Mi lenne a megfelelelő laptop olyan képzésre, ahol informatika is a főtantárgyaim között szerepel?

Az Acer Swift X i7, 16GB, 1TB, NVIDIA GFORCE 3050TI 4GB csak bruttó 453.000 forint 3 év garanciával, viszont közben találtam ezt a tesztet, ami szerint még mindig nem a legjobb gép, és az utolsó bekezdésben vannak alternatívák.

[link]

Ha sok pénzed van, Apple-lel is meg lehet próbálkozni, az M2-esből még az Air kivitel is elég combos.

"Ha majd próbáltál fejleszteni valódi munkahelyen, valódi munkát, akkor tudod meg, hogy ez a “vegyél egy chromebookot és fejlessz a cloudban” egy amatőr bullshit."

Épp ezt csinálom jelenleg is. A munkahely biztosított egy Macbook Prot amit arra használok hogy futtatom a PyCharmot, Toadot vagy PL/SQL Developert ne adj Isten JetBrainst, ami 8 GB RAM-on is bőven elfut, amikor pedig tesztelni kell arra ki van alakítva Hadoopon a megfelelő környezet a megfelelő erőforrásokkal. Ha pedig a kód átesett a code review fázison és a CI/CD folyamatba integrált tesztek is lefutottak gond nélkül akkor megy az auto-deployment Cloud környezetbe ahol be van állítva az auto load-balance az erőforrásigény függvényében.

Én megértem hogy a zsebhoki cégnél ahol dolgozol közgazdászként pénzügyi adatok feldolgozására és alapvető statisztikai metrikák kiszámítására oda bivaly gép kell, mert 20 évvel le vannak maradva technológiai szinten, viszont ha a kérdezőnek az a célja hogy BigData fejlesztő, Data Scientist, AI Engineer vagy Data Engineer legyen egy KOMPETENS cégnél (nem olyan hulladéknál ahonnan neked származik az elavult tudásod) akkor semmi szüksége nincs egy erődítményre.

22. “Ha pedig a kód átesett a code review fázison és a CI/CD folyamatba integrált tesztek is lefutottak gond nélkül akkor megy az auto-deployment Cloud környezetbe ahol be van állítva az auto load-balance az erőforrásigény függvényében.”

Lefordítom a Kérdező számára: te szoftverfejlesztő vagy, nem data scientist. A data scientistek (azaz pl. én) adatmodelleznek, modelleket tréningelnek iteratív jelleggel, ami azt jelenti, hogy folyamatosan modelleket próbálgatunk, tuningolunk, újra és újra futtatva a modelljeinket legalább az adatok egy kisebb mintáján. A production kódot mi is a felhőben futtatjuk természetesen (igaz, on premise szerveren, mert a public cloudokra nincs engedélyünk – üzletileg nagyon érzékeny az adat), és a leghosszabb pipeline-unk 8 óra alatt fut le még a felhőben is… de a fejlesztés nálunk szintén modellek futtatásából, próbálgatásából áll.

Ez teljesen más, mint amit te csinálsz, hogy ti. a helyi gépeden fejlesztesz, utána megy a kódod review-ra, és utána töltöd csak fel a felhőbe. Mivel vizet prédikálsz és bort iszol, hiszen:

1) most vallottad be, hogy nagy teljesítményű macbookon, localhoston fejlesztesz (LOL)

2) nem is futtatsz modelleket egyáltalán, csak sima ipari szoftvert írsz, amiket code review után töltesz fel a felhőbe

“ha a kérdezőnek az a célja hogy BigData fejlesztő, Data Scientist, AI Engineer vagy Data Engineer legyen egy KOMPETENS cégnél”

Épp fentebb tetted idézőjelbe (a 8. hozzászólásodban) a data scientist, mutatván, hogy fogalmad sincs mi az, és nem becsülöd semmire ezt a szakmát, azaz nem vagy szakmabeli.

Nem tudom, mit értesz “Big Data fejlesztő” alatt, de ugye nem tévedek nagyot, ha úgy vélem, hogy te egy Java fejlesztő vagy, aki IntelliJ-vel fejleszt Java kódot az ehhez tényleg feleslegesen erős MacBookján, majd megy a kódja review-ra, és MR után a gitlab CI vagy ki tudja mit használtok feltolja a kódját a felhőbe.

(Annyit hadd áruljak el, hogy nálunk is pont ilyen az infrastruktúra, amikor mergelem a kódomat a main branchba, akkor a gitlab CI automatikusan deployolja a felhőbe, és ott futnak a production kódok. De az adatelemzést, modellezést én a gépemen csinálom, mert kényelmesebb ott. Én viszont data scientist vagyok, nem Java programozó.)

Ui: data engineerjeink nekünk is vannak, ők a rendszerüzemeltetés. ETL pipeline-okat írnak, infrastruktúrát fejlesztenek stb. NEM modelleznek, NEM data scientistek. Teljesen más munka. Nem tudom, ők hogy jöttek ide.

