1樓：金戈老馬
選電腦之前，先理清楚自己拿這個電腦做什麼。
基於題主的問法，冒昧地猜測：題主是正準備入行，以學習為主吧。
如果是學習的成分大於工程實踐。從電腦使用上來說，一般用於兩個目的：大資料平台（大資料儲存、處理），和資料分析方法（建模、程式設計、視覺化等）。
一、大資料平台。基本上圍繞 Hadoop 生態，一系列工具。學習他們，先從單機開始，乙個乙個地部署、配置、測試，然後通過程式或工具對資料進行操作（新增/插入，更新，查詢，Map/reduce 等等）。
坦率地說，對機器要求並不高，但是最好是基於 Linux 作業系統之上。
然後，配置多個虛擬機器，學習部署和配置分布式條件下的大資料平台。你會很有成就感的。這樣的話，對於機器的配置要求就要高一些，建議不要低於32 GB 記憶體。
二、資料分析方法。根據題主的發展目標，有不同層次的學習。比如，工具類，QlikView, Tableau等；或者，學習基於 Python, R 等語言的程式設計。
但是不管哪一種，在學習階段，對電腦的要求都不是必須很高，普通的就可以了。
如果，你想要更多地用於深度學習，那麼對計算效能要求就要高一些，GPU 的配置是必須的，最好高一些（用金錢換時間），這個有點貴哦。否則，調整一次引數，你得等很長時間。
說實在的，乙個人想要在短時間內同時把兩方面的知識學精，是有相當難度的。
簡單總結一下，如果是學習為主的話，大資料平台要求記憶體高一點，萬元電腦足矣；如果深度學習的話，GPU 的配置高一點，一萬元勉強吧。如果魚和熊掌兼得，一萬元難啊。
如果是工程實踐的話，建議大資料平台租用雲平台，按使用收費；資料分析用一台記憶體和GPU高一點的工作站，一萬元夠嗆。
2樓：小公升
intel I7 是必須的
記憶體 16G 起跳必須的
顯示卡看看你要如何選擇了，做視覺化比較多的就有個MX150起最為佳。若做運算多的那這個就當我沒說
容量當然是越大越好。
3樓：青島city
首先大資料需要的儲存量都不是用G來衡量的，做簡單的資料分析可以參考各項硬體屬性。一般情況下cpu的處理速度和散熱功能一般作為首選。
大資料分析中，有哪些常見的大資料分析模型？
牛博 模型其實就是一數學函式對映，從應用層角度來看，會有一些通俗的名字,簡單羅列一下 一 使用者模型 二 事件模型 三 漏斗模型 四 熱圖分析模型 五 自定義留存分析模型 六 粘性分析 七 全行為路徑分析 八 使用者分群模型 九 Session 分析 十 間隔分析 十一 分布分析 十二 營銷廣告投放...
做大資料開發好還是大資料分析比較好一些？
lemon潘 首先工作沒有好壞之分，我們要結合自己的興趣和基礎來判斷自己適合哪個方向，大資料開發和大資料分析發展前景都很好，接下來大概說一下這兩者之間的區別 資料開發偏向於程式，資料分析偏向於數學。下面了解一下大資料分析和大資料開發的工作內容 大資料分析的工作內容，可以大致分為四個步驟 資料獲取 資...
如何搭建大資料分析平台？
帆軟 通常來說，企業內部的運營和業務系統每天會積累下大量歷史資料，一些企業最多是對一些零散的資料進行淺層次的分析，真正的海量資料其實並沒有得到真正有效的分析利用。同時，隨著系統的不斷增加和積累，沉澱在系統深處的資料也更加難以提取和整合，後期的報表展示和視覺化分析也就成了空殼應用。所以大資料分析平台的...