Data Science er en undersøgelse af data; det inkluderer registrering, lagring og analyse af data for at udtrække nyttig information fra dem. Anvendelsen af datavidenskab er forskelligartet, da det er et stort område og omfatter mange underfelter. Det bruges i bank, detail, e-handel, underholdning, internetsøgning, talegenkendelse osv.
Som datavidenskabsmand skal du indsamle data, behandle dem, modellere dem og derefter anvende forskellige algoritmer for at tage nyttige beslutninger og opstille mål for forbedringer. Alle disse har brug for en kraftfuld maskine, og hvis din maskine ikke er god til at knuse tal, vil din klient lide, og dermed din karriere som dataforsker. Derfor er en anstændig bærbar computer ekstremt vigtig for din datavidenskabelige rejse.
Denne opskrift fokuserer på at give dig en guide til køb af en bærbar computer til dataanalyse. Men før vi dykker ned på listen over vores valg, skal vi forstå, hvilken slags maskine en dataforsker først har brug for.
Specifikation for en Data Science Laptop
Inden du tager en bærbar computer til datavidenskab, er der få ting, der skal tages i betragtning, og først kommer RAM:
1. Hukommelse (RAM)
Hukommelse er meget afgørende for en datavidenskabelig bærbar computer. Jo mere er altid bedre. Den anbefalede hukommelse er 16 GB. Men hvis dit arbejde er skybaseret, så er et stort hukommelsesmodul ubetydeligt. At have en bærbar computer med en udvidelig hukommelsesmulighed ville være et plus.
2. Processor (CPU)
Godt, dataanalyse har brug for meget beregningskraft, så foretrækker den nyeste og en multi-core processor til fuldt ud at udnytte parallelbehandling. Hvis du bruger AWS eller andre skybaserede tjenester, vil det have mindre betydning at have en god processor, men jeg vil stadig anbefale at have en god processor, da de ikke længere er dyre.
3. Grafikkort (GPU):
Inden for datavidenskab afhænger mange operationer af GPU'er, såsom træning af modellen. Behovet for en GPU afhænger også af typen af datavidenskabelig opgave. Hvis du laver dyb læring eller håndterer en stor mængde data, skal du have brug for et grafikkort for at fremskynde behandlingen. En GPU har mange kerner i forhold til en normal CPU, så at have en GPU vil fremskynde dataanalyseprocessen med mange folder.
4. Opbevaring:
Data tager meget lagerplads, så det er bedre at have en god lagerenhed. SSD'er er et perfekt valg, da de er ret hurtige. Men de er super dyre på samme tid. Så hvis du har et stramt budget, er det nok at have en lille SSD på 512 GB sammen med en almindelig harddisk til opbevaring. Sørg for, at din bærbare computer har en USB Type C -port til hurtigere dataoverførsel.
5. Operativsystem:
Operativsystemet er dit personlige valg. Det er bedre at gå med bærbare computere, der understøtter Linux. Jeg vil anbefale macOS eller enhver Linux -distribution. Windows kan også være et godt valg, men det har brug for en masse ekstraudstyr, før du konfigurerer alt.
Det er tydeligt, at almindelige maskiner ikke er egnede til datavidenskabelige projekter. Du har brug for en kraftfuld maskine med tilstrækkelig hukommelse og et par robuste CPU- og GPU -enheder med tilstrækkelig lagerplads til at arbejde effektivt. Lad os se på en bærbar computer, der passer bedst til datavidenskabelige projekter:
1. Dell G5:
Det første valg er Dell G5, der leveres med tiende generations Intel Core i7 CPU med 6 kerner og drives af NVIDIA GeForce GTX 1650 Ti grafikkort. Hvis du er en professionel dataforsker og arbejder med modellering eller dyb læring, vil denne bærbare computer klare alt ganske effektivt. Det er en Windows-baseret bærbar computer, der leveres med forskellige lagerkapaciteter. Jeg vil anbefale at gå med 16 GB hukommelse og 512 GB SSD.
G5 leveres med 51 watt-timers 3-cellers batteri og en række porte, herunder en SD-kortlæser og 1 USB Type C-port. Selvom displayet ikke har noget at gøre med datavidenskab, er det et plus at have en god. G5 har 15,6 tommer, fuld HD, LED-skærm med antirefleksbelægning.
