Datu zinātne ir datu izpēte; tas ietver datu ierakstīšanu, uzglabāšanu un analīzi, lai no tiem iegūtu noderīgu informāciju. Datu zinātnes pielietojums ir daudzveidīgs, jo tas ir plašs lauks un ietver daudzas apakšnozares. To izmanto banku, mazumtirdzniecības, e-komercijas, izklaides, interneta meklēšanas, runas atpazīšanas u.c.
Kā datu zinātniekam jums ir jāapkopo dati, tie jāapstrādā, jāmodelē un pēc tam jāpiemēro dažādi algoritmi, lai pieņemtu noderīgus lēmumus un izvirzītu uzlabojumu mērķus. Tam visam ir nepieciešama jaudīga mašīna, un, ja jūsu mašīna nespēj saspiest skaitļus, tad cietīs jūsu klients un līdz ar to arī jūsu datu zinātnieka karjera. Tādējādi pienācīgs klēpjdators ir ārkārtīgi svarīgs jūsu datu zinātnes braucienam.
Šis raksts ir vērsts uz to, lai sniegtu jums rokasgrāmatu par klēpjdatora iegādi datu analīzei. Bet, pirms iedziļināties mūsu izvēlēto lietu sarakstā, mums ir jāsaprot, kāda veida mašīna datu zinātniekam vispirms ir nepieciešama.
Datu zinātnes klēpjdatora specifikācija
Pirms klēpjdatora izmantošanas datu zinātnē, jāņem vērā dažas lietas, un vispirms ir RAM:
1. Atmiņa (RAM)
Atmiņa ir ļoti svarīga datu zinātnieka klēpjdatoram. Jo vairāk vienmēr ir labāk. Ieteicamā atmiņa ir 16 GB. Bet, ja jūsu darbs ir balstīts uz mākoņiem, tad milzīgs atmiņas modulis ir nenozīmīgs. Priekšrocība būtu klēpjdators ar paplašināmu atmiņas iespēju.
2. Procesors (CPU)
Datu analīzei ir nepieciešama liela skaitļošanas jauda, tāpēc dodiet priekšroku jaunākajam un daudzkodolu procesoram, lai pilnībā izmantotu paralēlās apstrādes priekšrocības. Ja jūs izmantojat AWS vai citus mākoņpakalpojumus, tad laba procesora iegūšanai būs mazāka nozīme, taču es tomēr ieteiktu jums labu procesoru, jo tie vairs nav dārgi.
3. Grafikas karte (GPU):
Datu zinātnē daudzas darbības ir atkarīgas no GPU, piemēram, modeļa apmācība. GPU nepieciešamība ir atkarīga arī no datu zinātnes uzdevuma veida. Ja jūs veicat dziļu mācīšanos vai apstrādājat lielu datu apjomu, tad, lai paātrinātu apstrādi, jums ir nepieciešama grafiskā karte. GPU ir daudz kodolu, salīdzinot ar parasto centrālo procesoru, tāpēc GPU izmantošana paātrinās datu analīzes procesu daudzkārt.
4. Uzglabāšana:
Dati aizņem daudz vietas, tāpēc labāk, ja ir laba atmiņas ierīce. SSD ir lieliska izvēle, jo tie ir diezgan ātri. Bet tie ir ļoti dārgi vienlaikus. Tātad, ja jums ir ierobežots budžets, pietiek ar nelielu 512 GB SSD disku, kā arī parastu cieto disku uzglabāšanai. Pārliecinieties, vai jūsu klēpjdatoram ir C tipa USB ports, lai ātrāk pārsūtītu datus.
5. Operētājsistēma:
Operētājsistēma ir jūsu personīgā izvēle. Labāk ir izmantot klēpjdatorus, kas atbalsta Linux. Es ieteiktu macOS vai jebkuru Linux izplatīšanu. Arī Windows var būt laba izvēle, taču pirms visu iestatīšanas tam ir jāveic daudz papildu.
Ir skaidrs, ka parastās mašīnas nav piemērotas datu zinātnes projektiem. Lai strādātu efektīvi, jums ir nepieciešama jaudīga mašīna ar atbilstošu atmiņu un pāris izturīgas CPU un GPU vienības ar pietiekamu krātuves vietu. Apskatīsim dažus klēpjdatorus, kas vislabāk atbilst datu zinātnes projektiem:
1. Dell G5:
Pirmais ir Dell G5, kuram ir desmitās paaudzes Intel Core i7 centrālais procesors ar 6 kodoliem un kuru darbina NVIDIA GeForce GTX 1650 Ti grafiskā karte. Ja esat profesionāls datu zinātnieks un strādājat pie modelēšanas vai dziļas mācīšanās, tad šis klēpjdators ar visu tiks galā diezgan efektīvi. Tas ir uz Windows balstīts klēpjdators, kuram ir dažādas atmiņas ietilpības. Es ieteiktu izmantot 16 GB atmiņu un 512 GB SSD.
G5 ir aprīkots ar 51 vatstundu 3 šūnu akumulatoru un virkni portu, ieskaitot SD karšu lasītāju un 1 C tipa USB portu. Lai gan displejam nav nekāda sakara ar datu zinātni, labas kvalitātes iegūšana ir plus. G5 ir 15,6 collu, Full HD, LED displejs ar pretatspīduma pārklājumu.
