Fortran ist eine Computerprogrammiersprache, die häufig von Wissenschaftlern verwendet wird. Die Popularität der Sprache hat im Laufe der Jahre abgenommen, aber sie wird immer noch häufig von wissenschaftlichen Programmierern verwendet. Es wird auch von Unternehmen für Anwendungsfälle wie Wettervorhersagen, Finanzhandel oder technische Simulationen verwendet.
In Fortran geschriebene Programme können für den Betrieb auf Hochleistungsrechnern (HPC) optimiert werden. Es wird für Programm-Benchmarking und die Rangliste der leistungsstärksten Supercomputer der Welt verwendet. Diese Sprache ist im Allgemeinen ideal für die Erstellung von Code, wenn es auf Leistung ankommt.
Nur eine Handvoll anderer Sprachen kann mit der Leistung von Fortran konkurrieren, darunter C++. Außerdem bietet sie einige Eigenschaften, die Entwickler im Vergleich zu C++ bevorzugen, wie z. B., dass sie sich nicht um Speicherzuweisung oder Optimierung kümmern müssen.
Es handelt sich um eine „ahead-of-time„-kompilierte Sprache, was bedeutet, dass ein spezieller Kompilierungsschritt am geschriebenen Code durchgeführt werden muss, bevor er auf einem Computer ausgeführt werden kann. Dies ist ein großer Unterschied zu interpretierten Sprachen wie Python und R, die über einen Interpreter ausgeführt werden, der die Anweisungen direkt ausführt. Der Nachteil ist, dass der Interpreter die Rechengeschwindigkeit verringert.
Die Geschichte von Fortran
Plankalkul wurde von Konrad Zuse entwickelt und war die erste höhere Programmiersprache. Die Ideen und Pläne des Erfinders wurden jedoch nur auf Papier niedergeschrieben. Die erste richtige Programmiersprache war Fortran, die von John Backus entwickelt wurde.
Backus, der an der Columbia University einen Bachelor-Abschluss in Mathematik erworben hatte, erfand diese Sprache in den 1950er Jahren, während er als Programmierer bei IBM arbeitete. Sein Ziel war es, den Selective Sequence Electronic Calculator zu unterstützen: einen elektromechanischen Computer mit 23.000 Relais und 13.000 Vakuumröhren, der im Januar 1948 gebaut wurde. Mit diesem Computer führte Wallace J. Eckert, Leiter des Watson Scientific Computing Laboratory bei IBM, die SSEC-Berechnungen durch, die 20 Jahre später im Apollo-Raumfahrtprogramm verwendet werden sollten.
Nach der Erfindung des SSEC fand jedoch niemand eine geeignete Methode, um ihn zu programmieren. John Backus arbeitete drei Jahre lang an dem Versuch, die Maschine zu programmieren.
Ende 1953 legte er seinen Vorgesetzten ein Konzept für eine Programmiersprache für den IBM 701 Mainframe-Computer vor. Die Idee wurde von IBM genehmigt, und John Backus wurde 1954 die Verantwortung für ein kleines Team im IBM Watson Scientific Laboratory übertragen.
Im Laufe seiner Arbeit beschloss Backus, eine schnellere und einfachere Programmiersprache für Programmierer zu entwerfen. Nach drei Jahren Arbeit wurde 1957 die erste Version von Fortran veröffentlicht. Sie umfasste 25.000 Zeilen Code auf einer Magnetkassette, die jeder IBM 704-Anlage beilag. Diese Sprache wurde von Wissenschaftlern und Mathematikern in großem Umfang für das Schreiben von numerisch intensiven Programmen verwendet.
Die zweite Version von Fortran wurde 1958 veröffentlicht und fügte Datentypen für komplexe Zahlen hinzu. Damit wurde die Sprache für technische Anwendungen wie die Elektrotechnik geeignet. Die wichtigste Verbesserung bestand darin, vom Benutzer geschriebene Funktionen zuzulassen, um die prozedurale Programmierung zu verbessern.
Weniger als ein Jahr später brachte IBM Fortran III mit neuen Funktionen auf den Markt. Diese Version wurde der Öffentlichkeit jedoch nie als Produkt angeboten. Im Jahr 1960 waren mehrere Versionen von Fortran für IBM-Computer verfügbar. Die Popularität der Sprache stieg weiter an, und konkurrierende Hersteller begannen, Compiler für ihre eigenen Maschinen anzubieten. Im Jahr 1963 gab es bereits über 40 davon.