Fordele:
- En velafbalanceret maskine
- Solid præstation
- Smukt udseende
Ulemper:
- Støjende køling
- Lidt heftig
2. HP Envy 17t:
HP Envy 17, ikke den bedste, men et godt valg blandt de nyeste bærbare computere til datavidenskabsprojekter. Den installerede behandlingsenhed er Intel Core i7 og et dedikeret NVIDIA GeForce MX330 grafikkort. Processoren har 4 kerner, men tilstedeværelsen af et grafikkort forbedrer dens samlede ydelse. Envy 17 kan effektivt håndtere de fleste data videnskabeligt relaterede opgaver.
Den leveres med 16 GB RAM og mulighed for dobbelt lagring, hvilket er bemærkelsesværdigt. Envy 17t har en SSD på 256 GB med en harddisk på 1 TB. Den 17,3 tommer, 4k skærm er mere end nok til en datavidenskabsmand. Du får også 3 USB Type-A-porte, 1 USB Type C, HDMI-port og en SD-kortplads.
Fordele:
- Elegant design
- Behageligt tastatur
- 4k display
- God termisk styring
Ulemper:
- Middelmådig batterilevetid
- Lidt dyrt
3. Macbook Air:
Jeg vil meget anbefale at have et macOS -miljø til datavidenskab. Der er flere relevante årsager, såsom UNIX-lignende miljø og den nyeste M1-chip. M1 er en ganske effektiv chip, da den har 8 kerner og fungerer meget bedre end de nyeste AMD- eller Intel -processorer. M1 er specielt designet til at øge maskinlæring.
De nyeste modeller af MacBook air leveres med 8 GB/16 GB RAM -konfiguration med 256 GB/5126 GB lagerkapacitet. 8 GB hukommelse er nok, men jeg vil anbefale at gå med 16 GB. Lagring afhænger af din personlige præference, og at have 256 GB SSD er tilstrækkeligt, hvis du køber en separat harddisk.
Fordele:
- UNIX -lignende miljø
- M1 chip
- Fremragende batterilevetid
Ulemper:
- Understøtter ikke CUDA -kerneapplikationer
At have ingen CUDA -kerneunderstøttelse kan være en enorm skuffelse, men det betyder ikke, at MacBook air ikke bør være på din liste. Det kan stadig klare en stor procentdel af data science projekter. Men hvis du vil have understøttelse af parallel behandling, så gå til 16 tommer MacBook pro.
4. Acer Swift 3:
Endnu en budgetvenlig enhed med fremragende specifikationer. Dette er mit andet stærkt anbefalede valg. Swift 3 er installeret med AMD Ryzen 7 4700U, 8 -kerne behandlingsenhed integreret med Radeon -grafik. Et rigeligt valg for enhver datavidenskabsmand med omkostningseffektivitet.
Swift 3 er et tyndt, let MacBook-inspireret design, der leveres med 8 GB RAM og en SSD på 512 GB. Full HD LED -skærm, HD -webcam og baggrundsbelyst tastatur supplerer maskinen.
Fordele:
- Prisbillig
- Slankt design
- Meget bærbar
- God batterilevetid
Ulemper:
- Hukommelsen kan ikke opgraderes
- Gennemsnitlig visning
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 er et andet valg for en dataforsker. Maskinen har forskellige varianter. Den anbefalede specifikation er tiende generations Intel Core i5 med integreret med Intels UHD 620-grafik.
ThinkPad E15 leveres med 16 GB RAM, hvilket er enestående til data science-relaterede opgaver. Ligesom HP Envy ThinkPad kommer den ikke med ekstra lagerplads, så hvis du har brug for opbevaring, skal du købe den separat. Den 15,6 tommer store skærm er anstændig med en antirefleksbelægning. Derudover kan du også tilslutte en ekstern skærm med 4k -opløsning via HDMI eller USB Type C.
Fordele:
- Opgraderbar opbevaring
- Robust krop
Ulemper:
- Bliver virkelig varm under belastning
- Kort batterilevetid
Konklusion:
Datavidenskab er et stort og mangfoldigt felt, og som datavidenskabsmand er dit job effektivt at styre dataene. Efterhånden som data vokser, skal hardwaren også organisere en enorm mængde data, det kræver også opgraderbarhed. I dette oplæg fokuserede vi på at give en kort vejledning om bærbare computere, du bør overveje til data videnskabsrelaterede opgaver.
Dataanalyse kræver multi-core processorer og GPU'er med en god mængde hukommelse. Jeg vil anbefale at gå med den nyeste generation af CPU'er, især octa-core og GPU'er, hvis du har at gøre med dyb læring. Ikke desto mindre øger det at have en god GPU den kollektive ydeevne.