Julia 程式語言入門
一份全面的指南，介紹 Julia 程式語言。Julia 是一種高性能、通用的動態程式語言，非常適合科學與數值計算。本課程涵蓋從基本語法和資料類型到進階主題，包括元程式設計、資料框、網路通訊以及資料庫介接等內容。
課程總覽
📚 內容摘要
一份關於 Julia 編程語言的全面指南，這是一種高性能、通用型的動態語言，非常適合科學計算與數值運算。本課程涵蓋從基本語法和資料類型到高階主題（如元程式設計、資料框架、網路通訊以及資料庫介接）的全部內容。
以 C 語言的速度掌握高性能科學計算，同時享有 Python 的易用性。
作者： Tutorials Point (I) Pvt. Ltd.
致謝： 版權所有 2020 年由 Tutorials Point (I) Pvt. Ltd. 所有內容與圖形均屬 Tutorials Point 所有。
🎯 學習目標
- 定義 Julia 編程語言，並識別其核心特性與歷史背景。
- 從效能與語法角度區分 Julia 與其他技術計算語言的不同之處。
- 成功在 Linux、Windows 及 macOS 系統上安裝並設定 Julia 環境與 REPL。
- 適用 Julia 的風格規範進行變數命名，並使用單行或多行註解來撰寫程式碼文件。
- 利用範圍物件、生成器、巢狀式表示法及內建函數（如
zeros()與ones()）建立各種類型與維度的陣列。 - 使用布林邏輯、
end關鍵字與帶驚嘆號的函數（例如push!、splice!）執行進階的陣列索引與變更操作。 - 建立與操作元組（Tuples）與命名元組（Named Tuples），包含其作為函數關鍵字參數的應用。
- 識別並管理整數溢位行為與除法錯誤，使用標準與任意精度類型。
- 分析浮點數表示方式，包括符號零、特殊值（NaN、Inf）與機器誤差（machine epsilon）。
- 執行並結合算術、位元運算與更新運算子來操控資料類型。
課程
概述： 本課介紹 Julia，一種專為科學計算與資料科學而設計的高階、高效率動態程式語言。學生將探討其歷史、特性和與已成熟語言（如 Python、R、MATLAB）的比較。課程提供跨不同作業系統設定 Julia 環境的完整指南，並管理其強大的套件生態系統。
學習成果：
- 定義 Julia 編程語言，並識別其核心特性與歷史背景。
- 從效能與語法角度區分 Julia 與其他技術計算語言。
- 成功在 Linux、Windows 及 macOS 系統上安裝並設定 Julia 環境與 REPL。
概述： 本課介紹 Julia 的基礎語法，重點在變數命名規範、註解使用，以及對陣列結構的強大處理能力。學生將從簡單的變數指派逐步進展至複雜的陣列操作，包括多維陣列的建立、巢狀式表示法，以及對高效能科學計算至關重要的可變操作。
學習成果：
- 適用 Julia 的風格規範進行變數命名，並使用單行或多行註解來撰寫程式碼文件。
- 利用範圍物件、生成器、巢狀式表示法及內建函數（如
zeros()與ones()）建立各種類型與維度的陣列。 - 使用布林邏輯、
end關鍵字與帶驚嘆號的函數（例如push!、splice!）執行進階的陣列索引與變更操作。
概述： 本課提供對 Julia 基本資料結構與數值類型的全面技術概覽，特別聚焦於不可變元組與電腦算術的細節。學生將探索命名元組的建立與操作、固定精度整數（含溢位行為）的特性，以及浮點數、分數與複數的精確度相關特性。此基礎對於高效能科學計算與資料科學應用至關重要。
學習成果：
- 建立與操作元組與命名元組，包含其作為函數關鍵字參數的應用。
- 透過標準與任意精度類型識別並管理整數溢位行為與除法錯誤。
- 分析浮點數表示，包括符號零、特殊值（NaN、Inf）與機器誤差（machine epsilon）。
概述： 本課深入探討 Julia 的運算子系統及其豐富的數學函數庫。學生將從基本算術與位元操作，進展到進階的向量化「點」運算與複雜的鏈式比較。內容進一步詳述科學計算中不可或缺的數值工具，包括四捨五入、特殊除法、對數與三角函數。
學習成果：
- 執行並結合算術、位元與更新運算子來操控資料類型。
- 使用向量化「點」語法對陣列執行元素級運算。
