Η Επιστήμη των Δεδομένων είναι μια μελέτη δεδομένων. περιλαμβάνει την καταγραφή, την αποθήκευση και την ανάλυση δεδομένων για την εξαγωγή χρήσιμων πληροφοριών από αυτά. Η εφαρμογή της επιστήμης δεδομένων είναι ποικίλη αφού είναι ένα τεράστιο πεδίο και περιλαμβάνει πολλά υποπεδία. Χρησιμοποιείται στην τραπεζική, τη λιανική, το ηλεκτρονικό εμπόριο, την ψυχαγωγία, την αναζήτηση στο διαδίκτυο, την αναγνώριση ομιλίας κ.λπ.
Ως επιστήμονας δεδομένων, πρέπει να συλλέξετε δεδομένα, να τα επεξεργαστείτε, να τα μοντελοποιήσετε και στη συνέχεια να εφαρμόσετε διαφορετικούς αλγόριθμους για να λάβετε χρήσιμες αποφάσεις και να θέσετε στόχους για βελτιώσεις. Όλα αυτά χρειάζονται ένα ισχυρό μηχάνημα και εάν το μηχάνημά σας δεν είναι καλό να τσακίζει τους αριθμούς, τότε ο πελάτης σας θα υποφέρει, και κατά συνέπεια η καριέρα σας ως επιστήμονας δεδομένων. Επομένως, ένας αξιοπρεπής φορητός υπολογιστής είναι εξαιρετικά απαραίτητος για το ταξίδι επιστήμης δεδομένων σας.
Αυτή η σύνταξη εστιάζει στο να σας δώσει έναν οδηγό για την αγορά ενός φορητού υπολογιστή για ανάλυση δεδομένων. Αλλά προτού καταδυθούμε στη λίστα των επιλογών μας, πρέπει να καταλάβουμε τι είδους μηχανή χρειάζεται πρώτα ένας επιστήμονας δεδομένων.
Προδιαγραφές για φορητό υπολογιστή επιστήμης δεδομένων
Πριν πάρετε έναν φορητό υπολογιστή για επιστήμη δεδομένων, υπάρχουν μερικά πράγματα που πρέπει να ληφθούν υπόψη και πρώτα έρχεται η RAM:
1. Μνήμη (RAM)
Η μνήμη είναι πολύ σημαντική για ένα φορητό υπολογιστή με επιστήμονα δεδομένων. Τα περισσότερα είναι πάντα καλύτερα. Η συνιστώμενη μνήμη είναι 16 GB. Αλλά αν η εργασία σας βασίζεται στο σύννεφο, τότε μια τεράστια μονάδα μνήμης είναι ασήμαντη. Η ύπαρξη φορητού υπολογιστή με δυνατότητα επέκτασης μνήμης θα ήταν ένα πλεονέκτημα.
2. Επεξεργαστής (CPU)
Λοιπόν, η ανάλυση δεδομένων χρειάζεται πολλή υπολογιστική ισχύ, οπότε προτιμήστε τον πιο πρόσφατο και έναν πολυπύρηνο επεξεργαστή για να επωφεληθείτε πλήρως από την παράλληλη επεξεργασία. Εάν χρησιμοποιείτε AWS ή άλλες υπηρεσίες που βασίζονται σε σύννεφο, τότε το να έχετε έναν καλό επεξεργαστή θα έχει μικρότερη σημασία, αλλά θα συνιστούσα να έχετε έναν καλό επεξεργαστή καθώς δεν είναι πλέον ακριβοί.
3. Κάρτα γραφικών (GPU):
Στην επιστήμη των δεδομένων, πολλές λειτουργίες εξαρτώνται από GPU, όπως η εκπαίδευση του μοντέλου. Η ανάγκη για GPU εξαρτάται επίσης από τον τύπο της εργασίας επιστήμης δεδομένων. Εάν μαθαίνετε βαθιά ή χειρίζεστε μεγάλο όγκο δεδομένων, τότε πρέπει να χρειαστείτε μια κάρτα γραφικών για να επιταχύνετε την επεξεργασία. Μια GPU έχει πολλούς πυρήνες σε σύγκριση με μια κανονική CPU, οπότε η ύπαρξη μιας GPU θα επιταχύνει τη διαδικασία ανάλυσης δεδομένων κατά πολλές πτυχές.
4. Αποθήκευση:
Τα δεδομένα απαιτούν πολύ χώρο αποθήκευσης, οπότε είναι καλύτερο να έχετε μια καλή συσκευή αποθήκευσης. Οι SSD είναι μια τέλεια επιλογή καθώς είναι αρκετά γρήγοροι. Αλλά είναι πολύ ακριβά ταυτόχρονα. Έτσι, αν είστε περιορισμένοι στον προϋπολογισμό, τότε αρκεί να έχετε έναν μικρό SSD 512 GB, μαζί με έναν κανονικό σκληρό δίσκο για αποθήκευση. Βεβαιωθείτε ότι ο φορητός υπολογιστής σας διαθέτει θύρα USB Type C για ταχύτερη μεταφορά δεδομένων.
