La science des données est une étude des données ; il comprend l'enregistrement, le stockage et l'analyse des données pour en extraire des informations utiles. L'application de la science des données est diversifiée car il s'agit d'un vaste domaine et englobe de nombreux sous-domaines. Il est utilisé dans la banque, la vente au détail, le commerce électronique, le divertissement, la recherche sur Internet, la reconnaissance vocale, etc.
En tant que data scientist, vous devez collecter des données, les traiter, les modéliser, puis appliquer différents algorithmes pour prendre des décisions utiles et fixer des objectifs d'amélioration. Tout cela a besoin d'une machine puissante et si votre machine n'est pas douée pour faire des calculs, alors votre client en souffrira, et par conséquent votre carrière de data scientist. Par conséquent, un ordinateur portable décent est extrêmement essentiel pour votre voyage en science des données.
Cet article vise à vous donner un guide pour l'achat d'un ordinateur portable pour l'analyse de données. Mais avant de plonger dans la liste de nos choix, nous devons comprendre de quel type de machine un data scientist a besoin en premier.
Spécification pour un ordinateur portable de science des données
Avant de s'emparer d'un ordinateur portable pour la science des données, il y a peu de choses à prendre en compte, et d'abord vient la RAM :
1. Mémoire (RAM)
La mémoire est très cruciale pour un ordinateur portable de data scientist. Plus c'est toujours mieux. La mémoire recommandée est de 16 Go. Mais si votre travail est basé sur le cloud, un énorme module de mémoire est insignifiant. Avoir un ordinateur portable avec une option de mémoire extensible serait un plus.
2. Processeur (CPU)
Eh bien, l'analyse des données nécessite beaucoup de puissance de calcul, alors préférez le dernier processeur et un processeur multicœur pour tirer pleinement parti du traitement parallèle. Si vous utilisez AWS ou d'autres services basés sur le cloud, avoir un bon processeur aura moins d'importance, mais je recommanderais toujours d'avoir un bon processeur car ils ne sont plus chers.
3. Carte graphique (GPU) :
En science des données, de nombreuses opérations dépendent des GPU, comme l'entraînement du modèle. Le besoin d'un GPU dépend également du type de tâche de science des données. Si vous effectuez un apprentissage approfondi ou que vous manipulez une grande quantité de données, vous devez alors avoir besoin d'une carte graphique pour accélérer le traitement. Un GPU a de nombreux cœurs par rapport à un CPU normal, donc avoir un GPU accélérera le processus d'analyse des données de plusieurs fois.
4. Stockage :
Les données prennent beaucoup de stockage, il est donc préférable d'avoir un bon périphérique de stockage. Les SSD sont un choix parfait car ils sont assez rapides. Mais ils sont super chers en même temps. Donc, si votre budget est serré, un petit SSD de 512 Go est suffisant, ainsi qu'un disque dur ordinaire pour le stockage. Assurez-vous que votre ordinateur portable dispose d'un port USB de type C pour un transfert de données plus rapide.
5. Système d'exploitation :
Le système d'exploitation est votre choix personnel. Il est préférable d'opter pour des ordinateurs portables prenant en charge Linux. Je recommanderais macOS ou toute distribution Linux. Windows peut également être un bon choix, mais il faut beaucoup d'extras à faire avant de tout configurer.
Il est évident que les machines ordinaires ne sont pas appropriées pour les projets de science des données. Vous avez besoin d'une machine puissante avec une mémoire adéquate et une paire d'unités CPU et GPU robustes avec un espace de stockage suffisant pour travailler efficacement. Jetons un coup d'œil à certains ordinateurs portables qui conviennent le mieux aux projets de science des données :
1. Dell G5 :
Le premier choix est Dell G5 qui est livré avec un processeur Intel Core i7 de dixième génération avec 6 cœurs et alimenté par une carte graphique NVIDIA GeForce GTX 1650 Ti. Si vous êtes un spécialiste des données professionnel et que vous travaillez sur la modélisation ou l'apprentissage en profondeur, cet ordinateur portable gérera tout assez efficacement. Il s'agit d'un ordinateur portable Windows doté de différentes capacités de stockage. Je recommanderais d'utiliser 16 Go de mémoire et 512 Go de SSD.
Le G5 est livré avec une batterie 3 cellules de 51 watt-heures et une gamme de ports, dont un lecteur de carte SD et 1 port USB de type C. Bien que l'affichage n'ait rien à voir avec la science des données, en avoir un bon est un plus. Le G5 est doté d'un écran LED Full HD de 15,6 pouces avec revêtement antireflet.
