Ciao a tutti,
Volevo condividere un flusso di lavoro estremamente efficiente che ho sviluppato, il quale unisce le capacità di manipolazione dei dati di JMP alla potenza dei più recenti modelli di intelligenza artificiale di NVIDIA, eseguiti sulla loro piattaforma API gratuita (NIM).
L'idea centrale è quella di automatizzare la generazione di script Python/JSL eseguibili direttamente all'interno di JMP, creando di fatto una "fabbrica di contenuti" per le attività di analisi dei dati.
Flusso di lavoro tecnico:
Acquisizione dei dati: Inizio definendo argomenti o query analitiche specifiche direttamente in una tabella dati JMP (ad esempio, "Logica filosofica di Viaggio in Occidente", "Contesto culturale del Sogno della Camera Rossa").
Orchestrazione dell'IA: uno script Python integrato in JMP si occupa del lavoro più gravoso. Richiama l'API di NVIDIA (utilizzando il modello deepseek-ai/deepseek-v4-pro tramite NIM) per elaborare queste query.
Sintesi del codice: anziché limitarsi a restituire riepiloghi testuali, il modello viene sollecitato a generare frammenti di codice Python strutturati, progettati per integrarsi perfettamente con Graph Builder di JMP e altri strumenti statistici.
Output automatico: il codice Python generato viene salvato come file locale o eseguito direttamente, consentendo una visualizzazione immediata e ulteriori analisi statistiche senza necessità di programmazione manuale.
Principali benefici osservati:
Velocità incredibile: sfruttando lo stack di inferenza ottimizzato di NVIDIA, l'API risponde in modo incredibilmente rapido (elaborando più query complesse in pochi secondi).
Produzione di massa: questo metodo consente l'elaborazione in batch. È possibile inserire centinaia di intenti analitici nel sistema e ricevere automaticamente un set completo di script pronti per l'esecuzione.
Automazione a ciclo chiuso: crea un ciclo continuo che va dall'input in linguaggio naturale all'interpretazione tramite IA, al codice eseguibile e all'output visivo, il tutto senza uscire dall'ambiente JMP.
Questa configurazione ha ridotto drasticamente i tempi necessari per l'analisi esplorativa dei dati, soprattutto quando si tratta di dati qualitativi o studi comparativi complessi. Qualcun altro ha sperimentato l'integrazione di NVIDIA NIM o modelli di grandi dimensioni simili direttamente nei propri flussi di lavoro di scripting JMP?
Grazie! 