1961 begann IBM mit der Arbeit an Fortran IV, um die Nachfrage der Öffentlichkeit zu befriedigen. Diese Version eliminierte die maschinenabhängigen Funktionen von Fortran II und fügte neue Funktionen wie den logischen Datentyp hinzu. 1965 sollte Fortran IV den Standards der American Standards Assocation entsprechen. Es hatte sich bereits zu einer im Bildungsbereich weit verbreiteten Sprache entwickelt.
Obwohl diese Standardisierung von der Gemeinschaft sehr begrüßt wurde, entstanden weiterhin verschiedene Varianten. Mehrere Überarbeitungen wurden durch neue Versionen wie Fortran 77 vorgenommen.
Auch heute noch wird es von mehreren stark genutzten wissenschaftlichen Gemeinschaften verwendet. Dennoch wird sie oft als veraltete und althergebrachte Sprache angesehen.
Der neueste Fortran-Standard stammt aus dem Jahr 2018 und hat neue Funktionen eingeführt, wobei die hohe Leistungsfähigkeit der Sprache und ihre Fähigkeit, die modernen Herausforderungen des wissenschaftlichen Rechnens zu bewältigen, beibehalten wurden.
Die Sprache hat sich im Laufe der Zeit weiterentwickelt. Während sie früher eine rein prozedurale Programmiersprache war, unterstützt sie heute objektorientierte Merkmale wie Typenerweiterung oder Polymorphismus.
Neuere Versionen haben neue Konzepte wie die Deklarationen „block if“ und „end if“ eingeführt, die auf eine Verbesserung der strukturierten Programmierung abzielen. Viele dieser Funktionen sind in modernen Programmiersprachen wie C++, Java oder Python zu finden.
In den letzten 40 Jahren hat Fotran viele Programmiersprachen inspiriert, während es sich an C und Basic orientiert hat. Diese Sprache hat auch die Entwicklung der Kompilierungstechniken beeinflusst.
Wozu dient Fortran ?
Auch heute noch wird Fortran in Forschungsbereichen, die den Einsatz von wissenschaftlicher Informatik erfordern, häufig verwendet. Zu den bekanntesten Fortran-Programmen gehören NEMO (Nucleus for European Modelling of the Ocean), der OFF-Code für Fluiddynamik, oder die Modelle des Goddard Institute for Space Studies.
Darüber hinaus bleibt diese Sprache für eine Vielzahl von Klimamodellierungsprogrammen beliebt. Aus gutem Grund, denn mathematische Formeln werden mit Leichtigkeit in Code umgewandelt. Die Leistung ist hoch, und der Großteil der Klimamodellierungsgemeinschaft versteht die Syntax.
Das TIOBE Indien, das die Popularität von Hunderten von Programmiersprachen misst, hat Fortran auf den 20. Platz der beliebtesten Sprachen im April 2021 gesetzt. Auch wenn es in den letzten Jahrzehnten von anderen Sprachen in den Schatten gestellt wurde, bleibt es im Bereich des High-Performance Computing fest verankert.
Die besten Sprachen für Data Science
Für die Data Science sind die verschiedenen Programmiersprachen nicht gleichwertig. C und C++ werden häufig für die Hochleistungsdatenanalyse verwendet, aber Sprachen wie Python können die Produktivität steigern.
Es gibt spezielle Frameworks und Sprachen für die Verarbeitung von Big Data, so wie es auch Sprachen für die wissenschaftliche Forschung gibt. Fortran wird jedoch von mehreren Sprachen in diesem Bereich übertroffen.
Die Programmiersprache c
Die Sprache C ist allgemein gehalten und kann für ein breites Spektrum von Anwendungen verwendet werden. Für die Data Science hat sie zwei Vorteile. Zum einen ist es eine populäre Sprache mit einer breiten Nutzerbasis und zum anderen eine der leistungsfähigsten.
Außerdem unterstützt C digitale Quellen und Bibliotheken, was seine Leistungsfähigkeit für Aufgaben der Data Science erhöht. In diesem Bereich ist Python jedoch deutlich überlegen.
