b4c8a0656289729952833252c78ba05a.gif

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号:datayx


目录:

  1. 聊聊大学计算机专业重点关注学科及资源推荐

  2. 计算机专业应该注意哪些笔记本参数

  3. 京东购买查看笔记本电脑历史价格

  4. 计算机专业笔记本电脑推荐(计算机专业买什么电脑?)

一、聊聊大学计算机专业重点关注学习以及资源推荐

先来聊聊专业,关于大学中的计算机专业,作为一个已经在 java 领域工作几年的人,给几个建议。

如果你的目标很明确,未来打算就是从事程序员行业。

那么大学中,一定要重视的课程有以下几个:

  • 计算操作系统与原理

  • 数据结构和算法

  • 一门编程语言课(必修应该是C,选修是Java)

  • 数据库相关课程

  • 计算网络相关课程

以上课程,学起来肯定会非常枯燥无聊,但迄今,越来越多的公司重视基础,尤其是大厂面试,数据结构和算法是面试前的鸿沟,基础不够,必然迈不过这道沟。

计算机相关工作从前几年开始,就再也不是会一点皮毛就容易找到工作的时代了。要想找到好工作,打好基础是与其他人拉开差距的关键。

如果觉得自己大学课堂老师讲的无趣,不适用。

那么下面两个国内的网站非常推荐有目标的同学去根据自己每学期的课程去学习。

其一,慕课网:

https://www.imooc.com

5d95442a660eb9d41315c77f76c3549c.png

其二,中国慕课大学:

https://www.icourse163.org

9ef3c9f338b4062664e382a9fa9b5960.png

慕课网的免费教程对于小白来说非常友好,尤其是编程语言的学习。(本人就是通过慕课网自学找到工作的,不是广告。)

而上面介绍的重要课程在中国慕课大学里,都能找到国内名校名师的免费课程,可以说网络的在线教育消除了一些学校差距的门槛。

比如:想学 Python,比如可以去看中国慕课大学里,嵩天老师的免费教程,讲的通俗易懂。

关于计算机专业的同学,这里必须强调一点,一定学会利用互联网的搜索引擎,你在学习过程中遇到的问题,有 90% 以上,很多前辈们早已经踩过坑,以博客的形式在网络上分享过解决方案。

而对于互联网上的信息识别能力,也是可以通过自己不断地检索信息锻炼出来的。

这种能力可以简称为 “搜商”(类似智商、情商)。

关于互联网引擎(百度、bing、谷歌)的搜索技巧,感兴趣可以自行搜索,李笑来老师的《七年就是一辈子》开源github上,也有介绍到。

二、计算机专业应该注意哪些笔记本参数

写代码,对于笔记本配置来说,其实主要就看三点。

  • CPU

  • 内存

  • 硬盘

显卡是一个特殊的存在,当前会用到显卡的专业,一定是涉及到算力了。比如深度学习、机器学习的一些框架,跑任务时会用 GPU 来进行计算

CPU

CPU决定着你程序的运行速度,也决定着代码编译(看不懂,可以直接忽略,后续学习了编程语言就懂了)的速度。

CPU就像大脑一样,越好的CPU,脑袋就越灵活,毕竟大家都喜欢聪明人嘛!

但日常写代码,并不需要用到那么好的CPU,因为等你真正工作了会发现,所有的程序都是跑在云端服务器上的,你本地的电脑用途最大作用就是写代码和调试代码。

关于英特尔的CPU,举个例子来看下:

8c837870993f93d4ff94f55bb0f94a48.png

以英特尔 i5-10300H 为例:

i5 表示的是 CPU 的系列代号。

10300 前 2 位是 CPU 的第几代,比如这里说的就是 10 代,后面的 300 CPU 的具体型号。

还有一个小尾巴后缀,直接看官网截图即可:

613dce261aa73dc6c3119c3dd41f16dd.png

Intel 后缀官网:

https://www.intel.cn/content/www/cn/zh/processors/processor-numbers.html

笔记本CPU性能参考排行的网站(仅供参考,排行不一定准确):

3916092740367ed17d181b09592f4073.png
http://rank.kkj.cn/mcpu.shtml

问:CPU的代数越高,性能一定越好吗?

