Hvis spørgsmålet passer bedre i en anden kategori henvises jeg gerne!
--
Både AWS (AWS Educate) og Google (Cloud for Education) giver credits til studerende. Dem kan du så smide efter en VM der kan arbejde lidt for dig.
--
Jo, ved du om det ville være ligetil indenfor det jeg referere at bruge det til?
--
Du kommer ikke til at træne store modeller på studiet. Google Colab er rigeligt til de modeller i kommer til at træne.
--
hej
Ah - hvis du skal lære machine learning på uni, vil du jo heldigvis lære om ML og ikke kun Large Language Models.
En bærbar med et middelgodt grafikkort kan faktisk køre (mindre) LLMs. Nogle kan endda køre på en rPI...
Meget machine learning er ikke så meget et spørgsmål om at have 10.000 kerner og ram for at kunne køre.
I min optik er de store modeller mest af alt et stort CO2 aftryk, brugt til at udskrive hvordan man brygger kaffe?! - Det er der, hvor data science er sjovt - at designe en mindre ML model!
(Det er skræmmende at tænke på at da jeg havde ML kørte vi det i single core!!).
Men hvis du har været i gang siden i sommers, færdes du vel i et miljø, hvor der er erfaringer i hvad der passer til undervisningen?!
Det burde være dig der kunne grave i spændende muligheder, og dele ud af tips ? :-)
--
Jeg havde nogle ML og big data kurser da jeg gik på DTU. Det var rigeligt med en almindelig bærbar. Du kommer nok ikke til at bygge den næste chatgpt ved de kurser. Der er også lidt mere til området end bare LLM'er.
--
Jeg starter først (forhåbentligt) med uddannelsen til sommer, er ikke optaget endnu, så kender ikke til detaljerne angående behov og hvor avanceret det kan blive. Selvom jeg kan se på kurserne og høre fra opgaverne som bliver lavet at man kan nå ret langt på bacheloren og især kandidaten med kurser i ML, DL, DS, osv big data og AI lignende. Jeg deler ellers med glæde ud af min viden om emnet, når jeg først har fået den ;)
Men jeg kan forstå at en X1 Carbon vil være en ganske passende bærbar til studiet, eller for den sags skyld hvilken som helst anden i den klasse.
Udregninger bliver vist ellers mere og mere omstændige som emnet udvikler sig, ligesom så meget andet med computere. Så en kerne var engang nok, men ikke i dag.
--
Èn kerne er såmend nok i undervisningsøjemed, og som #6 skriver er en helt almindelig bærbar tilstrækkelig. Hvis du har brug for egentlig regnekraft så kommer du til at køre din optimering (træning) eksternt, som #3 skriver. DTU Compute har også en større GPU cluster (
https://www.hpc.dtu.dk[...] ) som du muligvis kan få adgang til, hvis du får et egentligt behov.
Jeg vil anbefale en let computer der er behagelig at arbejde på.
--
Sidst redigeret 09-04-2024 18:36
Jeg tog et kursus i machine learning på en macbook air, ingen problem. Alt kørte super hurtigt.
I dit tilfælde bliver det nok først på et bachelor eller master projekt hvor du skal bruge en større model, og mere compute power.
Og selv der er det ikke et problem, der ikke kan løses.
Dine undervisere sætter kun krav som alle studerende kan udføre. Uanset hastigheden på deres computere.
Dine normale kurser vil ikke koncentrere sig om acceleration via paralel eksekvering eller gpu acceleration. Men blot køre det hele på én tråd.
Der er kun specielle kurser fokusere på at lære dig accelerationsteknikker.
--
Overclocked Broadwell-E/Pascal Inside!
Jeg forstår, jeg forstår. Jeg vil ikke blive udsat for noget særligt. Og når det endeligt kommer til bachelorprojekt eller lignende vil der være mulighed for at overføre load til en ekstern computer.
Det var jeg egentlig også med på. Tænkte bare på om nogen med erfaring vidste hvor ligetil eller nemt det er at ligge load på en ekstern computer?
Jeg tænker ellers også at købe en Lenovo X1 Carbon, dette oplever jeg bestemt er en let og behagelig computer. Så er det bare hvilken generation og specs det bliver. For der er mange brugte til en god pris. Men det kunne også være rart med en ny, især ved opgradering af skærmen til mere end FHD
--
#10 Jeg er ret sikker på at de ude på uddannelsen vil kunne hjælpe dig til at bruge 3. parts systemer til beregninger, hvis det skulle blive nødvendigt.
--
Jeg vil tro at uddannelsesstedet kan stille noget tilrådighed. Jeg skulle selv bruge et cluster da jeg lavede speciale. DTU stillede dengang en stak servere tilrådighed.
--