Makine Öğrenmesi için Bilgisayar Seçimi

makine-öğrenmesi-için-bilgisayar-seçimi

Bu yazı, makine öğrenmesi konusunda meraklı olup nereden başlayacakları konusunda bir karar vermiş ve buna göre bir bilgisayar arayışına girmiş insanlar için rehber niteliğinde bir yazı olmayı amaçlamaktadır. Umarım bilgisayar seçiminizdeki bu süreçte bir nebze de olsa katkım olur.

Bu yazıda hedef herkese ulaşabilir olmak. Bu da demek oluyor ki birçok genelleme olacak. Ama kimin umurunda? Eğer bu yazı birinin makine öğrenmesi hakkındaki bilgisini artırıp bilgisayar seçimine bir katkı sağlayacaksa görev tamamlanmıştır 😊

İsterseniz yavaştan açıklamalar ile konuya anlam katarak ilerlemeye başlayalım. Umarım anlaşılır bir yazı olur. Haydi başlayalım dostlar 😊

Makine öğrenmesini ufak bir tanıtarak ilerleyelim:

Makine Öğrenmesi, sisteme açıkça programlanmadan verilerden öğrenme yeteneği sağlayan Yapay Zekanın bir alt kümesidir, ancak popülerlik nedeniyle, şimdi Yapay Zeka ile eş anlamlı hale gelmiştir.

Makine Öğrenimi, makineleri kendi programlarını öğrenme ve geliştirme becerisi vererek davranışlarında ve kararlarında daha insan benzeri hale getirme çalışmasıdır. Bu, minimum insan müdahalesi ile yapılır, yani açık bir programlama yoktur. Öğrenme süreci, süreç boyunca makinelerin deneyimlerine dayanarak otomatikleştirilir ve geliştirilir. Makineler kaliteli veriler ile beslenir ve makineleri bu veriler üzerinde eğitmek, Makine Öğrenmesi modelleri oluşturmak için farklı algoritmalar kullanılır. Algoritma seçimi, eldeki verilerin türüne ve otomatikleştirilmesi gereken etkinlik türüne bağlıdır.

İnsan beyni herhangi bir duruma nasıl yaklaşması gerektiğini, o durumla nasıl baş etmesi gerektiğini dışarıdan bir müdahale olmadan öğrenebilir. Eğer uzun süre emlakçılık yaparsanız, artık bir evin gideri nedir, o ev en iyi nasıl pazarlanır, o evle hangi tip müşteriler ilgilenir gibi çıkarımları içgüdüsel olarak “öngörebilirsiniz”. Makine Öğrenmesi araştırmasının hedefi bu yeteneği bilgisayarlarla taklit etmektir.

Ama güncel makine öğrenmesi algoritmaları henüz o kadar iyi değil. Sadece çok özelleştirilmiş, sınırlı problemler üzerinde yoğunlaştığında çalışabiliyorlar. Bu durumdaki “öğrenme” için “örnek veriye dayalı olarak özel bir problemi çözmek için formül bulmak” desek daha doğru olur. Maalesef “örnek veriye dayalı olarak özel bir problemi çözmek için formül bulan makine” çok iyi bir isim değil. Bu yüzden bunun yerine “makine öğrenmesi” kavramını kullanıyoruz. Tabi bu durum hep böyle kalmayacak, yıllar geçtikçe bu alanlarda da gelişmeler sağlanacaktır. Ve belki de 30 yıl gibi bir süre sonra makine öğrenmesi de insanlar gibi çıkarımlarda bulunabilecek bir seviyeye gelecektir. Bunu sanırım zaman gösterecek 😊

Makine öğrenimi temel olarak tonlarca hesaplama gerektiren matematiksel ve olasılıksal bir modeldir. İnsanların bu görevleri yapması çok önemlidir, ancak bilgisayarlar benzer görevleri çok kolay bir şekilde gerçekleştirebilir.

Veri, tüm işlerin can damarıdır. Veriye dayalı kararlar, rekabete ayak uydurma veya geride kalma arasındaki farkı giderek artırıyor. Makine öğrenimi, kurumsal ve müşteri verilerinin değerini ortaya çıkarmanın ve bir şirketi rekabetin önünde tutan kararları yürürlüğe koymanın anahtarı olabilir.

