Data Science הוא מחקר של נתונים; הוא כולל הקלטה, אחסון וניתוח נתונים כדי להפיק מהם מידע שימושי. היישום של מדעי הנתונים הוא מגוון מכיוון שהוא תחום עצום ומקיף תחומי משנה רבים. הוא משמש בבנקאות, קמעונאות, מסחר אלקטרוני, בידור, חיפוש באינטרנט, זיהוי דיבור וכו '.
כמדעני נתונים, עליך לאסוף נתונים, לעבד אותם, לדגמנם ולאחר מכן ליישם אלגוריתמים שונים כדי לקבל החלטות שימושיות ולקבוע יעדים לשיפורים. כל אלה זקוקים למכונה עוצמתית ואם המכונה שלך לא טובה בכתיבת מספרים, אז הלקוח שלך יסבול, וכתוצאה מכך הקריירה שלך כמדען נתונים. מכאן שמחשב נייד הגון הוא חיוני ביותר להפלגת מדעי הנתונים שלך.
מאמר זה מתמקד במתן מדריך לרכישת מחשב נייד לניתוח נתונים. אך לפני שנצלול לרשימת הבחירות שלנו, עלינו להבין איזו מכונה צריך קודם כל מדען הנתונים.
מפרט מחשב נייד Data Science
לפני שאתה לוקח מחשב נייד למדעי הנתונים, יש לקחת כמה דברים בחשבון, וראשון מגיע עם זיכרון RAM:
1. זיכרון (RAM)
זיכרון הוא קריטי מאוד עבור מחשב נייד של מדען נתונים. יותר תמיד יותר טוב. הזיכרון המומלץ הוא 16GB. אבל אם העבודה שלך מבוססת ענן, מודול זיכרון ענק הוא לא משמעותי. להחזיק מחשב נייד עם אפשרות זיכרון להרחבה יהיה יתרון.
2. מעבד (מעבד)
ובכן, ניתוח הנתונים דורש כוח חישוב רב, לכן העדיפו את המעבד העדכני ביותר ומעבד מרובי ליבות כדי לנצל באופן מלא את העיבוד המקביל. אם אתה משתמש ב- AWS או בשירותים מבוססי ענן אחרים, יש חשיבות פחותה למעבד טוב, אך עדיין הייתי ממליץ על מעבד טוב מכיוון שהם כבר לא יקרים.
3. כרטיס מסך (GPU):
במדעי הנתונים, פעולות רבות תלויות במעבד GPU, כגון אימון המודל. הצורך ב- GPU תלוי גם בסוג המשימה של מדעי הנתונים. אם אתה לומד לעומק או מטפל בכמות גדולה של נתונים, אז אתה צריך כרטיס מסך כדי להאיץ את העיבוד. ל- GPU יש ליבות רבות בהשוואה למעבד רגיל, לכן בעל GPU יזרז את תהליך ניתוח הנתונים פי כמה.
4. אחסון:
הנתונים דורשים אחסון רב ולכן עדיף להחזיק מכשיר אחסון טוב. כונני SSD הם בחירה מושלמת מכיוון שהם מהירים למדי. אבל הם יקרים במיוחד בעת ובעונה אחת. אז, אם אתה מצומצם בתקציב, אז מספיק עם SSD קטן של 512GB, יחד עם דיסק קשיח רגיל לאחסון. וודא כי למחשב הנייד שלך יש יציאת USB מסוג C להעברת נתונים מהירה יותר.
5. מערכת הפעלה:
מערכת ההפעלה היא בחירה אישית שלך. עדיף ללכת עם מחשבים ניידים התומכים ב- Linux. אני ממליץ על macOS או על כל הפצת לינוקס. Windows יכול להיות גם בחירה טובה, אבל צריך הרבה תוספות לעשות לפני שתגדיר הכל.
ניכר שמכונות רגילות אינן מתאימות לפרויקטים של מדעי הנתונים. אתה צריך מכונה עוצמתית עם זיכרון מתאים וזוג יחידות מעבד ו- GPU חזקות עם שטח אחסון מספיק כדי לעבוד ביעילות. בואו נסתכל על מחשב נייד המתאים ביותר לפרויקטים של מדעי הנתונים:
1. Dell G5:
הבחירה הראשונה היא Dell G5 המגיעה עם מעבד Intel Core i7 מהדור העשירי עם 6 ליבות ומונעת על ידי כרטיס מסך NVIDIA GeForce GTX 1650 Ti. אם אתה מדען נתונים מקצועי ועובד על דוגמנות או למידה מעמיקה, המחשב הנייד הזה יתמודד עם הכל בצורה די יעילה. זהו מחשב נייד מבוסס Windows שמגיע עם יכולות אחסון שונות. אני ממליץ ללכת עם 16GB של זיכרון ו- 512GB של SSD.
G5 מגיע עם 51 וואט שעות סוללה בת 3 תאים ומגוון יציאות כולל קורא כרטיסי SD ויציאת USB מסוג C אחת. למרות שהתצוגה אינה קשורה למדעי הנתונים, יתרון אחד הוא יתרון. ל- G5 צג LED בגודל 15.6 אינץ ', Full HD, עם ציפוי נגד בוהק.