5. Λειτουργικό σύστημα:
Το λειτουργικό σύστημα είναι προσωπική σας επιλογή. Είναι καλύτερα να πάτε με φορητούς υπολογιστές που υποστηρίζουν Linux. Θα συνιστούσα macOS ή οποιαδήποτε διανομή Linux. Τα Windows μπορούν επίσης να είναι μια καλή επιλογή, αλλά χρειάζονται πολλά πρόσθετα για να κάνετε πριν ρυθμίσετε τα πάντα.
Είναι προφανές ότι τα συνηθισμένα μηχανήματα δεν είναι κατάλληλα για έργα επιστήμης δεδομένων. Χρειάζεστε ένα ισχυρό μηχάνημα με επαρκή μνήμη και ένα ζεύγος ισχυρών μονάδων CPU και GPU με επαρκή χώρο αποθήκευσης για να λειτουργείτε αποτελεσματικά. Ας ρίξουμε μια ματιά σε κάποιο φορητό υπολογιστή που ταιριάζει καλύτερα σε έργα επιστήμης δεδομένων:
1. Dell G5:
Η πρώτη επιλογή είναι η Dell G5 που έρχεται με τη δέκατη γενιά επεξεργαστή Intel Core i7 με 6 πυρήνες και τροφοδοτείται από κάρτα γραφικών NVIDIA GeForce GTX 1650 Ti. Εάν είστε επαγγελματίας επιστήμονας δεδομένων και εργάζεστε σε μοντέλα ή βαθιά μάθηση, τότε αυτός ο φορητός υπολογιστής θα χειριστεί τα πάντα αρκετά αποτελεσματικά. Είναι ένας φορητός υπολογιστής που βασίζεται στα Windows και διαθέτει διάφορες δυνατότητες αποθήκευσης. Θα συνιστούσα να πάτε με 16 GB μνήμης και 512 GB SSD.
Το G5 έρχεται με μπαταρία 3 κυψελών 51 watt-ώρες και μια σειρά θυρών, συμπεριλαμβανομένου ενός προγράμματος ανάγνωσης καρτών SD και 1 θύρας USB Type C. Παρόλο που η οθόνη δεν έχει καμία σχέση με την επιστήμη δεδομένων, το να έχεις μια καλή είναι ένα πλεονέκτημα. Το G5 διαθέτει οθόνη 15,6 ιντσών, Full HD, LED με αντιθαμβωτική επίστρωση.
Πλεονεκτήματα:
- Ένα καλά ισορροπημένο μηχάνημα
- Στερεά απόδοση
- Όμορφες εμφανίσεις
Μειονεκτήματα:
- Θορυβώδης ψύξη
- Λίγο βαρύ
2. HP Envy 17t:
Το HP Envy 17, δεν είναι το καλύτερο, αλλά μια καλή επιλογή μεταξύ των πιο πρόσφατων φορητών υπολογιστών για έργα επιστήμης δεδομένων. Η εγκατεστημένη μονάδα επεξεργασίας είναι Intel Core i7 και μια ειδική κάρτα γραφικών NVIDIA GeForce MX330. Ο επεξεργαστής έχει 4 πυρήνες αλλά η παρουσία μιας κάρτας γραφικών ενισχύει τη συνολική του απόδοση. Το Envy 17 μπορεί να χειριστεί αποτελεσματικά τις περισσότερες εργασίες που σχετίζονται με την επιστήμη των δεδομένων.
Έρχεται με 16 GB μνήμης RAM και δυνατότητα διπλής αποθήκευσης, κάτι που είναι αξιοσημείωτο. Το Envy 17t διαθέτει SSD 256 GB με σκληρό δίσκο 1 TB. Η οθόνη 17,3 ιντσών, 4k είναι υπεραρκετή για έναν επιστήμονα δεδομένων. Παίρνετε επίσης 3 θύρες USB Type-A, 1 USB Type C, θύρα HDMI και υποδοχή κάρτας SD.
Πλεονεκτήματα:
- Κομψό σχέδιο
- Άνετο πληκτρολόγιο
- 4k οθόνη
- Καλή θερμική διαχείριση
Μειονεκτήματα:
- Μέτρια διάρκεια ζωής της μπαταρίας
- Λίγο ακριβό
3. Macbook Air:
Θα συνιστούσα ιδιαίτερα να έχετε ένα περιβάλλον macOS για την επιστήμη των δεδομένων. Υπάρχουν πολλοί σχετικοί λόγοι, όπως το περιβάλλον που μοιάζει με UNIX και το τελευταίο τσιπ M1. Το M1 είναι ένα αρκετά αποτελεσματικό τσιπ καθώς έχει 8 πυρήνες και αποδίδει πολύ καλύτερα από τους τελευταίους επεξεργαστές AMD ή Intel. Το M1 έχει σχεδιαστεί ειδικά για την ενίσχυση της μηχανικής μάθησης.
