Data Science és un estudi de dades; inclou enregistrar, emmagatzemar i analitzar dades per extreure’n informació útil. L'aplicació de la ciència de dades és diversa, ja que és un camp extens i engloba molts subcamps. S'utilitza en banca, venda al detall, comerç electrònic, entreteniment, cerca a Internet, reconeixement de veu, etc.
Com a científic de dades, heu de recopilar dades, processar-les, modelar-les i aplicar diferents algoritmes per prendre decisions útils i establir objectius de millora. Tot això necessita una màquina potent i, si la vostra màquina no és capaç d’extreure nombres, el vostre client en patirà i, en conseqüència, la vostra carrera com a científic de dades. Per tant, un portàtil decent és extremadament essencial per al vostre viatge de ciència de dades.
Aquesta redacció se centra a oferir-vos una guia per comprar un ordinador portàtil per a l'anàlisi de dades. Però abans d’endinsar-nos en la llista de les nostres opcions, primer hem d’entendre quin tipus de màquina necessita un científic de dades.
Especificació per a un ordinador portàtil de ciència de dades
Abans d’agafar un ordinador portàtil per a la ciència de dades, hi ha poques coses a tenir en compte i, en primer lloc, apareix la memòria RAM:
1. Memòria (RAM)
La memòria és molt crucial per a un ordinador portàtil científic de dades. El més sempre és millor. La memòria recomanada és de 16 GB. Però si el vostre treball es basa en el núvol, un mòdul de memòria enorme és insignificant. Tenir un ordinador portàtil amb una opció de memòria ampliable seria un avantatge.
2. Processador (CPU)
Bé, l’anàlisi de dades necessita molta potència computacional, així que preferiu el processador més recent i un de múltiples nuclis per aprofitar al màxim el processament en paral·lel. Si utilitzeu AWS o altres serveis basats en el núvol, tindrà menys importància tenir un bon processador, però recomanaria tenir un bon processador, ja que ja no són cars.
3. Targeta gràfica (GPU):
En ciència de dades, moltes operacions depenen de les GPU, com ara la formació del model. La necessitat d'una GPU també depèn del tipus de tasca de ciència de dades. Si esteu fent un aprenentatge profund o manipulant una gran quantitat de dades, haureu de necessitar una targeta gràfica per accelerar el processament. Una GPU té molts nuclis en comparació amb una CPU normal, de manera que tenir una GPU accelerarà el procés d’anàlisi de dades en molts plecs.
4. Emmagatzematge:
Les dades requereixen molt d’emmagatzematge, de manera que és millor tenir un bon dispositiu d’emmagatzematge. Els SSD són una opció perfecta, ja que són bastant ràpids. Però són súper cars al mateix temps. Per tant, si teniu poc pressupost, n’hi ha prou amb tenir un SSD petit de 512 GB, juntament amb un disc dur normal per emmagatzemar-lo. Assegureu-vos que el portàtil tingui un port USB tipus C per a una transferència de dades més ràpida.
5. Sistema operatiu:
El sistema operatiu és la vostra elecció personal. És millor anar amb ordinadors portàtils que admetin Linux. Recomanaria macOS o qualsevol distribució de Linux. Windows també pot ser una bona opció, però necessita molts extres abans de configurar-ho tot.
És evident que les màquines normals no són adequades per a projectes de ciència de dades. Necessiteu una màquina potent amb memòria adequada i un parell d’unitats robustes de CPU i GPU amb espai d’emmagatzematge suficient per funcionar de manera eficient. Vegem alguns ordinadors portàtils més adequats per a projectes de ciència de dades:
1. Dell G5:
La primera opció és Dell G5 que inclou una CPU Intel Core i7 de desena generació amb 6 nuclis i alimentada per la targeta gràfica NVIDIA GeForce GTX 1650 Ti. Si sou un científic de dades professional i esteu treballant en modelització o aprenentatge profund, aquest ordinador portàtil ho gestionarà tot amb força eficàcia. És un ordinador portàtil basat en Windows que inclou diverses capacitats d’emmagatzematge. Recomanaria anar amb 16 GB de memòria i 512 GB de SSD.
El G5 inclou una bateria de 3 cel·les de 51 watts-hora i diversos ports, inclosos un lector de targetes SD i un port USB tipus C. Tot i que la pantalla no té res a veure amb la ciència de dades, tenir-ne una de bona és un avantatge. El G5 té una pantalla LED de 15,6 polzades, Full HD, amb revestiment antireflex.