Peki bu alana girmeye çalışan, biraz zaman ayırmaya istekli ve Yapay Zeka sektörüne girmeye çalışan öğrenciler ve yeni başlayanlar, sahip oldukları bütçeye bağlı olarak ne tür bir bilgisayar seçimi yapmalılar?

Bu yazımızda piyasada bulunan bu işlere uygun giriş ve orta seviye bilgisayarlardan bahsedeceğiz. Bir hatamız olur ise yorum yaparak düzeltirseniz memnuniyet duyarım.

Bu yazımızda bir masaüstü sistem toplamaktan ziyade alınabilecek notebook ’da bulunması gereken özelliklerden yola çıkarak ilerleyeceğiz. Ama ilerleyen zamanlarda talep olması dahilinde Yapay Zeka – Makine Öğrenmesi alanında bir masaüstü sistem toplamakla ilgili öneri yazıları da yazabiliriz.

Öncelikle yazının konuya yabancı dostlar için de daha anlaşılır olması için bilgisayarın donanımlarını açıklayarak gideceğim. Fazla temel olmayacak bu anlatımlar. Donanımların öneminin anlaşılmasına yetecek kadar değineceğim. Bu konuda bilgili arkadaşlar bu kısmı atlayabilir fakaat ben olsam okurdum 😊

CPU :

işlemci-cpu

Burada büyük bir seçim yapmanız gerekecek: AMD veya Intel. Bu tercihi ayırdığınız bütçeye göre yapmanız gerekiyor. Çünkü intel CPU’ları AMD CPU’lara kıyasla çok daha pahalı. Bütçeniz kısıtlı ise AMD’nin Ryzen serisi işlemcilerini göz önünde bulundurabilirsiniz.

CPU’lar karmaşık hesaplamalar için tasarlanmıştır: Ayrıntılı ve iç içe bir komutlar kümesini hızla ayrıştırmada çok iyidirler. Ancak makine öğrenimi ile işler biraz farklı olabilir. CPU’nun gücü birkaç karmaşık işlemi çok verimli bir şekilde yürütüyor ve Makine Öğrenimi tam tersi bir zorluk sunuyor. Eğitim sürecindeki hesaplamanın çoğu, basit ama geniş bir görev olan matris çarpımıdır. Hesaplamalar çok küçük ve kolaydır, ancak binlerce hatta bazen milyonlarca vardır. CPU genellikle aşırı güç harcar ancak yetersiz kalır.
Veri depolamadaki ilerlemeler, son on yıl içinde Makine Öğrenmesi’nin patlamasının ana nedenlerinden bazılarıdır ve bu sorunu da bir araya getirmiştir. Bugün algoritmaları her zamankinden daha fazla veri üzerinde eğitiyoruz, bu da CPU’larımızı maksimize eden daha fazla küçük hesaplama anlamına geliyor.

GPU :

GPU bazılarımıza yabancı bir terim gibi gelmiş olabilir. Burada kastedilen şey hepimizin bildiği ekran kartıdır. Makine öğrenmesinde en önemli bileşenimiz desem yanlış demiş olmayız. Burada ise karşımıza çıkan yine iki büyük marka var. NVIDIA ve AMD.

GPU’yu benzersiz kılan, komutları nasıl işlediğidir. Bir CPU’nun tam tersidir. GPU’lar paralel mimari kullanır: CPU, bir dizi çok karmaşık talimatı işlemede mükemmel olsa da, bir GPU birçok basit talimat setini idare etmede çok iyidir.

Beş yıl kadar önce, Makine Öğrenimi topluluğundaki gruplar, GPU’ların basit işlemlerin paralel işlenmesi için mükemmel olduğu bu mimari özelliklerin,  algoritmalar için kullanmaya uygun olabileceğini fark etmeye başladılar. Zaman içinde, GPU’lar eğitim modelleri için CPU’lara göre, genellikle hız için 10 kat gibi bir fark ile büyük gelişmeler göstermeye başladı.