Avantages:
- Une machine bien équilibrée
- Des performances solides
- Beaux regards
Les inconvénients:
- Refroidissement bruyant
- Un peu lourd
2. HP Envie 17t :
HP Envy 17, pas le meilleur mais un bon choix parmi les derniers ordinateurs portables pour les projets de science des données. L'unité de traitement installée est Intel Core i7 et une carte graphique dédiée NVIDIA GeForce MX330. Le processeur dispose de 4 cœurs mais la présence d'une carte graphique améliore ses performances globales. Envy 17 peut gérer efficacement la plupart des tâches liées à la science des données.
Il est livré avec 16 Go de RAM et une option de stockage double, ce qui est remarquable. Envy 17t possède un SSD de 256 Go avec un disque dur de 1 To. L'écran 4k de 17,3 pouces est plus que suffisant pour un data scientist. Vous disposez également de 3 ports USB Type-A, 1 USB Type C, d'un port HDMI et d'un emplacement pour carte SD.
Avantages:
- Design élégant
- Clavier confortable
- affichage 4k
- Bonne gestion thermique
Les inconvénients:
- Autonomie de la batterie médiocre
- Un peu cher
3. Macbook Air :
Je recommanderais fortement d'avoir un environnement macOS pour la science des données. Il y a plusieurs raisons pertinentes telles que l'environnement de type UNIX et la dernière puce M1. M1 est une puce assez efficace car elle possède 8 cœurs et fonctionne bien mieux que les derniers processeurs AMD ou Intel. M1 est spécialement conçu pour stimuler l'apprentissage automatique.
Les derniers modèles de MacBook air sont livrés avec une configuration de 8 Go/16 Go de RAM avec des capacités de stockage de 256 Go/5126 Go. 8 Go de mémoire suffisent, mais je recommanderais d'utiliser 16 Go. Le stockage dépend de vos préférences personnelles et disposer de 256 Go de SSD est suffisant si vous achetez un disque dur séparé.
Avantages:
- Environnement de type UNIX
- Puce M1
- Excellente autonomie de la batterie
Les inconvénients:
- Ne prend pas en charge les applications de base CUDA
Ne pas avoir de support de base CUDA pourrait être une énorme déception, mais cela ne signifie pas que MacBook air ne devrait pas figurer sur votre liste. Il peut toujours gérer un grand pourcentage de projets de science des données. Mais si vous souhaitez une prise en charge du traitement parallèle, optez pour un MacBook pro 16 pouces.
4. Acer Swift 3:
Un autre appareil économique avec des spécifications exceptionnelles. C'est mon deuxième choix fortement recommandé. Swift 3 est installé avec AMD Ryzen 7 4700U, unité de traitement à 8 cœurs intégrée à la carte graphique Radeon. Un vaste choix pour tout scientifique de données avec un bon rapport coût-efficacité.
Swift 3 est un design mince et léger inspiré du MacBook, doté de 8 Go de RAM et d'un SSD de 512 Go. Un écran LED Full HD, une webcam HD et un clavier rétroéclairé complètent la machine.
Avantages:
- Abordable
- Design élégant
- Très portable
- Bonne autonomie de la batterie
Les inconvénients:
- La mémoire ne peut pas être mise à niveau
- Affichage moyen
5. Lenovo ThinkPad E15 :
Lenovo ThinkPad E15 est un autre choix pour un data scientist. La machine a différentes variantes. La spécification recommandée est l'Intel Core i5 de dixième génération avec la carte graphique Intel UHD 620 intégrée.
Le ThinkPad E15 est livré avec 16 Go de RAM, ce qui est exceptionnel pour les tâches liées à la science des données. Comme HP Envy ThinkPad, il n'est pas livré avec un stockage supplémentaire, donc si vous avez besoin de stockage, vous devez l'acheter séparément. L'écran de 15,6 pouces est décent avec un revêtement antireflet. De plus, vous pouvez également connecter un moniteur externe de résolution 4k via HDMI ou USB Type C.
Avantages:
- Stockage évolutif
- Corps robuste
Les inconvénients:
- Devient vraiment chaud sous charge
- Courte durée de vie de la batterie
Conclusion:
La science des données est un domaine vaste et diversifié, et en tant que scientifique des données, votre travail consiste à gérer efficacement les données. À mesure que les données augmentent, le matériel doit également organiser une énorme quantité de données, il exige également une mise à niveau. Dans cet article, nous nous sommes concentrés sur un bref guide sur les ordinateurs portables que vous devriez envisager pour les tâches liées à la science des données.
L'analyse des données nécessite des processeurs multicœurs et des GPU avec une bonne quantité de mémoire. Je recommanderais d'utiliser les processeurs de dernière génération, en particulier les octa-core et les GPU si vous avez affaire à un apprentissage en profondeur. Néanmoins, avoir un bon GPU booste les performances collectives.