Laptop para big data
Laptop para big data online
el mejor portátil para el aprendizaje automático 2021
Si estás aprendiendo Ciencia de Datos y Aprendizaje Automático, definitivamente necesitas un portátil. Esto se debe a que necesitas escribir y ejecutar tu propio código para obtener experiencia práctica. Si además consideras la portabilidad, el portátil es la mejor opción en lugar de un ordenador de sobremesa.
Un portátil tradicional puede no ser perfecto para tus tareas de ciencia de datos y aprendizaje automático. Tienes que considerar cuidadosamente las especificaciones del portátil para elegir el más adecuado. Si estás buscando comprar un portátil para tareas de ciencia de datos y aprendizaje automático, ¡este post es para ti! Aquí, voy a discutir 20 requisitos necesarios de un portátil perfecto para la ciencia de los datos y las tareas de aprendizaje automático.
Considera siempre la posibilidad de comprar procesadores de última generación. Ya están disponibles los procesadores Intel de 11ª generación y los procesadores AMD de 5ª generación (serie 5000). Los procesadores Intel de 8ª Generación, Intel de 10ª Generación y AMD de 3ª Generación (Serie 3000), AMD de 4ª Generación (Serie 4000) son otras opciones que puedes considerar. Sin embargo, la potencia de procesamiento, la nueva compatibilidad de hardware, la eficiencia energética y la gestión térmica aumentan drásticamente con los procesadores de nueva generación.
ordenador para el aprendizaje automático
La elección de un ordenador portátil para un científico de datos (y para los estudiantes de ciencias de datos) puede resultar complicada, ya que hay que tener en cuenta varios aspectos. A continuación, lo analizaremos en detalle. Sin embargo, antes de continuar, es importante tener en cuenta que la mayoría de las actividades relacionadas con los datos se inician en un servidor remoto y el ordenador actúa principalmente como intermediario.
Dicho esto, las cosas tienden a volverse más turbias en ausencia de conectividad a Internet. Es posible que necesites un sistema operativo con capacidad de respuesta, un procesador más rápido y una buena cantidad de almacenamiento para obtener un rendimiento más equilibrado. Además, si eres un estudiante universitario, realizarás la mayor parte de las tareas en tu propio ordenador (no todas las universidades proporcionan acceso a servidores remotos).
Como científico de datos, probablemente estés familiarizado con aplicaciones y herramientas para analizar conjuntos de datos, bases de datos, etc. Por ejemplo, Tableau para la visualización de datos o Terminal o la conexión del dispositivo con el servidor de datos requiere una potencia de procesamiento muy elevada. También puede utilizar recursos de gestión de SQL como Workbench y herramientas de creación de prototipos como Anaconda para simplificar su trabajo.
macbook pro data science
Por último, si tu trabajo implica la computación en la GPU para la programación paralela (por ejemplo, el uso de la arquitectura NVIDIA CUDA para las optimizaciones de los algoritmos de aprendizaje automático), es obvio que quieres una buena tarjeta gráfica, pero tu atención debe centrarse en el número de núcleos / sombreadores en lugar de vRAM al comprar una.
Así que haremos esto en dos partes: repasaremos las especificaciones que necesitas para el análisis de datos y dejaremos el resto de los detalles para la última sección (marca este post para leer la última sección más tarde si te tomas en serio el análisis de datos).
La experiencia te dirá que la RAM es el factor más importante para la ciencia de datos. A medida que los conjuntos de datos se hacen más grandes, notarás que la RAM es el mayor cuello de botella. Las cosas pueden acelerarse un orden de magnitud cuando todo el procesamiento está en la memoria (RAM) en lugar de la unidad de almacenamiento.
El segundo factor más importante es el almacenamiento. Un SSD económico es 2-3 veces más rápido que un disco duro normal. Los buenos SSD son 4-5 veces más rápidos. Las recientes unidades SSD de tipo NVMe de los últimos portátiles pueden leer/escribir datos hasta x17 veces más rápido.