İlk belirlemeniz gereken şey, görevinizin ne tür bir kaynak gerektirdiğidir. Farklı görevlerin farklı donanım gereksinimlerine nasıl sahip olacağını bir göz atalım:

  • Görevleriniz küçükse ve karmaşık bir ardışık işleme sığabiliyorsa, büyük bir sisteme ihtiyacınız yoktur. GPU’ları tamamen atlayabilirsiniz. İ7-7500U gibi bir işlemci ortalama ~ 115 örnek / saniye eğitebilir. Bu nedenle, diğer Makine Öğrenmesi alanları veya algoritmaları üzerinde çalışmayı planlıyorsanız, bir GPU gerekli değildir.
  • Göreviniz biraz yoğun ve yönetilebilir bir veriye sahipse, oldukça güçlü bir GPU sizin için daha iyi bir seçim olacaktır. İşi üst düzey bir grafik kartı olan bir dizüstü bilgisayar yapmalıdır. Nvidia GTX 1080 (8 GB VRAM) gibi bir üst seviye (ve muhtemelen ağır) dizüstü bilgisayar var ve bu bilgisayar ortalama 14 bin örnek / saniye eğitebilir. Ayrıca, makul bir CPU ve güçlü bir GPU ile kombinasyonunu seçtiğimizden emin olmalıyız, CPU’nun GPU’yu tıkamaması gerektiğini unutmayın. Örneğin, bir i7-8750H bir GTX 1080 GPU ile kusursuz çalışır.

RAM :

RAM,  dizüstü bilgisayar satın alırken dikkate alınması gereken bir başka önemli faktördür. RAM ne kadar büyük olursa, işleyebileceği veri miktarı o kadar yüksek olur, bu nedenle daha hızlı işlem yapar.

Bellek söz konusu olduğunda dikkate alınması gereken birkaç şey vardır. Toplam bellek miktarı, bir seferde ne kadar veri yükleyebileceğinizi belirler. Model oluşturmak için belleğe sığabilecek daha fazla eğitim verisi daha iyidir. Harici depolama biriminden veri almak zorunda kalmak çok daha yavaştır, bu nedenle çok fazla veri bulunan durumlarda gereksiz disk erişimini önlemek için çok fazla RAM istersiniz. En azından, sistemde en büyük GPU’ya sahip olduğu kadar en az belleğe sahip olmak istersiniz, aksi takdirde potansiyel bir darboğaz ortaya çıkar. Bu, GPU’nuzda 32 GB bellek boyutu varsa, sahip olmanız gereken minimum RAM’in 32 GB olduğu anlamına gelir .

RAM’deki daha fazla veri, onu her şeyden daha hızlı çalıştırabileceğiniz ve işleyebileceğiniz anlamına gelir. Yüksek Kapasiteli RAM, AI Modeliniz eğitim aşamasındayken çoklu görevleri kolayca yapabileceğiniz anlamına gelir. Bu yüzden benim tavsiyem minimum 16GB RAM. 16 GB’tan az, Çoklu Görev yaparken sorunlara neden olabilir.

DEPOLAMA :

Normal Sabit Diskler (HDD’ler) iyi olmasına rağmen, okuma / yazma hızı ve verimliliği söz konusu olduğunda, Katı Hal sürücüler (SSD’ler)’e karşı şansları yoktur. Şahsen bu konuda SSD tercih etmenizi şiddetle tavsiye ediyorum. SSD formatı olarak da en son çıkan m2 SSD’ leri öneriyorum. Bir önceki nesline oranla çok daha hızlı okuma yazma hızlarına sahip olduğunu düşünüyorum. İşletim sisteminizi SSD’ ye yüklemek, geleneksel HDD yerine performansınızı önemli ölçüde artıracaktır.

Günümüzdeki sistemler, işletim sistemini ve sık kullanılan dosyaları barındırmak için SSD, kullanıcı verilerinin ve uygulamalarının çoğunu depolamak için HDD içeren bir depolama aygıtı kombinasyonu kullanır. Benzer bir yaklaşım Makine Öğrenme sisteminiz için de kullanılabilir, SSD aktif eğitim setlerini saklamak için kullanılabilir.

Evet dostlar, genel olarak Makine Öğrenmesi için bazı donanımların öneminden bahsettik şimdi ise giriş ve orta seviyede uygun olduğunu düşündüğüm dizüstü bilgisayarların bir listesini vererek, temel özelliklerinden bahsederek, yazının sonunu getireceğiz. Haydi devam edelim 😊

1 – Lenovo IdeaPad L340-15IRH Intel Core i5 9300H 8GB 256GB SSD GTX1050 15.6″ FHD

notebook-laptop-bilgisayar

Birinci bilgisayar önerimizde listemizde Lenovo IdeaPad L340 – 15IRH modeline yer veriyoruz. Şimdi şöyle bir şey düşünebilirsiniz, yukarıda o kadar üst donanımlardan bahsettin, bu notebook bize nasıl yetecek diyebilirsiniz. Ama dediğim gibi bu yazı her seviyeden insana hitap etmek zorunda. Her makine öğrenmesi ile ilgilenecek insan o bahsettiğimiz extreme durumlarla uğraşmak istemeyebilir. Bu alana yeni başlayan öğrenciler ve bu alana adım atmak isteyip, kariyerini bu alana kaydırmak isteyen dostlar için (giriş seviyesi olarak) gayet yeterli bir notebook olduğunu düşünüyorum.