Viele Programmiersprachen werden von einem umfangreichen Ökosystem an Bibliotheken und Tools begleitet, die für die Entwicklung von Data-Science-Anwendungen konzipiert sind. Die wichtigsten sind Python, R, Julia und Fortran.
Python
Python ist die beliebteste Programmiersprache für Data Science. Ursprünglich wurde sie entwickelt, um das Programmieren zu lernen, aber ihre Einfachheit hat sie zu einer der am häufigsten verwendeten Entwicklungssprachen gemacht. Sie ist die Sprache mit den meisten Bibliotheken für die Data Science.
Zu den am häufigsten verwendeten gehören das SciPy-Toolkit für Optimierung, Integration, Interpolation und lineare Algebra, NumPy für multidimensionale Matrizen und Arrays, scikit-learn für Machine-Learning-Algorithmen und das Natural Language Toolkit.
Die Programmiersprache R
R ist sowohl eine Programmiersprache als auch eine textuelle und grafische Umgebung für statistische Berechnungen. Sie erschien in den frühen 1990er Jahren, gewann aber schnell an Funktionalität und Beliebtheit. Programme können inkrementell definiert und getestet werden, indem man diese Sprache als Batch verwendet, um die Programme interaktiv auszuführen.
Wie Python fasst auch R verschiedene Bibliotheken für Data Science zusammen. Es gibt mehr als 11.000 Pakete, die über das Comprehensive R Archive Network verfügbar sind. Die meisten werden in R entwickelt, aber sie können auch in C, Java und Fortran entwickelt werden. Es gibt auch spezialisierte R-basierte Umgebungen wie Bioconductor, das sich auf die Analyse von Genomdaten konzentriert.
Die Programmiersprache Julia
Julia wurde 2009 entwickelt und ist die neueste Programmiersprache für Data Science. Sie konzentriert sich auf Hochleistung und unterstützt prozedurale, objektorientierte oder funktionale Sprache. Es handelt sich um eine dynamische Sprache, die verteiltes oder paralleles Rechnen ermöglicht.
Mehr als 1700 Pakete werden derzeit vom Julia Package Manager angeboten. Sie sind in Julia, C und Fortran geschrieben und decken alle Bereiche der Data Science ab. Die Sprache ermöglicht auch den Aufruf von Python-Funktionen über das Paket PyCall oder den direkten Aufruf von C-Funktionen.
Wie lernt man mit Fortran das Programmieren?
Die Computerprogrammierung wird in einer Vielzahl von Wissenschaftsbereichen stark genutzt. Fortran ist jedoch nicht die beste Sprache für die Data Science. Die Sprache Python erweist sich als besser geeignet und leistungsfähiger.
Um zu lernen, wie man die Programmierung in Python beherrscht, kannst du DataScientest wählen. Unsere verschiedenen Kurse für Data Analyst, Data Scientist, Data Engineer und Data Management beinhalten ein Modul, das sich mit der Programmierung befasst. Die Kurse Data Analyst, Data Scientist und Data Manager behandeln die Grundlagen von Python und die Numpy- und Pandas-Bibliotheken. Im Data Engineer-Programm werden Bash, Linux, Python und objektorientiertes Python behandelt.
Die anderen Module dieser Kurse beschäftigen sich mit DataViz, Datenbanken, CI / CD, Machine Learning oder Business Intelligence. Nach Abschluss dieser Kurse verfügst Du über alle Kompetenzen, die du für die Arbeit im Bereich Data Science benötigst.
Am Ende des Kurses erhalten unsere Schüler ein Zertifikat, das von MINES ParisTech / PSL Executive Education und der Universität Panthéon Sorbonne im Rahmen unserer Partnerschaften ausgestellt wird. Unsere Ausbildungen werden von der Industrie anerkannt, und 80 % unserer Alumni haben sofort einen Job gefunden.
Alle unsere Programme verfolgen einen Blended-Learning-Ansatz, der Online-Lernen auf einer gecoachten Plattform und Masterclasses miteinander verbindet. Je nach deiner Situation und deinen Vorlieben kannst du zwischen einer berufsbegleitenden Ausbildung und einem intensiven BootCamp-Modus wählen.
Was die Finanzierung betrifft, so sind alle unsere Kurse im Rahmen des Bildungsgutscheins förderfähig. Warte nicht länger und entdecke DataScientst!
