「 二言語問題 これは、プロトタイプ作成に高レベルで『遅い』言語（Python、R、MATLAB）を使う必要性が歴史的に存在していたこと、そして本番環境向けに低レベルで『速い』言語（C++、Fortran）にコードを再書き換えせざるを得なかったという事実を指します。 現代の言語設計とコンパイラ技術から、どのような期待ができるでしょうか？ Juliaはこの「コード再実装コスト」を解消します。

1. 効率性とパフォーマンスのギャップ

研究者は伝統的に実行速度を犠牲にして使いやすさを追求してきました。Juliaは現代的な LLVMベースのコンパイル を活用することで、高レベルな抽象化がマシンレベルの効率性を損なわないことを保証しています。

2. 柔軟性と二重性

「 Juliaの構文はMATLABに似ている、そのためすぐに使い始めることができますが、実際には非常に 汎用性の高い言語 であり、ウェブインデックスやシステムプログラミングも可能となっています。さらに、 Juliaは統計分野においてRと同様に使いやすいですが、 統計と線形代数の両方を 同時に処理できるため、C拡張機能を追加する必要がありません。