Bilgisayarın donanımlarına değinecek olursak eğer, bilgisayarımızda Intel’in 9. Nesil bir i5 performans işlemcisi olan 9300H yer alıyor. İ5 dedim diye hemen kötü düşünmeyin, 7. Nesil bir i7 işlemci performansına eşdeğer bir performans sunabilecek bir işlemciden bahsediyoruz. Turbo bost ile 4.1Ghz’e kadar hız aşırtabilme yeteneğine sahip ki bence bizim için gayet yeterli bir performans.

GPU(Ekran Kartı) kısmına değinecek olursak ki bizim için en önemli kısımlardan birisi de bu: 3 GB NVIDIA GTX 1050 ekran kartımız bulunmakta. Giriş seviyesi olarak kullanılabilecek performanslı bir ekran kartı olduğunu düşünüyorum.

Ram konusuna değinecek olursak bilgisayarda 8 GB DDR4 RAM bulunmakta. Giriş için yeterli fakat sonradan yükseltmek isteyebilirsiniz. Tavsiyem bilgisayarınızda en azından 16 GB ram olması yönünde. Gerekçelerini yukarıda açıklama bölümünde yeterince iyi anlattığımı düşünüyorum.

Son olarak depolama kısmına da değinip bu bilgisayarın tanıtımına son vermek istiyorum. Bilgisayarımız 256 GB M2 SSD ile gelmekte. Başlangıç için yeterli bir depolama kapasitesi fakat sonradan bir SSD ile veya ek olarak kişisel dosyalarınızı ayrı depolayacağınız, uygulamaları ayrı çalıştıracağınız farklı bir kombinasyon oluşturmak isterseniz 7200 RPM bir HDD(Harddisk) takabilirsiniz.

Diğer merak ettiğiniz donanım özelliklerine (ekran vs. gibi) resme tıklayarak satın alma sayfasından bakabilir, daha ayrıntılı bir inceleme yapabilirsiniz. Dediğim gibi ben sadece size bir fikir veriyorum, siz daha iyi kombinasyonlarda bir notebook bulursanız bütçe durumunuza göre bir değerlendirme yapabilirsiniz.

2 -HP Pavilion 15-CX0043NT Intel Core i5 8300H 8GB 256GB SSD GTX1050Ti 15.6″ FHD

notebook-pc-bilgisayar-laptop-makine-ogrenmesi-machine-learning

İkinci bilgisayarımız(bilgisayardan kastım notebook) HP Pavilion 15 – CX0043NT modeli. Bunu da giriş seviyesi bir bilgisayar olarak buraya konumlandırıyorum. Giriş deyince özelliklerini sakın küçümsemeyin çünkü içinde NVIDIA’nın bir türlü eskimeyen 4 GB GTX 1050 Ti GPU’su var. İşlemci olarak bu sefer 1. Sıradaki bilgisayarımıza göre bir nesil altta kalıyor fakat daha önce de belirttiğim gibi, bizim için GPU da çok önemli. Ekran kartının iyi olmasından dolayı listemize girmeyi başardığını da açıkladığıma göre birkaç özelliğinden bahsedip bitireceğim.

Bilgisayarda bulunan i5 8300H işlemci diğer modelde de bahsettiğim bir performans işlemcisi. Sürekli performans işlemcisi diyorum, bir de tasarruf işlemcisi diye bir şey mi var? Evet var, 8. Nesil i5  8300H’a eşdeğer Intel’in tasarruf işlemcisi olarak 8250U işlemcisini gösterebiliriz. Eğer ilgileniyorsanız aralarındaki farkları araştırabilirsiniz. Bu yazımda bu konuya değinip yazıyı daha fazla uzatıp sizi sıkmak istemiyorum. Intel 8300H, 4 Ghz’e kadar hız aşırtabilen bir işlemci ki bu bizim için halen yeterli bir performans.

