[J0000] 写在前面

写在前面

• • 缘起
  • 环境
  • 参考

缘起

很久很久没有写技术相关的博客了。种种原因，决定以更加严谨的态度对待自己学习的东西。或许文字更能成为一个鞭策自己的更好的载体。另一方面，当然并不希望就此多了一个疲于应付的沉重负担，无论是更新频率还是语言文字。思来想去，确定了这样的原则：

1. 言之有物。每篇博客尽量把一个问题说清楚
2. 语言顺畅。不会给日后的自己以及不经意看到的读者带来阅读的障碍或厌恶

其实在此之前，自己的主要工作是针对服务端的。直白的说，就是用golang写服务端程序。在用golang之前，其实自己也有相当一段时间没有写过程序了。当时决定要重新开始亲自码代码的时候，粗略地看了一些golang的介绍与语法就决定使用这个语言，而不是java。因为java的繁琐实在让我喜欢不起来，即便当时面临着自己要从零开始组建golang服务端开发团队的压力。之所以说这个，是因为今天又遇到了类似的情况。

一般而言，要进入数据分析或者机器学习领域，首选的肯定是python。正如对java繁琐的不满，我也是实在受不了python基于缩进的代码组织方式——尤其是经历删除某些代码行造成了逻辑改变的痛苦之后，我再次把眼光投向了“小众”的Julia。

就语法而言，Julia固然比golang复杂不少。但是，两个原因让我还是毅然的选择了她：

1. 专门为数据分析而设计
2. 高效的执行效率

当然，这样的选择也跟Julia生态逐渐成熟，并且可以使用PyCall调用python包有关，这样我不至于面临处处需要造轮子的窘境。

julia，就是她了吧。

环境

后续关于julia的博客，将默认在以下环境下编写及运行：

1. julia 1.6.3
2. Visual Studio Code 1.62.2 (Universal)
3. jupyter-lab相关版本：
   • IPython : 7.28.0
   • ipykernel : 6.4.2
   • ipywidgets : 7.6.5
   • jupyter_client : 7.0.6
   • jupyter_core : 4.9.0
   • jupyter_server : 1.11.1
   • jupyterlab : 3.0.0
   • nbclient : 0.5.4
   • nbconvert : 6.0.0
   • nbformat : 5.1.3
   • notebook : 6.4.5

参考

下面的资料是学习过程收集或用到的资料，后续还要不断更新。

1. Introduction to Datascience: Learn Julia Programming, Math & Datascience from Scratch