答:不一定,有些时候CPU升级仅仅是加强了核显性能的提升。自身的核心线程数并没提升。

关于 CPU 厂商的问题。

如果对 CPU 有一定了解的同学,一定知道当前市场主流 CPU 分为 intel 和 amd 两家公司。

在前几年的时候,有人可能会说编程用 amd 的 cpu 会有大坑,但从今年开始未来可能要变风了,毕竟连 Linux 的创始人 Linus 都已经在使用 AMD 的 CPU 进行开发了。

关于 amd 和 intel 的处理器,知乎上讨论的帖子挺多的,感兴趣可以看看这个:

计算机专业 CPU 应该用 AMD 还是 Intel?

https://www.zhihu.com/question/391185825

如果不涉及到底层指令集的编程, amd 的 CPU 当前性价比是非常高的,尤其是对于不玩游戏的同学来说,5k以内的预算就可以买到一台很好的笔记本。

所以,关于CPU选择,编程来说,每年笔记本市场上主流的机型搭载的 CPU 都是没有问题的,大可放心选择。

内存

内存,软件真正运行的地方。

举个例子,超市中的储物柜,见过没?

1d6f6107890e93752a206b0468692d19.png

每开一个软件,就相当于往储物柜里放进一个物品,占一个格子。随着软件打开的越来越多,直到柜子满了,那你的电脑也就卡爆了。

像大学学习,必不可少的应该是虚拟机了,虚拟机是非常吃内存的。

日常IDE(代码编辑器)以及跑代码都是比较吃内存的。

比如现在我手里的macbookpro 2019:

65385e8abba4a56f256a6c9f6de04380.png

搭载了两条同规格的 4 代 8gb 内存条。

所以,内存往大了选,是没有错的,当前 16GB 是标准。

硬盘

硬盘当前倒是没什么好说的,像我上大学那会儿,主流是固态硬盘加机械硬盘,当前主流市场已经是 512GB 固态硬盘了。

固态硬盘,可以加快软件打开速度,本质上是数据传输变快了。电子元件(固态硬盘内部)的传输读写速度远远大于物理元件(机械硬盘内部)。

硬盘的选择,可以看下京东的对应参数,如果带有 NVMe 的字眼,可以优先考虑。

NVMe 是一种高速传输数据的协议。感兴趣的自己搜索资料了解下。

显卡

显卡是针对于算力相关的专业,由于个人没有研究过,姑这里不详细介绍。但基本框架的官方文档,都会介绍相关的显卡,比如 TensorFlow:

dac031a441cd04d2723f82caf9bb0fa9.png
https://tensorflow.google.cn/install/gpu

三、京东购买查看笔记本电脑历史价格

分享个网站,可以复制京东的型号到此网站,能看到该机型的历史价格:

db4131d4ce016907c5afb0cabe236910.png 7921ae09082685a40ec83bf66f7bab1a.png

四、计算机专业笔记本电脑推荐

电脑推荐环节,我准备将其分为两部分,一个是玩游戏的人群,用到的游戏级独显的,一个是不玩游戏的人群,带入门级独显卡以及不带显卡的。

推荐的电脑品牌均为一线品牌,以售后保障为基础进行推荐。

PS:以下链接均为京东自营店,建议线上购买,若有看上的机型,可以去线下店体验。

线上购买,尽量选择自营店铺,不要去第三方店铺购买,有一定风险!

每款电脑都根据 CPU 或 显卡 对应不同版本,每个电脑的型号,只推荐个人认为最适合大学生的那一款,如果预算很足,那请随意选择。

不玩游戏的人群:

当然这里不玩游戏指的是不玩大型游戏的同学,像Lol这种游戏,此处推荐的电脑均没问题。

4k预算:

低预算air14plus:

5-6k 预算:

小新pro14,i5

小新Pro14 2021锐龙(3月新品)

小新pro16英特尔(MX450显卡)

如果你的预算在5-6k,同时不玩游戏,想要轻便易携带,首选此款即可。

联想YOGA 14s 2021款 标压新锐龙版(3月底新产品)

edmiBook Pro 15:

红米近期新出了一款比较合适的本子,如果没有外接屏的朋友,15英寸的本本,预算5k可以看看这块

华硕无畏Pro14 标压锐龙版 :

如果有品牌(联想,小米)忌讳,可以看看华硕这台,缺点在接口上,没有快充,优点在于屏幕

玩游戏的人群:

游戏指的是以类似"吃鸡"为分界线的游戏。

预算5~7k:

