Data Science er en studie av data; den inkluderer registrering, lagring og analyse av data for å trekke ut nyttig informasjon fra den. Anvendelsen av datavitenskap er mangfoldig siden den er et stort felt og omfatter mange underfelt. Den brukes i bank, detaljhandel, e-handel, underholdning, internettsøk, talegjenkjenning, etc.
Som datavitenskapsmann må du samle inn data, behandle dem, modellere dem og deretter bruke forskjellige algoritmer for å ta nyttige beslutninger og sette mål for forbedringer. Alle disse trenger en kraftig maskin, og hvis maskinen din ikke er god til å knase tall, vil klienten din lide, og dermed din karriere som dataforsker. Derfor er en anstendig bærbar datamaskin ekstremt viktig for din datavitenskapelige reise.
Denne oppskriften fokuserer på å gi deg en guide til å kjøpe en bærbar datamaskin for dataanalyse. Men før vi dykker inn på listen over våre valg, må vi forstå hva slags maskin en datavitenskapsmann trenger først.
Spesifikasjon for en datavitenskapelig bærbar datamaskin
Før du tar en bærbar datamaskin for datavitenskap, er det få ting å ta i betraktning, og først kommer RAM:
1. Minne (RAM)
Minne er svært avgjørende for en datavitenskapelig bærbar datamaskin. Jo mer er alltid bedre. Det anbefalte minnet er 16 GB. Men hvis arbeidet ditt er skybasert, er en enorm minnemodul ubetydelig. Å ha en bærbar datamaskin med et utvidbart minnealternativ ville være et pluss.
2. Prosessor (CPU)
Vel, dataanalyse trenger mye beregningskraft, så foretrekk den siste og en flerkjernet prosessor for å dra full nytte av parallellbehandling. Hvis du bruker AWS eller andre skybaserte tjenester, vil det ha mindre betydning å ha en god prosessor, men jeg vil fortsatt anbefale å ha en god prosessor, siden de ikke lenger er dyre.
3. Grafikkort (GPU):
I datavitenskap er mange operasjoner avhengig av GPUer, for eksempel opplæring av modellen. Behovet for en GPU avhenger også av typen datavitenskapelig oppgave. Hvis du lærer dypt eller håndterer en stor mengde data, må du ha et grafikkort for å akselerere behandlingen. En GPU har mange kjerner sammenlignet med en vanlig CPU, så det å ha en GPU vil fremskynde dataanalyseprosessen mange ganger.
4. Lagring:
Data tar mye lagringsplass, så det er bedre å ha en god lagringsenhet. SSD -er er et perfekt valg ettersom de er ganske raske. Men de er superdyr samtidig. Så hvis du har et lite budsjett, er det nok å ha en liten SSD på 512 GB, sammen med en vanlig harddisk for lagring. Sørg for at den bærbare datamaskinen har en USB Type C -port for raskere dataoverføring.
5. Operativsystem:
Operativsystemet er ditt personlige valg. Det er bedre å gå med bærbare datamaskiner som støtter Linux. Jeg vil anbefale macOS eller hvilken som helst Linux -distribusjon. Windows kan også være et godt valg, men det må mange ekstra ting å gjøre før du konfigurerer alt.
Det er tydelig at vanlige maskiner ikke er passende for datavitenskapelige prosjekter. Du trenger en kraftig maskin med tilstrekkelig minne og et par robuste CPU- og GPU -enheter med tilstrekkelig lagringsplass for å fungere effektivt. La oss ta en titt på noen bærbare datamaskiner som passer best for datavitenskapelige prosjekter:
1. Dell G5:
Det første valget er Dell G5 som kommer med tiende generasjon Intel Core i7 CPU med 6 kjerner og drevet av NVIDIA GeForce GTX 1650 Ti grafikkort. Hvis du er en profesjonell datavitenskapsmann og jobber med modellering eller dyp læring, vil denne bærbare datamaskinen håndtere alt ganske effektivt. Det er en Windows-basert bærbar datamaskin som har forskjellige lagringskapasiteter. Jeg vil anbefale å gå med 16 GB minne og 512 GB SSD.
G5 leveres med 51 watt-timer 3-cellers batteri og en rekke porter, inkludert en SD-kortleser og 1 USB Type C-port. Selv om skjermen ikke har noe å gjøre med datavitenskap, er det et pluss å ha en god en. G5 har 15,6 tommer, full HD, LED-skjerm med antirefleksbelegg.
