Увы, решаемая Julia основная проблема двух языков (пишешь алгоритм на мощном языке высокого уровня для скорости написания, потом в production переписываешь на языке низкого уровня для скорости выполнения -- а на Julia ничего переписывать не нужно) не слишком большой аргумент для оценивающего возможности использования Julia для работы.
я лично тут тоже не вижу мега суровой проблемы
на этапе первоначальной разработки решаются одни проблемы,
а для продакшена - другие
собсно в случае МЛ то что получается на этапе обучения, т.е. модель, и которая потом скармливается продакшену, она же преимущественно не код, а цыферки
а реализацию алго, параметризованную этими циферками не сложно написать
хотя есть другой аспект, а именно преобразование фич всякие, которые тоже на проде нужно делать
вот там кагбэ есть проблема, ибо проще когда на проде гоняется тот же код что и на обучении/создании модели
иначе можно замучаться баги отлавливать
Вот это и есть проблема двух языков: сначала отлавливаешь баги в одном языке, а потом баги в том же алгоритме, но в другом языке. Плюс время написания нового кода, но писать новый код быстро, это отлаживать его медленно )))
вторую версию написать гораздо проще и быстрее
более того, прототип на более удобном языке может снизить общие затраты
Эндрю Нг тоже рекомендует сперва наваять МЛ алгоритм на Матлабе (Джулия я думаю тоже подходит :)) а потом уже на Си, Жабе или проч
в чем я с ним по опыту очень согласен
Вот цитата из статьи про разработку микроядра seL4 https://www.sigops.org/sosp/sosp09/papers/klein-sosp09.pdf
"The abstract spec took about 4 person months
(pm) to develop. About 2 person years (py) went
into the Haskell prototype (over all project phases),
including design, documentation, coding, and testing.
The executable spec only required setting up the
translator; this took 3 pm.
The initial C translation was done in 3 weeks, in
total the C implementation took about 2 pm, for a
total cost of 2.2 py including the Haskell effort.
This compares well with other efforts for develop-
ing a new microkernel from scratch: The Karlsruhe
team reports that, on the back of their experience
from building the earlier Hazelnut kernel, the devel-
opment of the Pistachio kernel cost about 6 py [17].
SLOCCount [68] with the “embedded” profile esti-
mates the total cost of seL4 at 4 py. Hence, there is
strong evidence that the detour via Haskell did not
increase the cost, but was in fact a significant net
cost saver. This means that our development process
can be highly recommended even for projects not
considering formal verification."