2021年10月06日更新,新增一款thinkbook14p,32gb,有需求的朋友,预算在7k+直接上就完事了。

小新pro16锐龙(2021年4月,1650显卡)

宏碁(Acer)暗影骑士·龙

联想thinkpadP15v

预算8k ~ 1w :

联想(Lenovo)拯救者R9000X

这个价位的游戏本,均使用编程...甚至性能过剩(显卡方面),具体参数都写在卡片上了,不详细介绍了。

惠普(HP)暗影精灵6Pro锐龙版

联想(Lenovo)拯救者R7000P 新锐龙标压

华硕(ASUS)天选2 

联想(Lenovo)拯救者R9000P

联想ThinkBook 16p

最后,关于苹果笔记本,适不适合大学生购买?

我认为国内大学生来说,苹果系列的笔记本性价比并不高,不适合上学人群。

这里涉及到一个投入产出比的问题。(没有收入,成本付出的太高)

同价位mac的本子,如果按照性价比考虑,确实能买一个非常好的游戏本了。

但如果你是出国留学,那我的观点就是另一个了,建议购买。

既然出国留学,说明经济实力是非常充足的,那不需要考虑那么多问题。在国外你会发现,大学课堂中基本都是一清色的mac。(三个大学出国的同学都是这么说的,他们自己也都是买了 mac 出去的,学习用mac,打游戏再用另一台游戏本。)

2021.10.19日更新,新增macbook pro 2021 14 英寸:

1万左右运算的今天(2021年10月19日),java程序员我肯定是推荐Macbook pro2021 的。

就在昨天,苹果发布了 m1 pro 以及 m1 pro max 芯片搭载的新一代 mac 。

分别是 14 英寸和 16 英寸的。

推荐选择 14 英寸的,一是相对16英寸的重量多少会轻一些,便于携带办公(好装包),二是相对 16 英寸剩下来的钱,可以加内存或者加硬盘。

至于内存加大还是硬盘加大,看自己的需求,目前我的 2019年 MacBook Pro 16GB ,平时开 4 个 idea 外加各种浏览器,依然不卡。

加内存到 32gb官方在 3000 。

本地java开发,m1 pro 的 8 核芯片足够了,在高没必要,性能只会溢出,而10核以上的m1 pro更多的是给视频处理创作者提供的,除非你有剪辑的需求,追求机制体验,那尽管上就好了。

4f4f58ed1bcb27b32f4bee5526e7d566.png
同比8核cpu

同等功耗下,新能超出 1.7 倍。(横轴,功耗瓦数;数轴,性能数值。)

除了性能以外,续航也是比较在意的一点,毕竟有时候抱着电脑 code review,一 review 就是小半天,和充电器说拜拜。

键盘方面,取消了 touchbar ,回归了物理按键。妈妈再也不用担心 debug 按不下去了:

c5be8ad793f0c480b77e6d8c71b2b678.png
键盘物理硬件回归

丰富的接口:

  • 三个雷雳 4 端口

  • HDMI 端口

  • SDXC 卡插槽

  • MagSafe 3 端口

以及 14 英寸 Liquid 视网膜 XDR 显示屏 。

看完正常发布会觉得这电脑真的是对专业不打游戏人的福音...(打游戏请移步 16英寸 的 m1pro max芯片)

说到底,还是一个钱的问题~

游戏本对男生相对来说,性价比较高。但游戏适度,一直打游戏,到大四那一年,慌的终归是自己。

关于程序员电脑的选择,可以看下这篇

https://zhuanlan.zhihu.com/p/146470789

原文链接

https://zhuanlan.zhihu.com/p/173476148

机器学习算法AI大数据技术

 搜索公众号添加: datanlp

b9421839951fbc2fc1e8666f3f2669bb.png

长按图片,识别二维码


阅读过本文的人还看了以下文章:

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank,用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解,通俗易懂!

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门:基于Python的理论与实现》高清中文PDF+源码

《深度学习:基于Keras的Python实践》PDF和代码

特征提取与图像处理(第二版).pdf

python就业班学习视频,从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材

笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源!CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师,你的面试为什么过不了?

前海征信大数据算法:风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类

VGG16迁移学习,实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七):图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分?

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师(共四面)通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  

90e4b50ab723f27f6d0d7eb2d6578bc7.png

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