Julia是一種快速、動態、可組合的通用程式語言，非常適合統計資料分析、機器學習、自動微分、其他數值建模以及更通用的程式。它感覺像是一種腳本語言，但運行時是編譯的——使用即時（JIT）編譯器技術來動態編譯程式碼。它從一開始就被設計為支援多執行緒、多處理和分散式多處理。 Julia 解決了「雙語」問題——您不需要一種語言來實現易於使用的原型，也不需要另一種語言來提高速度——因為 Julia 已經易於使用且速度很快。您可以用 Julia 本身編寫高效能程式碼。
該提案將支援 Julia，類似於目前支援 Python 的方式。
兩種語言之間的資料類型高度相容
| JMP 資料類型 | 朱莉婭數據類型 |
| 布林值 | 布林值 |
| 數據表 | 資料幀.jl |
| 關聯數組 | 字典 |
| 數位 | 浮點64 |
| 矩陣 | Float64 矩陣 |
| 清單 | 元組 |
| 細繩 | 統一碼字串 |
與 Python 相比，Julia 的優勢之一是沒有 Numpy——該功能只是內建的。
此外，JMP 可以使用 PackageCompiler.jl 來建立包含 JMP 所需的所有套件的獨立 Julia 二進位文件，並使用 JMP 進行分發，而不是告訴使用者需要安裝哪些套件。 Julia 整合可以開箱即用（或「安裝程式完成後」）。高級 Julia 用戶可以選擇替換它，但對於其他人來說，它就可以了。
Julia 是統計、機器學習和科學計算領域中一門令人興奮且發展迅速的語言。請參閱 Lee Phillips 的《Julia 程式語言不合理的有效性》 （10/9/2020）。
增加對 Julia 的支援還可以讓用戶將一些最先進的工具和編碼放入他們的 JSL 腳本中。
我在這里分享了一些使用 JSL 調用 Julia 的說明https://community.jmp.com/t5/JMPer-Cable/How-to-The-Julia-programming-language-in-JMP/ba-p/480125 。 這有點複雜，但我發現它可以用於一些簡單的工作流程。
關於數據類型的另一註釋； Julia 對缺失值有很好的支持
| JMP 數據類型 | 朱莉婭數據類型 |
| 空的（） | 沒有什麼 |
| 丟失的 （。） | 丟失的 |