Fordeler:
- En velbalansert maskin
- Solid ytelse
- Vakkert utseende
Ulemper:
- Støyende kjøling
- Litt heftig
2. HP Envy 17t:
HP Envy 17, ikke det beste, men et godt valg blant de nyeste bærbare datamaskinene for datavitenskapelige prosjekter. Den installerte behandlingsenheten er Intel Core i7 og et dedikert NVIDIA GeForce MX330 grafikkort. Prosessoren har 4 kjerner, men tilstedeværelsen av et grafikkort forbedrer den generelle ytelsen. Envy 17 kan effektivt håndtere de fleste datavitenskaprelaterte oppgavene.
Den kommer med 16 GB RAM og dobbelt lagringsalternativ, noe som er bemerkelsesverdig. Envy 17t har en SSD på 256 GB med en harddisk på 1 TB. Skjermen på 17,3 tommer, 4 k er mer enn nok for en datavitenskapsmann. Du får også 3 USB Type-A-porter, 1 USB Type C, HDMI-port og et SD-kortspor.
Fordeler:
- Stilig design
- Behagelig tastatur
- 4k -skjerm
- God termisk styring
Ulemper:
- Middels batterilevetid
- Litt dyrt
3. Macbook Air:
Jeg vil anbefale å ha et macOS -miljø for datavitenskap. Det er flere relevante årsaker som UNIX-lignende miljø og den nyeste M1-brikken. M1 er en ganske effektiv brikke siden den har 8 kjerner og utfører mye bedre enn de nyeste AMD- eller Intel -prosessorene. M1 er spesielt designet for å øke maskinlæring.
De nyeste modellene av MacBook air har 8 GB/16 GB RAM -konfigurasjon med 256 GB/5126 GB lagringskapasitet. 8 GB minne er nok, men jeg vil anbefale å gå med 16 GB. Lagring avhenger av din personlige preferanse, og å ha 256 GB SSD er tilstrekkelig hvis du kjøper en separat harddisk.
Fordeler:
- UNIX -lignende miljø
- M1 -brikke
- Utmerket batterilevetid
Ulemper:
- Støtter ikke CUDA -kjerneapplikasjoner
Å ha ingen CUDA -kjernestøtte kan være en stor skuffelse, men det betyr ikke at MacBook air ikke burde stå på listen din. Den kan fortsatt håndtere en stor prosentandel av datavitenskapelige prosjekter. Men hvis du vil ha støtte for parallell prosessering, kan du gå for 16 tommer MacBook pro.
4. Acer Swift 3:
Nok en budsjettvennlig enhet med enestående spesifikasjoner. Dette er mitt andre sterkt anbefalte valg. Swift 3 er installert med AMD Ryzen 7 4700U, 8 -kjerners prosessorenhet integrert med Radeon -grafikk. Et godt valg for enhver datavitenskapsmann med kostnadseffektivitet.
Swift 3 er en tynn, lett MacBook-inspirert design som kommer med 8 GB RAM og en SSD på 512 GB. Full HD LED -skjerm, HD -webkamera og bakgrunnsbelyst tastatur utfyller maskinen.
Fordeler:
- Rimelig
- Slank design
- Svært bærbar
- God batterilevetid
Ulemper:
- Minnet kan ikke oppgraderes
- Gjennomsnittlig visning
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 er et annet valg for en datavitenskapsmann. Maskinen har forskjellige varianter. Den anbefalte spesifikasjonen er tiende generasjons Intel Core i5 med integrert med Intels UHD 620-grafikk.
ThinkPad E15 kommer med 16 GB RAM, noe som er enestående for datavitenskaprelaterte oppgaver. I likhet med HP Envy ThinkPad kommer den ikke med ekstra lagringsplass, så hvis du trenger lagring, må du kjøpe den separat. 15,6-tommers skjerm er anstendig med et antirefleksbelegg. I tillegg kan du også koble til en ekstern skjerm med 4k oppløsning via HDMI eller USB Type C.
Fordeler:
- Oppgraderbar lagring
- Robust kropp
Ulemper:
- Blir skikkelig varm under belastning
- Kort batterilevetid
Konklusjon:
Datavitenskap er et stort og mangfoldig felt, og som datavitenskapsmann er jobben din å effektivt administrere dataene. Etter hvert som data vokser, må maskinvaren også organisere en enorm mengde data, og det krever også oppgradering. I denne oppgaven fokuserte vi på å gi en kort guide om bærbare datamaskiner du bør vurdere for datavitenskaprelaterte oppgaver.
Dataanalyse krever flerkjernede prosessorer og GPUer med god mengde minne. Jeg vil anbefale å gå med den siste generasjonen CPUer, spesielt octa-core og GPUer hvis du har å gjøre med dyp læring. Likevel øker det å ha en god GPU den kollektive ytelsen.