Τα τελευταία μοντέλα MacBook air έρχονται με διαμόρφωση RAM 8 GB/16 GB με χωρητικότητα αποθήκευσης 256 GB/5126 GB. Μνήμη 8 GB είναι αρκετή, αλλά θα συνιστούσα να πάτε με 16 GB. Ο αποθηκευτικός χώρος εξαρτάται από τις προσωπικές σας προτιμήσεις και το να έχετε 256 GB SSD είναι επαρκές εάν αγοράζετε ξεχωριστό σκληρό δίσκο.
Πλεονεκτήματα:
- Περιβάλλον σαν το UNIX
- Τσιπ Μ1
- Εξαιρετική διάρκεια ζωής της μπαταρίας
Μειονεκτήματα:
- Δεν υποστηρίζει βασικές εφαρμογές CUDA
Η έλλειψη βασικής υποστήριξης CUDA θα μπορούσε να είναι μια τεράστια απογοήτευση, αλλά αυτό δεν σημαίνει ότι το MacBook air δεν πρέπει να είναι στη λίστα σας. Μπορεί ακόμα να χειριστεί ένα μεγάλο ποσοστό έργων επιστήμης δεδομένων. Αλλά αν θέλετε παράλληλη υποστήριξη επεξεργασίας, τότε επιλέξτε MacBook pro 16 ιντσών.
4. Acer Swift 3:
Μια άλλη συσκευή φιλική προς τον προϋπολογισμό με εξαιρετικές προδιαγραφές. Αυτή είναι η δεύτερη ιδιαίτερα προτεινόμενη επιλογή μου. Το Swift 3 είναι εγκατεστημένο με AMD Ryzen 7 4700U, μονάδα επεξεργασίας 8 πυρήνων ενσωματωμένη με γραφικά Radeon. Μια άφθονη επιλογή για κάθε επιστήμονα δεδομένων με οικονομική αποδοτικότητα.
Το Swift 3 είναι ένα λεπτό, ελαφρύ σχέδιο εμπνευσμένο από MacBook που έρχεται με 8 GB RAM και SSD 512 GB. Οθόνη LED Full HD, κάμερα web HD και πληκτρολόγιο με οπίσθιο φωτισμό συμπληρώνουν το μηχάνημα.
Πλεονεκτήματα:
- Προμηθευτός
- Κομψός σχεδιασμός
- Πολύ φορητό
- Καλή διάρκεια ζωής της μπαταρίας
Μειονεκτήματα:
- Η μνήμη δεν μπορεί να αναβαθμιστεί
- Μέση οθόνη
5. Lenovo ThinkPad E15:
Το Lenovo ThinkPad E15 είναι μια άλλη επιλογή για επιστήμονα δεδομένων. Το μηχάνημα έχει διαφορετικές παραλλαγές. Η προτεινόμενη προδιαγραφή είναι η Intel Core i5 της δέκατης γενιάς με ενσωματωμένο στα γραφικά της Intel UHD 620.
Το ThinkPad E15 έρχεται με μνήμη RAM 16 GB, η οποία είναι εξαιρετική για εργασίες που σχετίζονται με την επιστήμη των δεδομένων. Όπως το HP Envy ThinkPad, δεν συνοδεύεται από επιπλέον αποθηκευτικό χώρο, οπότε αν χρειάζεστε χώρο αποθήκευσης, πρέπει να το αγοράσετε ξεχωριστά. Η οθόνη 15,6 ιντσών είναι αξιοπρεπής με αντιθαμβωτική επίστρωση. Επιπλέον, μπορείτε επίσης να συνδέσετε μια εξωτερική οθόνη ανάλυσης 4k μέσω HDMI ή USB Type C.
Πλεονεκτήματα:
- Αποθηκευτικός χώρος με δυνατότητα αναβάθμισης
- Στιβαρό σώμα
Μειονεκτήματα:
- Ζεσταίνεται πολύ κάτω από το φορτίο
- Μικρή διάρκεια ζωής της μπαταρίας
Συμπέρασμα:
Η επιστήμη δεδομένων είναι ένας τεράστιος και ποικίλος τομέας και ως επιστήμονας δεδομένων, η δουλειά σας είναι να διαχειρίζεστε αποτελεσματικά τα δεδομένα. Καθώς τα δεδομένα αυξάνονται, το υλικό χρειάζεται επίσης να οργανώσει τεράστιο όγκο δεδομένων, απαιτεί επίσης αναβαθμίσεις. Σε αυτό το άρθρο, εστιάσαμε να δώσουμε έναν σύντομο οδηγό σχετικά με τους φορητούς υπολογιστές που πρέπει να λάβετε υπόψη για εργασίες που σχετίζονται με την επιστήμη των δεδομένων.
Η ανάλυση δεδομένων απαιτεί επεξεργαστές πολλαπλών πυρήνων και GPU με καλή ποσότητα μνήμης. Θα συνιστούσα να χρησιμοποιείτε CPU τελευταίας γενιάς, ειδικά οκταπύρηνους και GPU, εάν ασχολείστε με βαθιά μάθηση. Παρ 'όλα αυτά, η καλή GPU ενισχύει τη συλλογική απόδοση.