יתרונות:
- מכונה מאוזנת היטב
- ביצועים מוצקים
- מראה יפה
חסרונות:
- קירור רועש
- קצת חסון
2. HP Envy 17t:
HP Envy 17, לא הבחירה הטובה ביותר, אך טובה בין המחשבים הניידים האחרונים לפרויקטים של מדעי הנתונים. יחידת העיבוד המותקנת היא Intel Core i7 וכרטיס מסך NVIDIA GeForce MX330 ייעודי. למעבד 4 ליבות אך הנוכחות של כרטיס מסך משפרת את הביצועים הכוללים שלו. קנאה 17 יכולה להתמודד ביעילות עם רוב המשימות הקשורות למדעי הנתונים.
הוא מגיע עם 16GB של זיכרון RAM ואפשרות אחסון כפולה, וזה מדהים. ל- Envy 17t יש SSD של 256GB עם דיסק קשיח של 1TB. תצוגת 4 אינץ 'בגודל 17.3 אינץ' מספיקה למדען נתונים. אתה מקבל גם 3 יציאות USB מסוג A, USB מסוג C אחד, יציאת HDMI וחריץ לכרטיס SD.
יתרונות:
- עיצוב מלוטש למראה
- מקלדת נוחה
- תצוגה 4k
- ניהול תרמי טוב
חסרונות:
- חיי סוללה בינוניים
- קצת יקר
3. Macbook Air:
אני מאוד ממליץ על סביבת macOS למדעי הנתונים. ישנן מספר סיבות רלוונטיות כגון הסביבה דמוית UNIX ושבב ה- M1 העדכני ביותר. M1 הוא שבב די יעיל מכיוון שיש לו 8 ליבות ומתפקד הרבה יותר טוב ממעבדי AMD או אינטל האחרונים. M1 תוכנן במיוחד כדי להגביר את למידת המכונה.
הדגמים האחרונים של MacBook air מגיעים עם תצורת זיכרון RAM של 8GB/16GB עם קיבולת אחסון של 256GB/5126GB. זיכרון 8GB מספיק, אבל אני ממליץ ללכת עם 16GB. האחסון תלוי בהעדפה האישית שלך, וחבילה של 256 ג'יגה -בתים מספקת אם אתה קונה כונן קשיח נפרד.
יתרונות:
- סביבה כמו UNIX
- שבב M1
- חיי סוללה מצוינים
חסרונות:
- אינו תומך ביישומי ליבה של CUDA
אין תמיכה בליבה של CUDA יכולה להיות אכזבה עצומה, אבל זה לא אומר ש- MacBook air לא אמור להיות ברשימה שלך. זה עדיין יכול להתמודד עם אחוז גדול מפרויקטים של מדעי הנתונים. אבל אם אתה רוצה תמיכה בעיבוד מקביל, לך על 16 אינץ 'MacBook pro.
4. אייסר סוויפט 3:
עוד מכשיר ידידותי לתקציב עם מפרטים יוצאי דופן. זו הבחירה השנייה המומלצת ביותר שלי. סוויפט 3 מותקן עם AMD Ryzen 7 4700U, יחידת עיבוד 8 ליבות המשולבת עם גרפיקה של Radeon. בחירה מספקת לכל מדען נתונים בעל עלות-תועלת.
סוויפט 3 הוא עיצוב דק וקל בהשראת MacBook שמגיע עם 8GB של זיכרון RAM ו- SSD של 512GB. צג LED Full HD, מצלמת רשת HD ומקלדת עם תאורה אחורית משלימים את המכונה.
יתרונות:
- משתלם
- עיצוב נקי
- נייד מאוד
- חיי סוללה טובים
חסרונות:
- לא ניתן לשדרג את הזיכרון
- תצוגה ממוצעת
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 היא בחירה נוספת עבור מדען נתונים. למכונה יש גרסאות שונות. המפרט המומלץ הוא Intel Core i5 מהדור העשירי המשולב עם גרפיקת UHD 620 של אינטל.
ThinkPad E15 מגיע עם זיכרון RAM בנפח 16GB, דבר יוצא דופן עבור משימות הקשורות למדעי הנתונים. כמו HP Envy ThinkPad, הוא אינו מגיע עם שטח אחסון נוסף, כך שאם אתה זקוק לאחסון, עליך לרכוש אותו בנפרד. הצג בגודל 15.6 אינץ 'הגון עם ציפוי נגד בוהק. בנוסף, תוכל גם לחבר צג חיצוני ברזולוציית 4k באמצעות HDMI או USB מסוג C.
יתרונות:
- אחסון הניתן לשדרוג
- גוף חזק
חסרונות:
- מתחמם ממש בעומס
- חיי סוללה קצרים
סיכום:
מדעי הנתונים הוא תחום עצום ומגוון, וכמדען נתונים התפקיד שלך הוא לנהל את הנתונים ביעילות. ככל שהנתונים גדלים, החומרה צריכה לארגן גם כמות עצומה של נתונים, היא דורשת גם שדרוג. במאמר זה התמקדנו במדריך קצר אודות מחשבים ניידים שכדאי לך לקחת בחשבון למשימות הקשורות למדעי הנתונים.
ניתוח נתונים דורש מעבדים ומעבדים מרובי ליבות עם כמות טובה של זיכרון. אני ממליץ ללכת עם מעבדי הדור האחרון, במיוחד אוקטה-ליבה ו- GPU אם אתה מתמודד עם למידה מעמיקה. עם זאת, בעל GPU טוב מגביר את הביצועים הקולקטיביים.