Hola a todos,
Quería compartir un flujo de trabajo altamente eficiente que he desarrollado y que combina las capacidades de manipulación de datos de JMP con la potencia de los últimos modelos de IA de NVIDIA que se ejecutan en su plataforma API gratuita (NIM).
La idea principal es automatizar la generación de scripts ejecutables de Python/JSL directamente dentro de JMP, creando de hecho una "fábrica de contenido" para tareas de análisis de datos.
El flujo de trabajo técnico:
Ingesta de datos: Empiezo definiendo temas analíticos o consultas específicas directamente en una tabla de datos de JMP (por ejemplo, "Lógica filosófica de Viaje al Oeste", "Antecedentes culturales de El sueño del pabellón rojo").
Orquestación de IA: Un script de Python integrado en JMP se encarga del trabajo pesado. Llama a la API de NVIDIA (utilizando el modelo deepseek-ai/deepseek-v4-pro a través de NIM) para procesar estas consultas.
Síntesis de código: En lugar de simplemente devolver resúmenes de texto, se le pide al modelo que genere fragmentos de código Python estructurados, diseñados para funcionar a la perfección con el Generador de gráficos de JMP y otras herramientas estadísticas.
Salida automatizada: El código Python generado se guarda como un archivo local o se ejecuta directamente, lo que permite una visualización instantánea y un análisis estadístico posterior sin necesidad de codificación manual.
Principales beneficios observados:
Velocidad vertiginosa: Gracias a la pila de inferencia optimizada de NVIDIA, la API responde con una rapidez increíble (procesando múltiples consultas complejas en segundos).
Producción en masa: Este método permite el procesamiento por lotes. Puede introducir cientos de intenciones analíticas en el sistema y recibir automáticamente un conjunto completo de scripts listos para ejecutar.
Automatización de bucle cerrado: Crea un bucle continuo desde la entrada en lenguaje natural -> interpretación por IA -> código ejecutable -> salida visual, todo ello sin salir del entorno JMP.
Esta configuración ha reducido drásticamente el tiempo necesario para el análisis exploratorio de datos, especialmente al trabajar con datos cualitativos o estudios comparativos complejos. ¿Alguien más ha experimentado con la integración de NVIDIA NIM o modelos similares de gran tamaño directamente en sus flujos de trabajo de scripting de JMP?
¡Gracias! 