“nem olyan hulladéknál ahonnan neked származik az elavult tudásod”

A világ egyik legnagyobb technológiai cégénél dolgozom (top 25 brand) a mesterséges intelligencia osztályon, de nyilván hulladék a cég. :)

"A data scientistek (azaz pl. én) adatmodelleznek, modelleket tréningelnek iteratív jelleggel, ami azt jelenti, hogy folyamatosan modelleket próbálgatunk, tuningolunk, újra és újra futtatva a modelljeinket legalább az adatok egy kisebb mintáján"

Ha figyelmesen elolvasod amit írtam a cégnél ahol dolgozom pont az ilyen jellegű feladatokra van elszaparáltan kialakítva egy test environment Hadoopon vagy K8s clusteren megfelelő konténer / VM ahol kedvünk szerint lehet erőforrást allokálni és a modelleket futtatni, ezeket NEM saját gépen csináljuk. Pusztán a fejlesztést, unit tesztelést és a debuggolást végzem az említett eszközökön, viszont ha egy adathalmaznak egy kisebb szegmensére szeretném futtatni a modellemet ami még kis minta esetén is erőforrásigényes feladat azt nem lokális gépen csinálom hanem az erre dedikált tesztkörnyezeten.

"A világ egyik legnagyobb technológiai cégénél dolgozom (top 25 brand) a mesterséges intelligencia osztályon"

Csak kíváncsiságból leírhatnád hogy ha már nincs megfelelő tesztkörnyezet kialakítva (bár ezt kötve hiszem egy top 25 cégnél hogy ilyen amatőr legyen az architekt gárda) akkor mégis milyen paraméterekkel rendelkező gépet biztosítanak a munkavégzéshez egy DS roleban dolgozó számára? Illetve mi történik akkor ha délután futtatsz egy erőforrás és időigényes taskot, nem kapcsolod ki az este folyamán a gépedet, mert épp tanul az ML algoritmus? :) Valóban nagyon profin kialakított infrastruktúra lehet ott...

25. Ki mondta neked, hogy nincs megfelelő tesztkörnyezet kialakítva? Írtam, hogy gitlab CI/CD-nk van, ami automatikusan deployol openshiftre (nálunk úgy van beállítva, hogy van egy develop branch, az megy a tesztkörnyezetbe, és van egy main branch, az megy a production környezetbe). És mi is tudunk a cloudban modellezni, vannak, akik a felhőben futó jupyterlabot használják.

De fölösleges tovább mentegetőznöd, hiszen te magad is leírtad, hogy egy nagy teljesítményű macbook pro-n dolgozol valójában. Arról szívesen hallanék pár szót, hogy tulajdonképpen mit is fejlesztesz?

Ha már rákérdeztél: én egy lenovo precision 7560-as laptopon dolgozom, 8 magos i7, 32GB RAM, NVIDIA T1200. Nem a legcombosabb gép, de ezt adták. Az előző csapatomban MacBook Pronk volt.

"Illetve mi történik akkor ha délután futtatsz egy erőforrás és időigényes taskot, nem kapcsolod ki az este folyamán a gépedet, mert épp tanul az ML algoritmus?"

Az órákon át futó algoritmust mi is az openshiften futtatjuk. De nem csak ebből áll a data science munka, hanem eda, feature engineering, különböző modellek kipróbálása és tuningja, mi pl. új algoritmusokat is fejlesztünk tudományos publikációk alapján stb. stb. És nem, nem egy silány 200 ezer forintos netbookon dolgozunk, ahogyan te sem (csak jártatod a szádat, de neked is profi géped van. :D). Bár szerintem te nem modellezel a leírásod alapján, max. lehet, hogy pytorch vagy keras/tf modelleket edzegetsz, de az egy teljesen más jellegű munka, mint amikkel én foglalkozom.

Nekem ilyen laptopom van: [link]

nagyon olcso

A népszerű tévhitekkel ellentétben az infó egyetemeken (különösképpen a szokásos progtervező-/mérnők-/zümi-infó szakokon) egyáltalán semmi szükség nincs erős hardverre.

4800H, 32GB-ram, 1tb ssd, 3050 bőven elég egyetemre.

A LoL az kb akármin elfut szóval az skip.

Az RDR az szereti a Vramot azért, szóval valami 3060 vagy jobb kártya ajánlott akkor.

Összességében, tekintve hogy 2023 van, valami 6800H/7735hs/7840hs/7940hs és 3060/3070/4050/4060 vagy 12700H/12650h/13620h/13700h és 3060/3070/4050/4060 lenne jó ötlet. A videókártya nyilván erősen túllő a célon, de jövőt állóság szempontjából lehet értelme a dolognak. Ár függvényében dönts. 550k-ból kijöhet a 4060: [link]

Még egyszer: ez a hardver nem azért kell mert a brogramozáshoz kell, hanem a játékok miatt amiket említettél és amikkel lehet hogy még akarsz majd játszani ezek alapján.

A RAM és az SSD sokkal relevánsabb ilyen szempontból mint a CPU (tekintve hogy a 4800H (vagy azzal ekvivalens CPU-k) ma már kb ingyen van és az bőven túllő a célon), a videókártya meg kvázi full érdektelen a 3050en túl (ami megint csak az árából adódóan kb tekinthető egy minimum elvárásnak, de nyilván egy intel hd 4400 igpu-val sem lenne bajod, ha csak nem akarsz játékfejlesztésbe belemenni vagy CUDA-t használni).