Data Science är en studie av data; den inkluderar registrering, lagring och analys av data för att extrahera användbar information från den. Tillämpningen av datavetenskap är mångsidig eftersom den är ett stort område och omfattar många underfält. Det används inom bank, detaljhandel, e-handel, underhållning, internetsökning, taligenkänning, etc.
Som datavetenskapare måste du samla in data, bearbeta den, modellera den och sedan tillämpa olika algoritmer för att ta användbara beslut och sätta upp mål för förbättringar. Alla dessa behöver en kraftfull maskin och om din maskin inte är bra på att krossa siffror, kommer din klient att lida och därmed din karriär som datavetare. Därför är en anständig bärbar dator extremt viktig för din datavetenskapliga resa.
Denna text fokuserar på att ge dig en guide för att köpa en bärbar dator för dataanalys. Men innan vi dyker in i listan över våra val måste vi förstå vilken typ av maskin en datavetenskapare behöver först.
Specifikation för en datavetenskaplig bärbar dator
Innan du tar en bärbar dator för datavetenskap är det få saker att ta hänsyn till, och först kommer RAM:
1. Minne (RAM)
Minne är mycket viktigt för en datavetenskaplig bärbar dator. Ju mer är alltid bättre. Det rekommenderade minnet är 16 GB. Men om ditt arbete är molnbaserat, är en enorm minnesmodul obetydlig. Att ha en bärbar dator med ett utökbart minnesalternativ skulle vara ett plus.
2. Processor (CPU)
Tja, dataanalys kräver mycket beräkningskraft, så föredra det senaste och en flerkärnig processor för att dra full nytta av parallellbehandling. Om du använder AWS eller andra molnbaserade tjänster är det mindre viktigt att ha en bra processor, men jag skulle fortfarande rekommendera att ha en bra processor eftersom de inte längre är dyra.
3. Grafikkort (GPU):
Inom datavetenskap är många operationer beroende av GPU: er, till exempel utbildning av modellen. Behovet av en GPU beror också på vilken typ av datavetenskaplig uppgift. Om du gör djupinlärning eller hanterar en stor mängd data måste du ha ett grafikkort för att påskynda behandlingen. En GPU har många kärnor jämfört med en vanlig CPU, så att ha en GPU kommer att påskynda dataanalysprocessen många gånger.
4. Förvaring:
Data tar mycket lagring så det är bättre att ha en bra lagringsenhet. SSD är ett perfekt val eftersom de är ganska snabba. Men de är super dyra samtidigt. Så om du har lite budget, räcker det med en liten SSD på 512 GB, tillsammans med en vanlig hårddisk för lagring. Se till att din bärbara dator har en USB Type C -port för snabbare dataöverföring.
5. Operativsystem:
Operativsystemet är ditt personliga val. Det är bättre att använda bärbara datorer som stöder Linux. Jag skulle rekommendera macOS eller någon Linux -distribution. Windows kan också vara ett bra val, men det behöver många extrafunktioner att göra innan du konfigurerar allt.
Det är uppenbart att vanliga maskiner inte är lämpliga för datavetenskapliga projekt. Du behöver en kraftfull maskin med tillräckligt minne och ett par robusta CPU- och GPU -enheter med tillräckligt med lagringsutrymme för att arbeta effektivt. Låt oss ta en titt på en bärbar dator som passar bäst för datavetenskapsprojekt:
1. Dell G5:
Det första valet är Dell G5 som levereras med tionde generationens Intel Core i7 -processor med 6 kärnor och drivs av NVIDIA GeForce GTX 1650 Ti -grafikkort. Om du är en professionell datavetenskapare och arbetar med modellering eller djupinlärning, kommer den här bärbara datorn att hantera allt ganska effektivt. Det är en Windows-baserad bärbar dator som har olika lagringskapacitet. Jag skulle rekommendera att gå med 16 GB minne och 512 GB SSD.
G5 levereras med 51 wattimmars 3-cellars batteri och en rad portar inklusive en SD-kortläsare och 1 USB Type C-port. Även om displayen inte har något att göra med datavetenskap, är det ett plus att ha en bra. G5 har 15,6 tum, full HD, LED-skärm med antireflexbeläggning.
