我们在2013年1月在麻省理工学院举办了两天的 Julia 教程，包括10个课程。 麻省理工学院开放课程 和 MIT-X 慷慨地为这些讲座的录制提供了支持，以便更广泛的 Julia 社区能够从这些课程中受益。
本课程是对 Julia 的快速介绍，使用多个闪电轮。它使用许多简短的示例来演示语法和功能，并快速了解该语言。
本课程讨论了 Julia 背后的原理和愿景及其设计原则。
DataFrames 是 Julia 中使用最广泛的软件包之一。本课程是使用 DataFrames 进行 Julia 数据分析的入门课程。
本课程演示了 Julia 的统计功能，这些功能由 Distributions 和 GLM 提供。
Julia 提供了与 FFTW 库的内置接口。本课程演示了 Julia 的信号处理功能，例如 FFT 和 DCT。另请参见 Hadamard 软件包。
本课程主要关注使用 Julia 解决线性规划问题。讨论的代数建模语言后来发布为 JuMP。展示了评估 Julia 实现低级优化代码性能的基准测试。Julia 中的优化软件已在 JuliaOpt 项目下分组。
Julia 是同像的：它将其自身的代码表示为语言本身的数据结构。由于代码由可以在语言内部创建和操作的对象表示，因此程序可以转换和生成自己的代码。 元编程 在 Julia 手册中进行了详细描述。
并行和分布式计算 从早期开始就是 Julia 功能的组成部分。本课程描述了现有的基本功能，这些功能可用作更高级别并行库的构建块。
Julia 使用 libuv 库提供异步网络 I/O。Libuv 是作为 Node.js 项目的一部分创建的可移植网络库。
电阻网格是一个经典的数值问题，用于计算如果电池连接到两个中心点，则 2n+1 x 2n+2 网格的 1 欧姆电阻的电压和有效电阻。作为本实验的一部分，问题在 Julia 中以多种不同的方式解决，例如向量化实现、非向量化实现和使用推导，以便研究各种方法的性能特征。