¿Ubuntu es mejor con machine learning que mac?

Sí, las máquinas Linux son mejores para el aprendizaje automático.

Es mejor para el desarrollo de software en general y puede encontrar muchas guerras de llamas en esto. Ubuntu viene con una mejor administración de paquetes, por lo que es más fácil instalar las cosas comunes. Para las cosas poco comunes, es mucho más probable que se instale o compile si es necesario en Linux con facilidad.

Linux es más similar a sus máquinas de producción. Obviamente, Yiu no se implementará en Mac, por lo que es mejor que desarrolle en una plataforma similar.

OS X viene con herramientas de shell horriblemente obsoletas y, a menudo, con versiones BSD en lugar de GNU. Si quieres trabajar con shell. Y para un procesamiento de datos sencillo que casi siempre haces. Quieres un moden bash, un tipo de GNU moderno y muchos más. Con cualquier distribución de Linux, esto sale de la caja con Mac, es un trabajo extra.

Si quieres hacer un aprendizaje profundo, querrás una GPU Nvidia razonable. Si está utilizando un libro de Mac, no tiene suerte.

Hay cosas que funcionan mejor en Mac. Principalmente con respecto a la colocación conjunta con otros. Keynote es un software útil y creo que las alternativas de Linux son interiores. Conseguir que varias soluciones de videoconferencia funcionen en Linux puede ser un desafío (Webex y otros) y en Mac simplemente funcionan.

Todavía prefiero firmemente Linux.

Related Content

¿Cuáles son los conjuntos de datos beneficiosos para el análisis de sentimientos de Twitter como proyecto de análisis de datos?

Cómo construir un modelo de propensión a comprar para el marketing de bases de datos utilizando el aprendizaje automático en un entorno financiero

¿Debo comenzar a aprender Python y el aprendizaje automático al mismo tiempo?

¿Puedo entrenar una red neuronal convolucional (CNN) con imágenes de fondo diferente en blanco y negro?

¿TF-IDF está categorizado como una selección de características o una extracción de características?

No.

Uno de los grandes beneficios de Python es que es independiente de la máquina.

Por cierto, si aún no lo sabe, solo se usa un lenguaje real en el espacio de aprendizaje automático aplicado y ese es Python.

Además, su computadora portátil de elección realmente no importa. Si vas a construir modelos del mundo real, será en la nube o en servidores realmente malos.

Su computadora portátil es para aprender y para construir modelos de juguetes.

Los ingenieros de aprendizaje automático del mundo real son programadores de Python.

Entonces, si quieres ser un ingeniero de aprendizaje automático, comienza a aprender Python.

¿Nuevo en el aprendizaje automático?

Echa un vistazo a este curso gratuito sobre los algos utilizados. No matemáticas Todo el curso es pictórico.

Una introducción al aprendizaje automático para ingenieros de datos

Mike West

No. Para el caso, para implementaciones estándar de algoritmos, el sistema operativo será completamente irrelevante.

Si se implementa algo para hacer uso de la GPU, entonces hay una diferencia en el lenguaje de programación preferido del núcleo de la GPU (OpenCL vs. CUDA), y OS X / macOS ofrece GCD para la agrupación de hilos que no se usa ampliamente en Linux, pero también ese patrón no se usa a menudo en el aprendizaje automático tampoco. Es más o menos un empate.

Meir Maor

No hará la diferencia. Ambos tienen el conjunto de herramientas estándar de Unix (bash, grep, awk, pipe, etc.). Mientras los tenga, su flujo de trabajo no cambiará mucho de Ubuntu a OSX

Meir Maor

No hay diferencia, si puede ejecutar las herramientas / idioma / bibliotecas / marcos que desee, no hay diferencia.

Sunny Golovine

More Interesting

¿Por qué es que los RNN con conexiones desde la salida al estado oculto pueden expresar menos máquinas de turing?

En Python, ¿cómo puedo probar y asegurarme de que mi modelo predice datos correctamente? (principiante preguntando)

¿Cómo podría usar el aprendizaje automático para clasificar los datos 1D?

¿Qué tan fuerte es la Universidad de Washington en Machine Learning?

¿Qué herramientas estadísticas se necesitan para la extracción de características y el reconocimiento de patrones en el procesamiento de imágenes?

¿Qué método de aprendizaje profundo usar para clasificar archivos de texto?

¿Algún investigador utiliza ReLU en un modelo de aprendizaje no profundo? ¿ReLU es solo para aprendizaje profundo?

Cómo crear un conjunto de datos a partir de imágenes

¿El CAPM está muerto, en el sentido de que el aprendizaje automático moderno y el modelado financiero han hecho que su aplicación en el mundo real sea redundante?

¿Qué son las redes de iteración de valor?

Según Wikipedia, las redes neuronales artificiales actuales tienen la complejidad del cerebro de un gusano. ¿Es eso cierto?

¿Qué tan buenos son los conjuntos de datos SIG en India (por ejemplo, red de carreteras / calles, parcelas municipales, etc.)? ¿Cuáles son las fuentes para este tipo de conjuntos de datos?

¿Cómo se compara la industria del aprendizaje automático con las opciones de carrera dentro del desarrollo web?

¿Cómo podemos usar la herramienta Weka para crear un sistema de recomendación?

¿Cómo está estudiando Conner Davis el aprendizaje automático?