Bilgisayarımızda diğer modelde olduğu gibi 8 GB RAM ve 256 GB M2 SSD yer alıyor. Diğer modelde de bahsettiğim geliştirmeleri bunda da yapabileceğinizi belirtmek isterim.

Daha ayrıntılı özelliklere bakmak isterseniz resme tıklayıp satış sayfasından tüm özelliklerine ulaşabilirsiniz.

3 – Lenovo Legion Y540-15IRH Intel Core i7 9750HF 16GB 2TB + 256GB SSD GTX1650 15.6″ FHD

makine-öğrenmesi-machine-learning-notebook-laptop-pc

Üçüncü olarak inceleyeceğimiz bilgisayar Lenovo Legion Y540 – 15IRH modeli. Bu modelimiz işlemci tarafında tatmin olmayan, sonradan ram yükseltmesi yapmakla uğraşmak istemeyen ve depolama konusunda daha cömert bir bilgisayar yok mu diyen dostlar için gelsin.

İşlemcimiz 9. Nesil i7 9750H işlemcisi. Turbo bost ile 4.5 Ghz’ e kadar hız aşırtabilmekte ki orta seviye olarak gayet iyi değerler diyebiliriz bunun için. Bilgisayarımızda 4 GB GTX 1650 GPU yer alıyor. Bir önceki modeldeki 4GB GTX 1050 Ti ile aynı VRAM ‘e  sahip. Fakat performans olarak ondan önde yer aldığını belirtelim.

RAM konusunda 16 GB DDR4 RAM kapasitesine sahibiz. Bu değer bizim için yeterli. Depolama kısmından da ufak bir bahsedecek olursak bilgisayarda 2TB HDD(Harddisk) ve 256 GB M2 SSD yer alıyor. Bu kapasite de bizim için oldukça tatmin edici.

Daha ayrıntılı incelemek için görseli tıklayabilirsiniz.

4 – Asus ROG Strix G III G731GU-H7166T Intel Core i7 9750H 16GB 512GB SSD GTX1660Ti 17.3″ FHD

machine-learning-makine-öğrenmesi-pc-notebook-bilgisayar

Dördüncü sırada incelediğimiz bilgisayarımız Asus ROG Strix G III G731GU – H7166T modeli. Artık farkettiyseniz orta seviye modellere doğru tırmanıyoruz, bu incelememizdeki bilgisayarı giriş seviyesinde değerlendirmek haksızlık olur. O yüzden bu modeli orta sınıf olarak düşünebiliriz.

Bilgisayarımızda 9. Nesil i7 9750H işlemci bulunmakta. İşlemcinin performansınımız bir önceki model ile aynı. GPU tarafında ise yine çıtayı bir tık yükseltiyoruz ve Nvidia 6GB GTX 1660 Ti ile karşılaşıyoruz. Diğer bahsettiğimiz ekran kartlarına kıyasla VRAM olarak daha yüksek kapasiteye ve daha yüksek performansa sahip bir ekran kartı diyerek uzatmadan RAM kısmına geçmek istiyorum.

Bilgisayarımızda 16 GB DDR4 RAM bulunuyor. RAM halen yeterli olduğu kanaatindeyim fakat uğraştığınız işe göre 8 veya 16 GB ekleme yapmayı düşünebilirsiniz. Depolama kısmında 512 GB M2 SSD  bulunuyor. Bu modelde HDD(Harddisk)’ye yer verilmemiş. Onun yerine SSD kapasitesini yükseltmek uygun görülmüş. Fakat bütçe durumunuza göre sonradan depolamaya takviyede bulunmak isteyebilirsiniz

Daha ayrıntılı özellikler için resme tıklayabilirsiniz.

5 – MSI P65 Creator 9SE-409TR Intel Core i7 9750H 16GB 512GB SSD RTX2060 15.6″ FHD

makine-öğrenmesi-machine-learning-notebook-pc-laptop-bilgisayar

Beşinci inceleyeceğimiz bilgisayar MSI’ın P65 Creator 9SE – 409TR modeli. Bu modelimizde de işlemci olarak İntel’in 9. Nesil i7 9750H işlemcisi mevcut. Turbo bost ile 4.5 Ghz’e kadar hız aşırtabiliyor. Bu modelimizde önceki modelden farklı olarak GPU tarafında bir değişmeye gidilerek daha performanslı bir ekran kartı olan Nvidia 6GB RTX 2060 kullanılmış. İşlemci yükseltilmesi istenmemesinin sebebi, işlemcinin ekran kartını besleyebilecek kadar güçlü olmasından kaynaklanıyor. RAM yükseltmesi de yapılmamış çünkü az önce de dediğim gibi mevcut RAM kapasitesi ekran kartını besleyebilecek güçte.