Fördelar:
- En välbalanserad maskin
- Solid prestanda
- Vackra utseende
Nackdelar:
- Bullriga kylning
- Lite rejält
2. HP Envy 17t:
HP Envy 17, inte det bästa men ett bra val bland de senaste bärbara datorerna för datavetenskapliga projekt. Den installerade processorenheten är Intel Core i7 och ett dedikerat NVIDIA GeForce MX330 -grafikkort. Processorn har 4 kärnor men närvaron av ett grafikkort förbättrar dess totala prestanda. Envy 17 kan effektivt hantera de flesta datavetenskaprelaterade uppgifterna.
Den levereras med 16 GB RAM och dubbla lagringsalternativ, vilket är anmärkningsvärt. Envy 17t har en SSD på 256 GB med en hårddisk på 1 TB. Den 17,3 tum stora 4K -skärmen är mer än tillräckligt för en datavetare. Du får också 3 USB Type-A-portar, 1 USB Type C, HDMI-port och en SD-kortplats.
Fördelar:
- Snygg design
- Bekvämt tangentbord
- 4k display
- Bra värmehantering
Nackdelar:
- Medelmåttig batteritid
- Lite dyrt
3. Macbook Air:
Jag rekommenderar starkt att ha en macOS -miljö för datavetenskap. Det finns flera relevanta orsaker som den UNIX-liknande miljön och det senaste M1-chipet. M1 är ett ganska effektivt chip eftersom det har 8 kärnor och fungerar mycket bättre än de senaste AMD- eller Intel -processorerna. M1 är speciellt utformad för att öka maskininlärning.
De senaste modellerna av MacBook air har 8 GB/16 GB RAM -konfiguration med 256 GB/5126 GB lagringskapacitet. Det räcker med 8 GB minne, men jag rekommenderar att du använder 16 GB. Lagring beror på din personliga preferens, och att ha 256 GB SSD är tillräckligt om du köper en separat hårddisk.
Fördelar:
- UNIX -liknande miljö
- M1 -chip
- Utmärkt batteritid
Nackdelar:
- Stöder inte CUDA -kärnprogram
Att inte ha något CUDA -kärnstöd kan vara en stor besvikelse, men det betyder inte att MacBook air inte borde finnas på din lista. Det kan fortfarande hantera en stor andel datavetenskapliga projekt. Men om du vill ha stöd för parallellbearbetning, gå till 16 -tums MacBook pro.
4. Acer Swift 3:
En annan budgetvänlig enhet med enastående specifikationer. Detta är mitt andra rekommenderade val. Swift 3 är installerat med AMD Ryzen 7 4700U, 8 -kärnig processorenhet integrerad med Radeon -grafik. Ett gott val för alla datavetare med kostnadseffektivitet.
Swift 3 är en tunn, lätt MacBook-inspirerad design som levereras med 8 GB RAM och en SSD på 512 GB. Full HD LED -skärm, HD -webbkamera och bakgrundsbelyst tangentbord kompletterar maskinen.
Fördelar:
- Prisvärd
- Snygg design
- Mycket bärbar
- Bra batteritid
Nackdelar:
- Minnet kan inte uppgraderas
- Genomsnittlig display
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 är ett annat val för en datavetare. Maskinen har olika varianter. Den rekommenderade specifikationen är tionde generationens Intel Core i5 med integrerad med Intels UHD 620-grafik.
ThinkPad E15 levereras med 16 GB RAM, vilket är enastående för datavetenskaprelaterade uppgifter. Precis som HP Envy ThinkPad kommer den inte med extra lagringsutrymme, så om du behöver lagring måste du köpa den separat. 15,6-tumsskärmen är anständig med en antireflexbeläggning. Dessutom kan du också ansluta en extern bildskärm med 4K -upplösning via HDMI eller USB Type C.
Fördelar:
- Uppgraderingsbar lagring
- Robust kropp
Nackdelar:
- Blir riktigt varm under belastning
- Kort batteritid
Slutsats:
Datavetenskap är ett stort och mångsidigt område, och som datavetenskapare är ditt jobb att effektivt hantera data. När data växer måste hårdvaran också organisera en enorm mängd data, det kräver också uppgraderingsbarhet. I detta upplägg fokuserade vi på att ge en kort guide om bärbara datorer som du bör överväga för datavetenskap-relaterade uppgifter.
Dataanalys kräver flerkärniga processorer och GPU: er med bra minne. Jag skulle rekommendera att gå med den senaste generationens processorer, särskilt octa-core och GPU: er om du har att göra med djupinlärning. Men att ha en bra GPU ökar kollektiv prestanda.