Gépi tanulás számítógép – AI fejlesztő munkaállomások

Ha Python, Jupyter Notebook és gépi tanulási modellek között telik a munkanapod, ez a sorozat neked készült.

A klasszikus gépi tanulási munka – modellfejlesztés, adat-előfeldolgozás, kísérletezés különböző algoritmusokkal, gyors iteráció Jupyter Notebookban – nem feltétlenül igényli azt a brutális GPU-memóriát, amit egy nagy nyelvi modell betanítása, de igényel egy gyors, megbízható, mindig kéznél lévő munkaállomást. Az AI Developer gépek pont ezt adják: erős többmagos processzor a gyors adatfeldolgozáshoz, bőséges memória, hogy a nagyobb adathalmazok is RAM-ban maradjanak, és NVIDIA RTX PRO Blackwell videókártya a modellek GPU-gyorsított betanításához és teszteléséhez.

Akár egyetemi kutatóként vagy önállóan tanuló fejlesztőként ismerkedsz a gépi tanulással, akár cégen belül dolgozol modellfejlesztésen, ezek a gépek mindkét helyzetre fel vannak készítve: azonnal indítható Python és Jupyter környezet, a legnépszerűbb keretrendszerekkel, hogy a beüzemeléssel ne kelljen napokat tölteni.

Fejlesztői eszközök & keretrendszerek

Jupyter

PyTorch

TensorFlow

scikit-learn

GPU computing & infrastruktúra

NVIDIA CUDA

Anaconda

Docker

GitHub

AI Developer Smart munkaállomások

AI Developer Pro munkaállomások

AI Developer Smart vagy AI Developer Pro?

	AI Developer Smart	AI Developer Pro
Processzor	AMD Ryzen 9, 12 mag	AMD Ryzen 9, 16 mag
Memória	64 vagy 128 GB DDR5	64 vagy 128 GB DDR5
Videókártya	NVIDIA GeForce RTX, 16 GB	gyorsabb NVIDIA GeForce RTX, 16 GB
Tárhely	két NVMe SSD: rendszer és adatok	két NVMe SSD: rendszer és adatok
Ideális	tanulás, első AI-fejlesztő állás, prototípusok	csapatmunka, sok kísérlet, gyorsabb iteráció

Nézd meg az AI Developer Smart és az AI Developer Pro konfigurációkat.

Mitől jó egy gépi tanulás számítógép?

Gyors, sokmagos processzor – adat-előfeldolgozás, feature engineering, scikit-learn.
Bőséges memória – a teljes adathalmaz a RAM-ban marad.
CUDA-képes NVIDIA GPU – PyTorch- és TensorFlow-tréning GPU-gyorsítással.
Két SSD – külön meghajtó a rendszernek és az adatoknak, rendezett munkakörnyezet.

Nagyobb neurális hálók tanításához a Deep Learning munkaállomások, adatelemzéshez és BI-hoz az AI adattudomány és adatelemzés gépei a jó választás.

Gyakori kérdések

Mennyi memória kell gépi tanuláshoz?
A legtöbb adatelemzési és gépi tanulási munkához 64 GB kényelmes, nagyobb adathalmazokhoz és több párhuzamos notebookhoz a 128 GB-ot ajánljuk.

Linux vagy Windows?
Mindkettő remekül működik: Windowson a WSL2 segítségével Linux-környezetben is dolgozhatsz, a CUDA-támogatás pedig mindkét rendszeren elérhető. Az ajánlatkérésnél írd meg, melyiket szeretnéd.

Segítünk választani! Írd meg, mire használnád a gépet, és fix áras ajánlatot küldünk. Az új géped már a polcon vár. Ajánlatot kérek »