Hafıza kısmına ise yeterli olarak görülüp müdahale edilmemiş. Eğer bütçeniz var ise depolama kapasitesini sonradan artırmak isteyebilirsiniz.

Daha ayrıntılı incelemek için görseli tıklayabilirsiniz.

6 – MSI GS65 Stealth 9SF-421TR Intel Core i7 9750H 16GB 512GB SSD RTX2070 15.6″ FHD

machine-learning-makine-öğrenmesi-notebook-pc-bilgisayar-laptop

Altıncı incelememiz MSI GS65 Stealth 9SF – 421TR modelidir. Bu bilgisayarda öncekine kıyasla birçok donanım aynı, farklı olarak diğer donanımlara kıyasla GPU tarafında halen bir eksik olduğunu düşünüp donanımı kusursuz bir konfigürasyon haline getirebilmek için ekran kartı yükseltilmiş.

Bu modelde GPU tarafında Nvidia 8GB RTX 2070 ekran kartı bulunmakta. Diğer modele kıyasla VRAM kapasitesinde artışın yanında performansta da belirgin bir yükseliş olduğunu gözlemleyebiliriz. Diğer donanım bileşenleri yeterli görüldüğü için oynanmamış fakat bütçe durumuna bağlı olarak RAM ve Depolama konusunda yükseltmeye gitme imkanınız var, fakat şunu belirtmeye gerek olduğunu düşünüyorum: Notebooklar’da sonradan işlemci ve ekran kartı değişimine gidemiyoruz malesef. Bunun sebebi, bu parçaların anakarta entegre bir şekilde, daha düz bir tabirle kaynaklı bir şekilde gelmesi. O yüzden en başta alırken bu iki donanımı ileriyi düşünerek seçmek gerekiyor diyerek konuma geri dönüyorum 🙂

Ayrıntılı bilgi için resme tıklayabilirsiniz.

7 – MSI GE75 Raider 10SFS-029XTR Intel Core i7 10750H 32GB 1TB SSD RTX2070 17.3″ FHD

machine-learning-makine-öğrenmesi-laptop-bilgisayar-notebook-laptop

Yedinci incelememiz MSI’ın GE75 Raider 10SFS – 029XTR modeli. Bu bilgisayarımızda önceki incelememize kıyasla GPU tarafında bir değişikliğe gidilmemiş. Onun haricinde İntel’in 10. Nesil i7 10750H performans işlemcisi kullanılmış. Bu işlemci Turbo Bost ile 5 Ghz’e kadar hız aşırtabilen bir işlemci. Yani şuana kadar incelediklerimiz arasında en iyi işlemci diyebiliriz. Aslında bir işlemciyi sadece hızlarına bakarak kıyaslayamayız. Önbellek miktarı, çekirdek sayısı, iş parçacığı sayısı gibi başka çok önemli etmenlere de bakılması gerekiyor fakat konudan sapmamak adına çok ayrıntıya girmiyorum. Ama eğer talep olursa işlemcilerin kıyaslarken hangi tür özelliklerinin öne çıktığı bir yazı yazabilirim.

Bu modelimizde RAM kapasitesinde yükseltmeye gidilmiş ve 32 GB yapılmış. Depolama ayağına gelirsek depolama kısmında 1 TB M2 SSD kullanımı uygun görülmüş ki bu gerçekten çok iyi. Normalde diğer modellerde de gördüğünüz gibi SSD kapasitesi genelde çok artırılmak istenmez. Bunun sebebi maliyetli olmasıdır. Ama bu modelde masraftan kaçılmamış.