Plusi:
- Labi līdzsvarota mašīna
- Ciets sniegums
- Skaisti izskatās
Mīnusi:
- Trokšņaina dzesēšana
- Nedaudz dūšīgs
2. HP Envy 17t:
HP Envy 17 nav labākā, bet laba izvēle starp jaunākajiem klēpjdatoriem datu zinātnes projektiem. Instalētā apstrādes vienība ir Intel Core i7 un īpaša NVIDIA GeForce MX330 grafiskā karte. Procesoram ir 4 kodoli, taču grafiskās kartes klātbūtne uzlabo tā vispārējo veiktspēju. Envy 17 var efektīvi tikt galā ar lielāko daļu ar datu zinātni saistīto uzdevumu.
Tam ir 16 GB RAM un divkārša atmiņas iespēja, kas ir ievērojama. Envy 17t ir 256 GB SSD ar 1 TB cieto disku. 17,3 collu 4k displejs ir vairāk nekā pietiekams datu zinātniekam. Jūs saņemat arī 3 A tipa USB portus, 1 C tipa USB, HDMI portu un SD kartes slotu.
Plusi:
- Gluda izskata dizains
- Ērta tastatūra
- 4k displejs
- Laba siltuma vadība
Mīnusi:
- Vidējs akumulatora darbības laiks
- Nedaudz dārgi
3. Macbook Air:
Es ļoti ieteiktu izveidot MacOS vidi datu zinātnei. Ir vairāki būtiski iemesli, piemēram, UNIX līdzīga vide un jaunākā M1 mikroshēma. M1 ir diezgan efektīva mikroshēma, jo tai ir 8 kodoli un tā darbojas daudz labāk nekā jaunākie AMD vai Intel procesori. M1 ir īpaši izstrādāts, lai veicinātu mašīnmācīšanos.
Jaunākajiem MacBook air modeļiem ir 8 GB/16 GB RAM konfigurācija ar 256 GB/5126 GB atmiņas ietilpību. Pietiek ar 8 GB atmiņu, bet es ieteiktu izmantot 16 GB. Krātuve ir atkarīga no jūsu personīgajām vēlmēm, un, pērkot atsevišķu cieto disku, pietiek ar 256 GB SSD.
Plusi:
- UNIX līdzīga vide
- M1 mikroshēma
- Lielisks akumulatora darbības laiks
Mīnusi:
- Neatbalsta CUDA pamatprogrammas
CUDA pamata atbalsta trūkums var būt milzīga vilšanās, taču tas nenozīmē, ka MacBook air nevajadzētu iekļaut jūsu sarakstā. Tā joprojām var apstrādāt lielu daļu datu zinātnes projektu. Bet, ja vēlaties atbalstu paralēlai apstrādei, dodieties uz 16 collu MacBook Pro.
4. Acer Swift 3:
Vēl viena budžetam draudzīga ierīce ar izcilām specifikācijām. Šī ir mana otrā ļoti ieteicamā izvēle. Swift 3 ir instalēts ar AMD Ryzen 7 4700U, 8 kodolu procesoru, kas integrēts ar Radeon grafiku. Plaša izvēle jebkuram datu zinātniekam ar rentabilitāti.
Swift 3 ir plāns, viegls MacBook iedvesmots dizains, kuram ir 8 GB RAM un 512 GB SSD. Iekārtu papildina Full HD LED displejs, HD tīmekļa kamera un tastatūra ar aizmugurgaismojumu.
Plusi:
- Pieejams
- Gluds dizains
- Ļoti pārnēsājams
- Labs akumulatora darbības laiks
Mīnusi:
- Atmiņu nevar uzlabot
- Vidējais displejs
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 ir vēl viena izvēle datu zinātniekam. Mašīnai ir dažādi varianti. Ieteicamā specifikācija ir desmitās paaudzes Intel Core i5 ar integrētu Intel UHD 620 grafiku.
ThinkPad E15 ir aprīkots ar 16 GB RAM, kas ir ārkārtīgi piemērots ar datu zinātni saistītiem uzdevumiem. Tāpat kā HP Envy ThinkPad, tam nav papildu krātuves, tādēļ, ja jums ir nepieciešama krātuve, tā ir jāiegādājas atsevišķi. 15,6 collu displejs ir pienācīgs ar pretatspīduma pārklājumu. Turklāt, izmantojot HDMI vai USB C tipu, varat pievienot arī 4k izšķirtspējas ārējo monitoru.
Plusi:
- Uzlabojama krātuve
- Izturīgs korpuss
Mīnusi:
- Pie slodzes kļūst patiešām karsts
- Īss akumulatora darbības laiks
Secinājums:
Datu zinātne ir plaša un daudzveidīga joma, un kā datu zinātnieks jūsu uzdevums ir efektīvi pārvaldīt datus. Tā kā dati pieaug, aparatūrai ir jāorganizē arī milzīgs datu apjoms, tā prasa arī jaunināmību. Šajā rakstā mēs centāmies sniegt īsu ceļvedi par klēpjdatoriem, kas jums jāņem vērā, veicot ar datu zinātni saistītus uzdevumus.
Datu analīzei nepieciešami daudzkodolu procesori un GPU ar lielu atmiņas apjomu. Es ieteiktu izmantot jaunākās paaudzes CPU, jo īpaši astoņkodolu un GPU, ja nodarbojaties ar dziļu mācīšanos. Neskatoties uz to, labs GPU uzlabo kolektīvo sniegumu.