Pros:
- Una màquina ben equilibrada
- Un rendiment sòlid
- Mirades boniques
Contres:
- Refrigeració sorollosa
- Una mica fort
2. HP Envy 17t:
HP Envy 17, no el millor però una bona opció entre els últims portàtils per a projectes de ciència de dades. La unitat de processament instal·lada és Intel Core i7 i una targeta gràfica dedicada NVIDIA GeForce MX330. El processador té 4 nuclis, però la presència d’una targeta gràfica millora el seu rendiment general. Envy 17 pot gestionar eficaçment la majoria de les tasques relacionades amb la ciència de les dades.
Ve amb 16 GB de RAM i opció d’emmagatzematge dual, cosa que és notable. Envy 17t té un SSD de 256 GB amb un disc dur d’1 TB. La pantalla de 17,3 polzades i 4 k és més que suficient per a un científic de dades. També teniu 3 ports USB tipus A, 1 USB tipus C, port HDMI i una ranura per a targetes SD.
Pros:
- Disseny elegant
- Teclat còmode
- Pantalla de 4 k
- Bona gestió tèrmica
Contres:
- Durada de la bateria mediocre
- Una mica car
3. Macbook Air:
Recomanaria tenir un entorn macOS per a la ciència de dades. Hi ha diverses raons pertinents, com ara l'entorn semblant a UNIX i l'últim xip M1. El M1 és un xip força eficient ja que té 8 nuclis i té un rendiment molt millor que els processadors AMD o Intel més recents. M1 està dissenyat específicament per impulsar l’aprenentatge automàtic.
Els darrers models de MacBook air inclouen 8 GB / 16 GB de configuració de RAM amb capacitats d’emmagatzematge de 256 GB / 5126 GB. La memòria de 8 GB és suficient, però recomanaria anar amb 16 GB. L’emmagatzematge depèn de les vostres preferències personals i tenir 256 GB de SSD és adequat si esteu comprant un disc dur independent.
Pros:
- Ambient UNIX
- Xip M1
- Excel·lent durada de la bateria
Contres:
- No admet les aplicacions bàsiques de CUDA
No tenir cap suport bàsic CUDA podria ser una decepció enorme, però això no vol dir que MacBook Air no estigui a la vostra llista. Encara pot gestionar un gran percentatge de projectes de ciència de dades. Però si voleu assistència al processament en paral·lel, opteu per MacBook pro de 16 polzades.
4. Acer Swift 3:
Un altre dispositiu econòmic amb especificacions excepcionals. Aquesta és la meva segona opció molt recomanable. Swift 3 s’instal·la amb AMD Ryzen 7 4700U, unitat de processament de 8 nuclis integrada amb gràfics Radeon. Una àmplia opció per a qualsevol científic de dades amb rendibilitat.
Swift 3 és un disseny prim i lleuger inspirat en MacBook que inclou 8 GB de RAM i un SSD de 512 GB. La pantalla LED Full HD, la càmera web HD i el teclat retroil·luminat complementen la màquina.
Pros:
- Assequible
- Disseny elegant
- Molt portàtil
- Bona durada de la bateria
Contres:
- La memòria no es pot actualitzar
- Visualització mitjana
5. Lenovo ThinkPad E15:
Lenovo ThinkPad E15 és una altra opció per a un científic de dades. La màquina té diferents variants. L’especificació recomanada és l’Intel Core i5 de desena generació amb gràfics UHD 620 d’Intel.
El ThinkPad E15 inclou 16 GB de RAM, excepcional per a tasques relacionades amb la ciència de dades. Igual que l’HP Envy ThinkPad, no inclou cap emmagatzematge addicional, de manera que si necessiteu emmagatzematge, heu de comprar-lo per separat. La pantalla de 15,6 polzades és decent amb un revestiment anti-enlluernament. A més, també podeu connectar un monitor extern de resolució 4k mitjançant HDMI o USB tipus C.
Pros:
- Emmagatzematge actualitzable
- Cos robust
Contres:
- Es posa molt calent sota càrrega
- Durada de la bateria curta
Conclusió:
La ciència de dades és un camp ampli i divers i, com a científic de dades, el vostre treball consisteix a gestionar les dades de manera eficient. A mesura que les dades creixen, el maquinari també ha d’organitzar una gran quantitat de dades i també exigeix una actualització. En aquesta redacció, ens vam centrar en donar una breu guia sobre els portàtils que heu de tenir en compte per a tasques relacionades amb la ciència de dades.
L’anàlisi de dades requereix processadors multi-core i GPU amb una bona quantitat de memòria. Recomanaria anar amb CPU d’última generació, especialment octa-core i GPU, si teniu problemes d’aprenentatge profund. Tot i això, tenir una bona GPU augmenta el rendiment col·lectiu.