- 分析鏈式比較與複雜數學表達式的評估行為與優先順序規則。
概述： 本課涵蓋 Julia 中資料處理的兩大支柱：字串操作與函數式程式設計。學生將探討 Julia 對 Unicode/UTF-8 字串的強大支援、進階索引與非標準字面量，同時深入理解 Julia 函數式範型的威力，包括多重分派、匿名函數，以及 map 與 filter 等高階函數。
學習成果：
- 使用範圍索引、插入與正規表示式來操作與搜尋字串。
- 建構具彈性的函數，利用選擇性參數、關鍵字參數與遞迴。
- 應用函數式程式設計模式（Map/Filter），並善用多重分派進行專用方法選擇。
概述： 本課介紹控制程式執行與管理複雜資料集合的基本結構。學生將學習如何透過三元運算子、布林切換與標準 if-else 區塊實作簡潔的條件邏輯，以及使用 for 與 while 迴圈進行迭代技巧。此外，課程還探討高階資料結構，包括用於鍵值對映的字典（Dictionaries）與用於儲存唯一元素的集合（Sets），著重於其建立、操作與集合論運算。
學習成果：
- 使用三元運算子與短路布林表達式實作簡潔的條件邏輯。
- 建構穩固的迭代循環，並使用例外狀況與
do區塊處理執行時錯誤。 - 使用字典管理關聯性資料，包含搜尋、合併與頻率分析。
概述： 本課探討 Julia 程式語言的三大進階支柱：使用 Dates 模組進行時間資料管理、強健的檔案輸入/輸出（I/O）操作，以及元程式設計的力量。學生將學習如何操作日期與時間、導航與互動檔案系統，並理解 Julia 程式碼如何被解析、以抽象語法樹（AST）形式表示，以及透過巨集（macros）進行操控。
學習成果：
- 進行複雜的日期運算、格式化與四捨五入，並理解時間物件的底層類型層次結構。
- 實作高效的檔案處理技術，包括基於串流的讀取、元資料提取與安全的檔案關閉模式。
- 分析 Julia 表達式的結構，並建立巨集以自動化程式碼產生與求值。
概述： 本課探討在 Julia 中視覺化與統計分析的雙重必要性，從功能繪圖與文字式視覺化（UnicodePlots）開始。接著轉向使用 DataFrames.jl 生態系管理複雜資料集，強調資料清洗、迴歸模型建立與結構修改在準備科學研究資料中的關鍵角色。
學習成果：
- 使用
Plots.jl、UnicodePlots與VegaLite產生功能性與文字式圖表。 - 使用安斯康姆四重奏（Anscombe's Quartet）與線性迴歸模型，分析描述性統計與資料視覺化的關係。
- 進行進階 DataFrame 操作，包括處理遺失值、結構修改（增減行列）與條件過濾。
概述： 本課介紹適用於科學計算的 Julia 生態系統，聚焦於三大支柱：資料處理（CSV、HDF5、XML 與 RDatasets）、統計分析（描述性統計與抽樣），以及 Julia 程式碼的模組化結構。最後，探討從低階文字繪圖到高階「圖形語法」實作的多元資料視覺化引擎。
學習成果：
- 執行資料輸入/輸出與處理： 匯入/匯出 CSV 與 HDF5 檔案，解析 XML，並對 DataFrame 進行子集篩選與排序。
- 執行統計分析： 計算簡單與加權的描述性統計（平均數、變異數、標準差），並執行多種抽樣技術。
- 管理程式碼結構： 有效安裝與使用模組/套件，並了解 Julia 套件內部的目錄結構。
概述： 本課探討 Julia 編程語言在建立網路通訊與介接多樣資料庫系統方面的功能。內容涵蓋透過 TCP 與命名管道（Named Pipes）的底層網路通訊，高階網路服務（電子郵件、Twitter、WebSockets），以及與 AWS 與 Google Cloud 的雲端整合。此外，詳細說明使用 MySQL、JDBC、ODBC、SQLite 與 PostgreSQL 的強健資料庫連線，強調查詢執行與元資料管理。
學習成果：
- 使用 TCP、命名管道與 WebSockets 設定與部署網路服務。
- 將 Julia 應用整合至雲端環境（AWS/Google Cloud）與社交/通訊 API（Twitter/Email）。
- 透過直接 API（MySQL、SQLite）與中介層抽象（JDBC、ODBC、DBI）實作資料庫解決方案。