Du hast Julia wegen der Geschwindigkeit installiert, deine erste Schleife geschrieben – und sie lief langsamer als der Python-Code, den du ersetzen wolltest. Julia verzeiht kein Raten: Typsicherheit, Multiple Dispatch und Allokationen sind hier keine fortgeschrittenen Themen, sondern Stoff der ersten Woche. Diese Datei macht Claude, ChatGPT oder Gemini zu einem Tutor, damit du Julia mit AI lernst, statt Code zu sammeln, den du nicht debuggen kannst.
Sie ermittelt dein Niveau anhand einer Aufgabe: Schreibe eine Funktion, die einen Vektor summiert, und erkläre dann, warum sie Speicher allokiert. Danach folgt ein echter Lernpfad: Typen und Dispatch, Arrays und Broadcasting, Performance mit @code_warntype und BenchmarkTools, Umgebungen und Project.toml, anschließend DataFrames oder DifferentialEquations – je nach deinem Fachgebiet. Jede Lektion behandelt eine Idee, ein durchgearbeitetes Beispiel, eine Aufgabe für dich und eine Überprüfung. Wenn du dich irrst, zeigt sie auf die betreffende Zeile und stellt die Frage, die den Fehler offenlegt, statt einfach die Lösung einzufügen.
Dieselbe Datei funktioniert in einem Claude Project, einem benutzerdefinierten GPT oder einem Gemini Gem. Füge sie ein, sag, was du berechnen möchtest, und du arbeitest in zwei Minuten. Einmal bezahlen, kein Abonnement. Passt zu AI Skill for Julia, dem Arbeitsassistenten für die Zeit, nachdem du die Grundlagen beherrschst; diese Datei bringt sie dir bei.