8 – Monster Tulpar T7 V18.3.1 Intel Core i9 9900K 32GB 1TB + 512 GB SSD RTX2080 17.3″

machine-learning-makine-öğrenmesi-notebook-pc-bilgisayar-laptop

Sekizinci ve son incelememiz Monster Tulpar T7 V18.3.1 modelidir. Bu modelde İntel’in daha güçlü bir işlemci serisi olan K serisi işlemci kullanmak uygun görülmüş. İşlemcimiz İntel 9. Nesil i9 9900K. Bu işlemci Turbo bost ile 5 Ghz’e kadar hız aşırtabilmekte. Daha önce de bahsettiğim gibi işlemcinin kıyaslama yapmak için başka unsurları da var. O unsurları göz önünde bulundurduğumuz zaman incelediğimiz en performanslı işlemcinin bu olduğunu söyleyebiliriz. GPU tarafında ise VRAM kapasitesi olarak 8 GB korunurken Nvidia RTX serisinin bir üst modeli olan RTX 2080 tercih edilmiş. Bu da incelemede bulunduğumuz en iyi ekran kartı diyebiliriz.

RAM tarafında 32 GB bellek yeterli görülmüş ki bence de gayet yeterli bir değer. Depolama kısmına da değinecek olursak 1TB HDD(Harddisk), 512 GB SSD kullanılmış. Karşılaştığım en iyi kombinasyonlardan birisinin bu olduğunu söyleyebilirim. Hem SSD hafızası hem de HDD(Harddisk) hafızası optimal seçilmiş.

Yazım burada sona eriyor. Umarım sizler için açıklayıcı ve bilgilendirici bir yazı olmuştur. Alttaki puanlama sisteminden yazımı değerlendirirseniz çok mutlu olurum 🙂  Kendinize iyi bakın, bilişimle kalın 🙂

Karşılaştırma Tablosu

makine öğrenmesi için bilgisayar seçecekler için 8 laptop u karşılaştırdık

KAYNAKÇA

  1. http://yapayzekalabs.blogspot.com/2018/07/derin-ogrenme-deep-learning-icin-sistem.html
  2. https://medium.com/deep-learning-turkiye/makine-%C3%B6%C4%9Frenmesi-e%C4%9Flencelidir-b9d50aad3a62
  3. https://www.edureka.co/blog/best-laptop-for-machine-learning/
  4. https://freedom251.com/best-laptops-for-machine-learning/
  5. https://vortlog.blogspot.com/2018/07/best-desktopslaptops-for-ai-computing.html
  6. https://www.quora.com/What-laptop-computer-should-I-purchase-for-deep-learning-How-much-will-it-cost
  7. https://analyticsindiamag.com/which-is-the-best-laptop-for-machine-learning-and-artificial-intelligence/
  8. https://medium.com/the-mission/how-to-build-the-perfect-deep-learning-computer-and-save-thousands-of-dollars-9ec3b2eb4ce2
  9. https://www.einfochips.com/blog/everything-you-need-to-know-about-hardware-requirements-for-machine-learning/
  10. https://towardsdatascience.com/building-your-own-deep-learning-computer-and-saving-money-on-cloud-services-c9797261077d
  11. https://machinelearningmastery.com/computer-hardware-for-machine-learning/
  12. https://www.mygreatlearning.com/blog/what-is-machine-learning/
  13. https://expertsystem.com/machine-learning-definition/
  14. https://www.netapp.com/us/info/what-is-machine-learning-ml.aspx
  15. https://algorithmia.com/blog/hardware-for-machine-learning
  16. https://kenya.ai/what-to-consider-when-choosing-a-laptop-for-machine-learning/
  17. https://blog.exxactcorp.com/6-critical-components-every-deep-learning-system-needs-and-aspects-to-consider/

6 thoughts on

Makine Öğrenmesi için Bilgisayar Seçimi

  • Kerem Kargın

    Güzel bir içerik olmuş paylaşımın için teşekkür ederim. Böyle bir araştırmaya ihtiyacım vardı. 🙂

  • Rumeyşa

    Detaylı bir yazı olmuş 👍 faydalı bilgiler için teşekkürler 💫

  • Berna Taş

    Oldukça bilgilendirici ve detaylı bir içerik olmuş. Paylaşım için teşekkürler 😊

  • Faruk DİNÇER

    Detaylı ve anlaşılır bir anlatım olmuş. Bilgiler için teşekkür ederim. Emeğine sağlık. Yeni yazıları bekliyoruz 👏🏻

  • :D

    😄 makine öğrenmesi için bilgisayar mı?

    Katacoda gibi ücretsiz kubernetes cluster alınabilen, colab gibi gpu destekli notebook ortamına ulaşılan, binder gibi jupyter hub ortamı veren yerler varken. Makine öğrenmesi içim bilgisayar mı?

Bir cevap yazın